notebooks/code_CASD/extractions_erfs/statistiques_descriptives_cas_types_dixiemes.ipynb

+%% Cell type:markdown id: tags:
+
+Ce script tourne avec le kernel jupyter leximpact2024 issu de l'environnement conda leximpa construit à partir des dépendances de leximpact-prepare-data
+
+%% Cell type:code id: tags:
+
+``` python
+import pandas as pd
+import numpy as np
+from openfisca_survey_manager.statshelpers import mark_weighted_percentiles
+import plotly.graph_objects as go
+import plotly.express as px
+from plotly.subplots import make_subplots
+```
+
+%% Cell type:code id: tags:
+
+``` python
+path_erfs_brut = "//casd.fr/casdfs/Projets/LEXIMPA/Data/ERFS_ERFS_2021"
+output_path = "C:/Users/Public/Documents/TRAVAIL/code_cas_type_ERFS_2021/sorties"
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages = pd.read_parquet(f"{path_erfs_brut}/menage21_aus.parquet")
+print(f"nb menages avant selection : {len(menages)}")
+print(f"poids menages avant selection : {round(menages.wprm.sum())}")
+menages = menages.loc[menages['champm'] == 1 ].loc[menages["nivviem"] > 0].sort_values("nivviem").reset_index()
+print(f"nb menages après selection : {len(menages)}")
+print(f"poids menages après selection : {round(menages.wprm.sum())}")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+individus = pd.read_parquet(f"{path_erfs_brut}/indivi21_aus.parquet")
+print(f"nb individus avant selection : {len(individus)}")
+print(f"poids individus avant selection : {round(individus.wprm.sum())}")
+individus = individus.loc[individus['ident21'].isin(set(menages.ident21.unique().tolist()))].sort_values("nivviem").reset_index()
+print(f"nb individus après selection : {len(individus)}")
+print(f"poids individus après selection : {round(individus.wprm.sum())}")
+individus["rev_activite_decl"] = individus.zindi + individus.zsali
+individus.rename(columns = {"zchoi":"chomage_decl","zperi":"pensions_decl"}, inplace = True)
+```
+
+%% Cell type:code id: tags:
+
+``` python
+# individus.groupby("ident21").agg({'noindiv':'count',
+#                                   'wprm':'min'}).groupby('noindiv').agg({"wprm":"sum"})
+```
+
+%% Cell type:markdown id: tags:
+
+### Type de ménage
+
+- 1: personne seule
+- 2: famille monoparentale
+- 3: couple sans enfant
+- 4: couple avec enfant
+- 5: autre
+
+%% Cell type:code id: tags:
+
+``` python
+personne_reference = individus.loc[individus["noi"] == "01"][["ident21", "TYPMEN5","ETAMATRI_Y_comp","NBENFMENCHAMP","rev_activite_decl", "chomage_decl", "pensions_decl"]]
+personne_reference.TYPMEN5.isna().sum()
+personne_reference.groupby("TYPMEN5").agg({'ident21':'count'})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+conjoint = individus.loc[individus["noi"] == "02"][["ident21", "rev_activite_decl", "chomage_decl", "pensions_decl"]].rename(columns = {"rev_activite_decl":"rev_activite_conj","chomage_decl":"chomage_conj","pensions_decl":"pensions_conj"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages = pd.merge(menages,personne_reference, how='outer', on='ident21')
+menages = pd.merge(menages,conjoint, how='outer', on='ident21')
+menages.TYPMEN5.isna().sum()
+menages["TYPMEN5"] = np.where(menages.TYPMEN5.isna(),"5",menages["TYPMEN5"])
+```
+
+%% Cell type:code id: tags:
+
+``` python
+for conj_col in ["rev_activite_decl", "chomage_decl", "pensions_decl","rev_activite_conj", "chomage_conj", "pensions_conj"]:
+    menages[conj_col] = menages[conj_col].fillna(0)
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages["acteu5pr_lab"] = menages.acteu5pr.map({"1":"salarié", "2":"indépendant","3":"chomeur","4":"retraité","5":"inactif autre"})
+menages["acteu5cj_lab"] = menages.acteu5cj.map({"1":"salarié", "2":"indépendant","3":"chomeur","4":"retraité","5":"inactif autre"})
