In [3]:
import pandas as pd
CSV_DATASET = 'garelavoriaggiudicazioni.csv'
df = pd.read_csv(CSV_DATASET, sep=',')
In [4]:
df.head()
Out[4]:
Numero gara
RUP
Oggetto della gara
ID lotto
CIG
Cantiere
Oggetto del lotto
Criterio di aggiudicazione
Esito della procedura
Tipo aggiudicatario
...
Importo componente lavori
Importo componente servizi
Importo componente forniture
Importo totale attuazione sicurezza
Somme non assoggettate a ribasso
Importo progettazione
Importo complessivo appalto
Importo totale somme a disposizione
Importo complessivo intervento
Stato
0
1
Carlo Chiesa
fornitura di edifici prefabbricati da adibirsi...
55
461919042C
Campo Base
PROCEDURA APERTA PER L'AFFIDAMENTO IN APPALTO ...
offerta più vantaggiosa
aggiudicata
impresa singola
...
5347188.06
0.00
0.00
225436.45
0.00
0.00
5572624.51
0.01
5572624.52
Collaudo sospeso
1
2
Carlo Chiesa
realizzazione opere civili e impiantistiche di...
39
447635984C
Campo Base
URBANIZZAZIONI
offerta più vantaggiosa
aggiudicata
impresa singola
...
635883.20
0.00
0.00
50429.69
0.00
0.00
686312.89
3310000.00
3996312.89
Collaudo Revocato
2
2
Carlo Chiesa
realizzazione opere civili e impiantistiche di...
33
44763229C3
Campo Base
SCAVI E RECINZIONI
prezzo più basso
aggiudicata
impresa singola
...
474254.44
0.00
0.00
18727.24
0.00
0.00
492981.68
3310000.00
3802981.68
Collaudo Amministrativo
3
2
Carlo Chiesa
realizzazione opere civili e impiantistiche di...
34
4476386E92
Campo Base
PAVIMENTAZIONI
prezzo più basso
aggiudicata
ATI
...
637104.40
0.00
0.00
14084.66
0.00
0.00
651189.06
3310000.00
3961189.06
Concluso
4
2
Carlo Chiesa
realizzazione opere civili e impiantistiche di...
38
4476366E11
Campo Base
FONDAZIONI
prezzo più basso
aggiudicata
ATI
...
793613.83
0.00
0.00
27777.58
0.00
0.00
821391.41
3310000.00
4131391.41
Concluso
5 rows × 21 columns
In [5]:
df.describe()
Out[5]:
Numero gara
ID lotto
count
34.000000
34.000000
mean
138.647059
268.147059
std
277.440999
345.450969
min
1.000000
33.000000
25%
6.250000
68.250000
50%
14.500000
127.500000
75%
22.750000
228.000000
max
756.000000
1032.000000
In [6]:
aggiudicate = df[df['Esito della procedura'] == 'aggiudicata']
In [8]:
aggiudicate.describe()
Out[8]:
Numero gara
ID lotto
count
29.000000
29.000000
mean
160.137931
294.068966
std
295.731988
368.591230
min
1.000000
33.000000
25%
5.000000
59.000000
50%
15.000000
138.000000
75%
23.000000
246.000000
max
756.000000
1032.000000
In [9]:
completati = df[df['Stato'] == 'Concluso']
In [10]:
completati.describe()
Out[10]:
Numero gara
ID lotto
count
3.000000
3.000000
mean
9.333333
66.333333
std
12.701706
52.576928
min
2.000000
34.000000
25%
2.000000
36.000000
50%
2.000000
38.000000
75%
13.000000
82.500000
max
24.000000
127.000000
In [ ]:
Content source: uolter/DataDrivenJournalism
Similar notebooks: