script_plots_py.ipynb

Kernel: Python 3 (ipykernel)

from IPython.display import display, HTML

display(HTML(data="""
<style>
    div#notebook-container    { width: 80%; }
    div#menubar-container     { width: 65%; }
    div#maintoolbar-container { width: 80%; }a
</style>
"""))

1. Quantities:

This type of graph shows the levels of variables. Also, these graphs show the variables according to categories or classifications.

import numpy as np   
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt  # libreria de gráficos 
import seaborn as sns  # libreria 2 para gráficos 
import datetime as dt # manejar fechas 
import warnings
warnings.filterwarnings('ignore') # eliminar warning messages 

Datasets transformed into Latin characters. The following commands should be used in STATA:

cd "....\documents"

unicode analyze enaho.dta

unicode encoding set "latin1"

unicode translate enaho.dta

Plots, enlances de interés

World Bank repositorio para gráficos

https://worldbank.github.io/r-econ-visual-library/

Traducción del repositorios del Banco Mundial en Python

https://d2cml-ai.github.io/python_visual_library/python_notebooks/02_density.html

The following database includes enaho modules (200, 300 and 500) for the period 2011 - 2019

enaho = pd.read_stata(r"../data/ENAHO/enaho.dta")
enaho

# cada observación indica en qué tipo de firma labora la persona se(pequeña, micro, mediana y gran empresa)

enaho['empresa']

0                     NaN
1            microempresa
2            microempresa
3                     NaN
4            gran empresa
               ...       
160767                NaN
160768       microempresa
160769    mediana empresa
160770                NaN
160771       microempresa
Name: empresa, Length: 160772, dtype: category
Categories (4, object): ['microempresa' < 'pequeña empresa' < 'mediana empresa' < 'gran empresa']

Number of companies classification by number of workers hired

Microbusinesses < 10 workers ; Small businesses (10-20 workers); Medium businesses (21-100 workers); Big Businesses (>100 workers)

Why do many examples use fig, ax = plt.subplots() in Matplotlib/pyplot/python ?

https://stackoverflow.com/questions/34162443/why-do-many-examples-use-fig-ax-plt-subplots-in-matplotlib-pyplot-python

fig, ax = plt.subplots( figsize=(7,4) )  # primera linea es para definir el tamaño del gráfico: fig (objeto figura), ax : ejes 

sns.countplot( x = "empresa", data = enaho[enaho['year'] == "2019" ] )  # counplot: gráfico de barras 

# customize el gráfico 

# función title de la libreria matplot (plt)

plt.title('Cantidad de empresas según clasificación en el 2019')

# función labels para alterar las etiquetas de los ejes

plt.xlabel(' ')
plt.ylabel(' ')

Text(0, 0.5, ' ')

1.0 Vertical Countplot and one color (red)

fig, ax = plt.subplots(figsize=(8,4))

x = sns.countplot(y = "empresa", data=enaho[enaho['year'] == "2019" ], color = 'red')

plt.title('Cantidad de empresas según clasificación en el 2019')
plt.xlabel(' ')
plt.ylabel(' ')

# codigo del color
# RGB 

#fig.savefig(r'imagen_python.png', dpi=800, bbox_inches='tight') # code to save graph 


# red en código es #FF0000
# red en RGB es rgb(255, 0, 0)

Text(0, 0.5, ' ')

2.0 Evolutions of business in period 2017-2019

sns.set_context("paper") # Diseño del gráfico tipo paper

base2 = enaho[enaho['year'] > "2016" ]

fig, ax = plt.subplots(figsize=(10,6))

# hue: variable que permite desagregar la información

ax = sns.countplot(x="empresa", hue="year", alpha = 0.8, linewidth=1, data=base2)
plt.title('Evolución de las empresas en el périodo 2017-2019', fontsize=15) # fontsize: tamaño de titulo
plt.xlabel(' ')
plt.ylabel(' ')
 
txt="Elboración propia - ENAHO (2011-2019)"   # nota del fuente 
plt.figtext(0.04, 0.02, txt, wrap=True, horizontalalignment='left', va="top", fontsize=10) # ubocación de la nota de fuente 

# fintzise: tamaño de la letra
# horizontalalignment: ubicación. En este caso a la izquierda

# 0.04, 0.02 coordenadas de la fuente 
# alpha : nivel de transparencia 

Text(0.04, 0.02, 'Elboración propia - ENAHO (2011-2019)')