+menages["TYPMEN5_lab"] = menages.TYPMEN5.map({"1":"personne seule", "2":"famille monoparentale","3":"couple sans enfant","4":"couple avec enfant(s)","5":"autre / n.a"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+ret, quant = mark_weighted_percentiles(a = menages['nivviem'], labels = np.arange(1, 11), weights = menages['wprm'], method = 2, return_quantiles = True)
+menages["dixieme"] = ret
+```
+
+%% Cell type:code id: tags:
+
+``` python
+quant
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages.groupby("dixieme").agg({"nivviem": "min"})
+# Les résultats sont cohérants avec la distribution publiée par l'INSEE en date du 14/11/2023 "Distribution des niveaux de vie, données annuelles de 1996 à 2021"
+# --> Prendre les résutlats de cette publication pour les dixièmes de cas types dans l'interface
+```
+
+%% Cell type:markdown id: tags:
+
+## nombre d'enfants dans le ménage
+
+%% Cell type:code id: tags:
+
+``` python
+menages['categ_nbenfc'] = np.where(menages["NBENFMENCHAMP"] > 3,3,menages["NBENFMENCHAMP"])
+menages['categ_nbenfc'] = menages.categ_nbenfc.map({0.0:"Pas d'enfant", 1.0:"1 enfant",2.0:"2 enfants",3.0:"3 enfants et plus"})
+nb_enfc = menages.groupby(["dixieme", "categ_nbenfc"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_enfc["prop"] = round(100 * nb_enfc.wprm /nb_enfc.groupby("dixieme")['wprm'].transform("sum"))
+nb_enfc["distrib"] = round(100 * nb_enfc.wprm /nb_enfc.groupby("categ_nbenfc")['wprm'].transform("sum"))
+nb_enfc.rename(columns={"ident21":"count"},inplace = True)
+nb_enfc.to_csv(f"{output_path}/nb_encf.csv")
+print("Nombre de ménages selon le nombre d'enfants dans le ménage : ")
+nb_enfc.groupby("categ_nbenfc")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_enfc,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "categ_nbenfc",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction du nombre d'enfants dans ménage par dixieme de niveau de vie", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb_enfc,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "categ_nbenfc",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du nombre d'enfants")
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+## nombre de parents / couple
+
+%% Cell type:code id: tags:
+
+``` python
+nb_typmen = menages.groupby(["dixieme", "TYPMEN5_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_typmen["prop"] = round(100 * nb_typmen.wprm /nb_typmen.groupby("dixieme")['wprm'].transform("sum"))
+nb_typmen["distrib"] = round(100 * nb_typmen.wprm /nb_typmen.groupby("TYPMEN5_lab")['wprm'].transform("sum"))
+nb_typmen.rename(columns={"ident21":"count"},inplace = True)
+nb_typmen.to_csv(f"{output_path}/nb_typmen.csv")
+nb_typmen.groupby("TYPMEN5_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_typmen,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "TYPMEN5_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction du type de ménage par dixieme de niveau de vie", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb_typmen,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "TYPMEN5_lab",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction de leur type")
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+### focus sur le nombre d'enfants en fonction de en couple / familles monoparentales
+
+%% Cell type:code id: tags:
+
+``` python
+nb_enfc_couple = menages.loc[menages["categ_nbenfc"] != "Pas d'enfant"].groupby(["dixieme", "TYPMEN5", "TYPMEN5_lab", "categ_nbenfc"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_enfc_couple.rename(columns = {"ident21":"count"},inplace = True)
+nb_enfc_couple["prop"] = round(100 * nb_enfc_couple.wprm /nb_enfc_couple.groupby(["dixieme","TYPMEN5","TYPMEN5_lab"])['wprm'].transform("sum"))
+nb_enfc_couple["distrib"] = round(100 * nb_enfc_couple.wprm /nb_enfc_couple.groupby(["categ_nbenfc", "TYPMEN5","TYPMEN5_lab"])['wprm'].transform("sum"))
+nb_enfc_couple["somme_categ_parents"] = nb_enfc_couple.groupby(["categ_nbenfc", "TYPMEN5","TYPMEN5_lab"])['wprm'].transform("sum")
