Grupo_1_py.ipynb

Kernel: Python 3 (ipykernel)

##PARTE 2 (RECORDAR QUE EN LA TAREA NO ESTÁ NUMERADO, SOLO ES PARA INDICAR LA PARTE DE CADA INTEGRANTE PARA ORGANIZARNOS)
#Se instalan librerías para poder cargar un archivo .sav (SPSS)
!pip install pyreadstat 
!pip install savReaderWriter 

Collecting pyreadstat
  Downloading pyreadstat-1.1.9-cp39-cp39-win_amd64.whl (2.4 MB)
Requirement already satisfied: pandas>=1.2.0 in c:\users\venso\anaconda3\lib\site-packages (from pyreadstat) (1.4.2)
Requirement already satisfied: numpy>=1.18.5 in c:\users\venso\anaconda3\lib\site-packages (from pandas>=1.2.0->pyreadstat) (1.21.5)
Requirement already satisfied: python-dateutil>=2.8.1 in c:\users\venso\anaconda3\lib\site-packages (from pandas>=1.2.0->pyreadstat) (2.8.2)
Requirement already satisfied: pytz>=2020.1 in c:\users\venso\anaconda3\lib\site-packages (from pandas>=1.2.0->pyreadstat) (2021.3)
Requirement already satisfied: six>=1.5 in c:\users\venso\anaconda3\lib\site-packages (from python-dateutil>=2.8.1->pandas>=1.2.0->pyreadstat) (1.16.0)
Installing collected packages: pyreadstat
Successfully installed pyreadstat-1.1.9
Collecting savReaderWriter
  Downloading savReaderWriter-3.4.2.tar.gz (50.9 MB)
Building wheels for collected packages: savReaderWriter
  Building wheel for savReaderWriter (setup.py): started
  Building wheel for savReaderWriter (setup.py): still running...
  Building wheel for savReaderWriter (setup.py): still running...
  Building wheel for savReaderWriter (setup.py): finished with status 'done'
  Created wheel for savReaderWriter: filename=savReaderWriter-3.4.2-py3-none-any.whl size=51142028 sha256=77e73541730b42e46e25f8ffc1d73a9e7e213fffb1f2e03be3fc8a5c22092f24
  Stored in directory: c:\users\venso\appdata\local\pip\cache\wheels\cb\a1\bf\2b0abba03732dda64bac1510f20b5d34cae4fe071dc0699336
Successfully built savReaderWriter
Installing collected packages: savReaderWriter
Successfully installed savReaderWriter-3.4.2

#Se instala librería para reconocer las etiquetas de la base de datos
!pip install savReaderWriter 

Requirement already satisfied: savReaderWriter in c:\users\venso\anaconda3\lib\site-packages (3.4.2)

#Se importan las librerías para cargar el dataframe y para cargar el archivo en cualquier directorio
import pandas as pd
from pandas import DataFrame,Series
import os

#Se indica que se identifique y se coloque el usuario en la dirección donde se encuentra la base de datos a usar
user = os.getlogin()   # Usuario del dispositivo

os.chdir(f"C:/Users/{user}/Documents/GitHub/1ECO35_2022_2/data") #Se establece el directorio donde se encuentra la base de datos
#Se crea un dataframe con la información de la base de datos
df = pd.read_spss("data_administrativa.sav")
#Se muestra la base de datos
df

#Se importa una nueva librería que permite que se puedan reconocer las etiquetas de las variables y de los valores de las variables del data frame
import savReaderWriter as sav  

#Se indica que se lean las etiquedas de la base de datos, y se establecen sus labels de acuerdo a sus variables y a los valores dentro de estas
with sav.SavHeaderReader( r"../data/data_administrativa.sav", ioUtf8=True) as header:
    metadata = header.all() # save dataset
    labels_df = metadata.valueLabels  #Etiquetas de valores de variables
    var_labels_df = metadata.varLabels #Etiquetas de variables

#Se muestran las variables del dataframe que tengan valores nulos
df.isna().any()

year        False
MES         False
CONGLOME    False
VIVIENDA    False
HOGAR       False
CODPERSO    False
UBIGEO      False
DOMINIO     False
ESTRATO     False
P201P       False
P203        False
P203A        True
P203B        True
P204         True
P205         True
P206         True
P207         True
P208A        True
P208B        True
P209         True
dtype: bool

#Etiquetas de dos variables
#Etiqueta de P203
print('Etiqueta de variable P203 =', var_labels_df['P203'])
#Etiqueta de P204
print('Etiqueta de variable P204 =',var_labels_df['P204'])

Etiqueta de variable P203 = ¿Cuál es la relación de parentesco con el jefe(a) del hogar
Etiqueta de variable P204 = ¿Es miembro del hogar?

#Etiqueas de los valores de las dos variables

print('Etiquetas de valores de variable P203 =', labels_df['P203'])

print('Etiquetas de valores de variable P204 =',labels_df['P204'])

Etiquetas de valores de variable P203 = {0.0: 'Panel', 1.0: 'Jefe/Jefa', 2.0: 'Esposo(a)/compañero(a)', 3.0: 'Hijo(a)/Hijastro(a)', 4.0: 'Yerno/Nuera', 5.0: 'Nieto(a)', 6.0: 'Padres/Suegros', 7.0: 'Otros parientes', 8.0: 'Trabajador Hogar', 9.0: 'Pensionista', 10.0: 'Otros no parientes', 11.0: 'Hermano(a)'}
Etiquetas de valores de variable P204 = {1.0: 'Si', 2.0: 'No'}

##Parte 3
#Se crea un dataframe con los valores duplicados y con el keep = false se indica que se mantengan ambos duplicados
df_duplicados = df[ df[['CONGLOME','VIVIENDA', 'HOGAR','CODPERSO']].duplicated(keep = False) ]\
[['year','CONGLOME','VIVIENDA', 'HOGAR','CODPERSO']]  #Se indica que se muestren las variables del Indicador por Persona y el año de cada registro

## Parte 4

# Para lograr ordenar el data frame de manera que se identifique a los individuos (con el mismo Conglome y Vivienda) entrevistados en ambos años aplicamos sort_values. 
# El orden de las columnas indican la prioridad. 
# Primero, ordenará según coglomerado; luego, según vivienda y, finalmente, según el año.

df_ = df_duplicados.sort_values (by = ['CONGLOME', 'VIVIENDA', 'year'])
df_

# Parte 5
type(df_['year'])
df_2019 = df_.loc[df_['year'] == '2019']
df_2019
df_2020 = df_.loc[df_['year'] == '2020']
df_2020

df_2019.to_stata('../data/df_2019.dta')
df_2020.to_stata('../data/df_2020.dta')

df_2019.sort_values (by = ['CONGLOME', 'VIVIENDA'])

df_2020.sort_values (by = ['CONGLOME', 'VIVIENDA'])