# Todal de empresas por tamaño y área

base_2 = enaho[ enaho['year'] == "2019" ].groupby( [ 'empresa', 'area' ] ).size().reset_index(name='num_firms')
base_2

enaho[ enaho['year'] == "2019" ]

enaho["cantidad_empresas"] = enaho[ enaho['year'] == "2019" ].groupby( [ 'empresa', 'area' ])['empresa'].transform('size')
enaho

# tarnsform para recurar el resultado de gropby en la base de datos original 

# stacked information
base_3 = base_2.pivot(index = 'empresa', columns = 'area', values = 'num_firms')
base_3

# pivot: como un reshape: los valores area (urbana o rural) ahora estan como columna

# A partir de la base de datos y usando matplot 
base_3.plot( kind='bar', stacked=True, title='Empresa por estrato', color = ['blue', 'lightblue'] )
plt.xlabel(' ')

# color = ['blue', 'lightblue'] color por cada categoría

Text(0.5, 0, ' ')

2. Proportions

Understandable plots to show categorical variables. Use this plots to explain participations from categories.

Pie

First at all, collapse dataframe to count categories of a variable

base = enaho.groupby([ 'empresa' ])['empresa'].size()
base

# cantidad por tipo de empresa

empresa
microempresa       58002
pequeña empresa     9306
mediana empresa    10304
gran empresa       29642
Name: empresa, dtype: int64

# Labels to correct categories names 

labels=['Microempresa','Pequeña empresa' , 'Mediana empresa', 'Gran empresa']

plt.figure(figsize=(10,10)) # tamaño de gráfico 

ax = plt.pie(base, labels=labels, autopct='%.1f %%')
plt.title('Distribución de las empresas peruanas (2019)')
plt.show()

# .3f , 3 indica la cantidad decimales 
# Este gráfico calcula los porcentages internamente

base = enaho.groupby('labor')['labor'].size() # cantidad por tipo de ocupación

fig, ax = plt.subplots( figsize=(10,10) )

base.plot(kind='pie', autopct='%.1f %%')
plt.title("Ocupaciones laborales")
plt.ylabel("")
plt.show()

fig.savefig(r'../plots/imagen_python.png', dpi=800, bbox_inches='tight') 

# dpi: la resolución ; es deci, la calidad o nitidez de la imagen 

# bbox_inches:tight Ninguna parte del grpáfico se pierde

Donuts

base2 = enaho.groupby([ 'sector' ]).size() # cantidad por tipo de sector económico

labels=['Agricultura y pesca','Minería','Manufactura','Construcción','Comercio','Transporte y telecomunicaciones', 'Finanzas', 'Servicios']
plt.figure(figsize=(10, 6))

ax = plt.pie(base2, labels=labels,
        autopct='%1.1f%%', pctdistance=0.85)
  
# centroid size and color

center_circle = plt.Circle((0, 0), 0.50, fc='white')
fig = plt.gcf()

fig.gca().add_artist(center_circle)
  
plt.title('Distribución de la mano de obra contratada por sector económico')

# Adding notes

txt="Elboración propia - ENAHO (2011-2019)"  
plt.figtext(0.2, 0.01, txt, wrap=True, horizontalalignment='right', fontsize=10)

plt.show()

3. Distributions

Distribution plots visually assess the distribution of sample data by comparing the empirical distribution of the data with the theoretical values expected from a specified distribution.

#filter database to 2019
base4 = enaho[enaho['year'] == "2019" ]

fig, ax = plt.subplots( figsize=(10,10) ) # objeto figura

base4['l_salario'].plot(kind = 'hist', bins = 10) # cantidad de barras, dividir el rango de la variable en 30 
plt.title('Logaritmo del salario por hora')

# kind= hist es un histograma de frecuencias absolutas 

txt="Elboración propia - ENAHO (2011-2019)"  
plt.figtext(0.5, 0.01, txt, wrap=True, horizontalalignment='center', fontsize=12)
plt.show()

Reducing intervals

Frequency distribution with a smaller interval (lower relative frequency). Therefore, the height of each bar accounts smaller amount.