+nb_enfc_couple["wprm"] = np.where((nb_enfc_couple.categ_nbenfc != "1 enfant") & (nb_enfc_couple.dixieme >= 6), np.nan, nb_enfc_couple["wprm"])
+nb_enfc_couple = nb_enfc_couple.loc[nb_enfc_couple.wprm.isna() == False]
+nb_enfc_couple.to_csv(f"{output_path}/nb_enfc_couple.csv")
+nb_enfc_couple.groupby("categ_nbenfc")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+data_fig = nb_enfc_couple[["categ_nbenfc", "somme_categ_parents","TYPMEN5","TYPMEN5_lab"]].drop_duplicates()
+fig = make_subplots(
+    rows = 1,
+    cols = 2,
+    specs=[
+        [{"type":"domain"},{"type":"domain"}]
+    ],
+    subplot_titles= [f"Familles monoparentales : {round(data_fig.loc[nb_enfc_couple['TYPMEN5'] == '2'].somme_categ_parents.sum()/1e6, ndigits = 2)} millions de ménages", f"Couples  : {round(data_fig.loc[nb_enfc_couple['TYPMEN5'] == '4'].somme_categ_parents.sum()/1e6, ndigits = 2)} millions de ménages"]
+)
+
+fig.add_trace(
+    go.Pie(
+        labels = data_fig.loc[data_fig["TYPMEN5"] == "2"].categ_nbenfc,
+        values = data_fig.loc[data_fig["TYPMEN5"] == "2"].somme_categ_parents,
+        scalegroup="one",
+        name = "Famille monoparentale"
+    ),
+    1,
+    1
+)
+
+fig.add_trace(
+    go.Pie(
+        labels = data_fig.loc[data_fig["TYPMEN5"]  == "4"].categ_nbenfc,
+        values = data_fig.loc[data_fig["TYPMEN5"] == "4"].somme_categ_parents,
+        scalegroup="one",
+        name = "Couple"
+    ),
+    1,
+    2
+)
+fig.update_layout(legend = dict(title = "Nombre d'enfants"))
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_enfc_couple,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "categ_nbenfc",
+             text_auto = True,
+             nbins = 10,
+             facet_col = "TYPMEN5_lab"
+            )
+fig.update_layout(title = "Part des menages en fonction du nombre d'enfants à charge par dixieme de niveau de vie, à gauche les familles monoparentales, à droite les couples", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb_enfc_couple,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "categ_nbenfc",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   facet_col = "TYPMEN5_lab"
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du nombre d'enfants, à gauche les familles monoparentales, à droite les couples")
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+### statut marital des couples
+
+- 1: Marié.e
+- 2: Pacsé.e
+- 3: union libre
+- 4: veuf.ve
+- 5: divorcé.e
+- 6: dépacsé.e
+- 7: séparé.e
+- 8: célibataire
+- 9: non répose
+
+%% Cell type:code id: tags:
+
+``` python
+menages['categ_etamatri'] = menages.ETAMATRI_Y_comp.map({"1":"Marié/Pacsé","2":"Marié/Pacsé","3":"Union libre","4":"Célibataire","5":"Célibataire","6":"Célibataire","7":"Célibataire","8":"Célibataire","9":"n.a"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb_enfc_couple = menages.groupby(["dixieme", "TYPMEN5", "categ_etamatri"]).agg({"wprm":"sum"}).reset_index()
+nb_enfc_couple["prop"] = round(100 * nb_enfc_couple.wprm /nb_enfc_couple.groupby(["dixieme","TYPMEN5"])['wprm'].transform("sum"))
+nb_enfc_couple["distrib"] = round(100 * nb_enfc_couple.wprm /nb_enfc_couple.groupby(["categ_etamatri", "TYPMEN5"])['wprm'].transform("sum"))
+nb_enfc_couple.groupby("categ_etamatri")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_enfc_couple,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "categ_etamatri",
+             text_auto = True,
+             nbins = 10,
+             facet_col = "TYPMEN5"
+            )
+fig.update_layout(title = "Part des menages en fonction du nombre d'enfants à charge par dixieme de niveau de vie, à gauche les familles monoparentales, à droite les couples", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb_enfc_couple,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "categ_etamatri",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   facet_col = "TYPMEN5"