sns.set('paper') # diseño tipo paper
sns.set_style("ticks") # fondo de blanco

base4['l_salario'].plot(kind = 'hist', bins = 20, figsize = (8,6))
plt.title('Logaritmo del salario por hora')

txt="Elboración propia - ENAHO (2011-2019)"  
plt.figtext(0.5, 0.01, txt, wrap=True, horizontalalignment='center', fontsize=11)
plt.show()

Multiple histograms

# varias gráficos de histograma, debemos usar seaborn y su función  FacetGrid

figure1 = sns.FacetGrid(base4, col="empresa", margin_titles=True)

figure1.map(plt.hist, 'l_salario', bins=np.linspace(0, 20, 30))

# np.linspace(0, 20, 30)

<seaborn.axisgrid.FacetGrid at 0x1f2df9831c0>

Real salary per hour density:

the distribution does not resemble a standard normal. The information is concentrated in lower values and there are some observations of high values.

plt.figure(figsize=(8, 8))

sns.distplot(base4['salario'], label = "Densidad", color = 'blue')
plt.title('Salario por hora')
plt.xlabel(' ')
plt.show()

Logarithm of real hourly wage

This allows correcting the asymmetry presented by the original data.

#Alternative figure size
plt.figure(figsize=(8, 8))

sns.distplot(base4['l_salario'], label = "Densidad", color = 'black') # displot: gráfico de densidad
plt.title('Logaritmo del salario por hora')
plt.xlabel(' ')
plt.show()

Real salaries for tres sectors (Construction, Mining and services)

plt.figure(figsize=(10, 6))

#Adding densities 

sns.kdeplot(base4.l_salario[base4.sector=='Construcción'], label='Construcción', shade=True)
sns.kdeplot(base4.l_salario[base4.sector=='Comercio, hoteles y restaurantes'], label='Comercio, hoteles y restaurantes ', shade=True)
sns.kdeplot(base4.l_salario[base4.sector=='minería'], label='Minería ', shade=True)
plt.xlabel('Logaritmo del salario by Industry')

# Construction sector shows certain stochastic dominance over mining and services

# los gráficos en python , R, stata se basan en una lógicas por capas 

Text(0.5, 0, 'Logaritmo del salario by Industry')

Labor occupations and real salary per hour densities

A For loop is used to include in the same graph the density function of hourly wages for different occupations.

fig, ax = plt.subplots(figsize=(8,6))
sector = [ 'Ocupaciones elementales', 'Profesionales y fuerzas armadas', 'Operadores de planta y maquinaria',
          'Trabajo en actividades agrícolas, selvicultura y pesca']
nombre = [ 'Ocupaciones elementales', 'Profesionales', 'Planta y maquinaria','Actividades extractivas']
    
for a, b in zip(sector, nombre):
        sns.kdeplot(base4.l_salario[base4.labor==a], label=b, shade=True)

plt.xlabel('Logaritmo del salario por tipo de ocupación')

# Two relevant findings: stochastic dominance of the salary of professionals and 
# concentration in lower levels of salary in the non-active primary sector.

Text(0.5, 0, 'Logaritmo del salario por tipo de ocupación')

Box plot real salary and education

fig, ax = plt.subplots(figsize=(10,6))

box = sns.boxplot(x="educ", y="l_salario", data=enaho[enaho['year'] == "2019" ] ,palette='rainbow')
plt.xlabel('Nivel educativo alcanzado')
plt.ylabel('Logaritmo del salario por hora')
(box.set_xticklabels(["Sec. completa", "No uni. incompleta", "No uni. completa", "Uni. incompleta", "Uni. completa", "Posgrado"])) # etiqueta eje x 

# The real wage quartiles are increasing with the educational level.
# Lower salary dispersion for the postgraduate level.

[Text(0, 0, 'Sec. completa'),
 Text(1, 0, 'No uni. incompleta'),
 Text(2, 0, 'No uni. completa'),
 Text(3, 0, 'Uni. incompleta'),
 Text(4, 0, 'Uni. completa'),
 Text(5, 0, 'Posgrado')]

fig, ax = plt.subplots(figsize=(10,6))

box = sns.boxplot(x="educ", y="l_salario", data=enaho[enaho['year'] == "2019" ] ,palette='rainbow', showfliers=False)
plt.xlabel('Nivel educativo alcanzado')
plt.ylabel('Logaritmo del salario por hora')
(box.set_xticklabels(["Sec. completa", "No uni. incompleta", "No uni. completa", "Uni. incompleta", "Uni. completa", "Posgrado"]))

#  showfliers=False eliminar outliers

[Text(0, 0, 'Sec. completa'),
 Text(1, 0, 'No uni. incompleta'),
 Text(2, 0, 'No uni. completa'),
 Text(3, 0, 'Uni. incompleta'),
 Text(4, 0, 'Uni. completa'),
 Text(5, 0, 'Posgrado')]

Macroeconomics

IMP: log-Commodity price index, TC: log-exchange rate, RIN: log-international reserves, IPC: log-price consumption index, RATE: central bank rate reference

D: Annual difference

macro = pd.read_csv(r"../data/macroeconomia.csv")
macro['YEAR']  = pd.to_datetime(macro['Fecha']) # formato fecha en una nueva variable
macro

sns.set_context("paper") # formato paper 

sns.relplot(x="YEAR", y="IPM", kind="line", color="red", data=macro, height=5, aspect=1.5)

# aspect=1.5: ancho de la figura
# height: lardo de la figura
# kind : line, figura de línea
plt.xlabel(' ')
plt.ylabel(' ')
plt.title('Índice del precio de materias primas 2013-2019')

txt="Elboración propia - BCRP"  
plt.figtext(0.5, 0.01, txt, wrap=True, horizontalalignment='center', fontsize=12)

Text(0.5, 0.01, 'Elboración propia - BCRP')

Series in a single image

This graph shows a positive relationship between the change in international reserves and the commodity index.

sns.set_context("paper")
fig, ax = plt.subplots(figsize=(12,5)) # definimos el objeto figura y ejes

x = macro['YEAR']
y1 = macro['DIPM']
y2 = macro['DRIN']

plt.plot(x, y1, label ='Indice de materias primas (Var %)', color='blue')
plt.plot(x, y2, label ='Reservas internacionales (Var %)', color='red')
plt.axhline(y=0, color='black', linestyle='--', lw=0.8) # Se añade linea horizontal 

# linestyle='--' estilo de linea

plt.legend(loc='upper right')

txt="Elaboración propia - BCRP"  
plt.figtext(0.2, 0.01, txt, wrap=True, horizontalalignment='right', fontsize=10)

Text(0.2, 0.01, 'Elaboración propia - BCRP')

Dual-line Plots

Exchange rate and monetary policy reaction

#sns.set('notebook')
# sns.set_theme(style="white")
sns.set_context("paper")
                
fig, ax = plt.subplots(figsize=(10,5))
lineplot = sns.lineplot(x= "YEAR" , y= "RATE", data=macro, 
                        label = 'Tasa interbancaria promedio ', color="k", legend=False)

#sns.despine()
plt.ylabel('Tasa de política monetaria')
plt.xlabel(' ')
plt.title('Exchange rate and monetary policy reaction');

ax2 = ax.twinx() # Compartir el mismo eje
lineplot2 = sns.lineplot(x= "YEAR", y= "DTC", data=macro, ax=ax2, color = "red", linestyle='--',
                          lw=1.5, label ='Tipo de cambio (variación anual %)', legend=False) 

# lw: ancho de línea

sns.despine(right=False) # eje secundario en en la derecha
plt.ylabel('Tipo de cambio')
ax.figure.legend(loc='lower center', bbox_to_anchor=(0.75, 0.15), ncol=1);


txt="Elboración propia - BCRP"  
plt.figtext(0.2, 0.01, txt, wrap=True, horizontalalignment='right', fontsize=10)

# Añdiendo texto: crisis financiera. Se define la ubicación a través de coordenadas

fig.text(0.45,0.6,'Crisis Financiera',color = 'darkblue', size = 10,
        bbox=dict(facecolor='none', edgecolor='blue', pad=4.0)) # bbox: añade una caja al texto, pad : largo y ancho de la caja

fig.savefig(r'../plots/BCRP.png', dpi=800, bbox_inches='tight') 

Reference:

Library of plots

https://www.python-graph-gallery.com/stacked-and-percent-stacked-barplot

Seaborn package:

https://seaborn.pydata.org/generated/seaborn.catplot.html

https://programmerclick.com/article/54791895404/