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du nombre d'enfants, à gauche les familles monoparentales, à droite les couples")
+fig.show()
+
+# - 1: Marié.e
+# - 2: Pacsé.e
+# - 3: union libre
+# - 4: veuf.ve
+# - 5: divorcé.e
+# - 6: dépacsé.e
+# - 7: séparé.e
+# - 8: célibataire
+# - 9: non répose
+```
+
+%% Cell type:markdown id: tags:
+
+## Statuts d'activité de la personne de référence et du conjoint
+
+- 1: salarié
+- 2: indépendant
+- 3: chômeur
+- 4: retraité
+- 5: inactif non retraité
+
+%% Cell type:code id: tags:
+
+``` python
+print(f"Nombre de na pour le conjoint : {menages.acteu5cj.isna().sum()}")
+menages.groupby("acteu5cj_lab").agg({"wprm":"count"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages.loc[menages.acteu5cj.isna()].groupby("TYPMEN5_lab").agg({"wprm": "sum"}) # que 300 "anomalie" de couple où pas de conjoint retrouvé
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages.loc[menages.acteu5cj.isna() == False].groupby("TYPMEN5_lab").agg({"wprm": "sum"}) # plus d'anomalie
+```
+
+%% Cell type:code id: tags:
+
+``` python
+print(f"Nombre de na pour la personne de référence : {menages.acteu5pr.isna().sum()}")
+menages.groupby("acteu5pr_lab").agg({"wprm":"count"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb = menages.groupby(["dixieme", "acteu5pr_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb["prop"] = round(100 * nb.wprm /nb.groupby("dixieme")['wprm'].transform("sum"))
+nb["distrib"] = round(100 * nb.wprm /nb.groupby("acteu5pr_lab")['wprm'].transform("sum"))
+nb.to_csv(f"{output_path}/nb_acteu5pr.csv")
+nb.groupby("acteu5pr_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "acteu5pr_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction du statut d'activité de la personne de référence par dixieme de niveau de vie", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "acteu5pr_lab",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du statut d'activité de la personne de référence")
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb = menages.loc[menages["TYPMEN5"] != "1"].loc[menages["TYPMEN5"] != "2"].loc[menages["TYPMEN5"] != "5"].groupby(["dixieme", "acteu5cj_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb["prop"] = round(100 * nb.wprm /nb.groupby("dixieme")['wprm'].transform("sum"))
+nb["distrib"] = round(100 * nb.wprm /nb.groupby("acteu5cj_lab")['wprm'].transform("sum"))
+nb.to_csv(f"{output_path}/nb_acteu5cj.csv")
+nb.groupby("acteu5cj_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+#new_name = {"1":"salarié.e", "2":"indépendant.e","3":"chomeureuse","4":"retraité","5":"inactif.ve autre"}
+fig = go.Figure()
+fig = px.histogram(nb,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "acteu5cj_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction du statut d'activité du conjoint par dixieme de niveau de vie", bargap = 0.2)
+#fig.for_each_trace(lambda t: t.update(name = new_name[t.name]))
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "acteu5cj_lab",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du statut d'activité du conjoint")
+#fig.for_each_trace(lambda t: t.update(name = new_name[t.name]))
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb = menages.loc[menages["TYPMEN5"] != "1"].loc[menages["TYPMEN5"] != "2"].loc[menages["TYPMEN5"] != "5"].groupby(["dixieme", "acteu5pr", "acteu5cj"]).agg({"wprm":"sum"}).reset_index()
+nb["prop"] = round(100 * nb.wprm /nb.groupby(["dixieme","acteu5pr"])['wprm'].transform("sum"))
+nb["distrib"] = round(100 * nb.wprm /nb.groupby(["acteu5cj", "acteu5pr"])['wprm'].transform("sum"))
+nb.groupby("acteu5cj")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = make_subplots(
+    rows = 3,
+    cols = 2,
+    specs=[
+        [{"type":"domain"},{"type":"domain"}],
+        [{"type":"domain"},{"type":"domain"}],
+        [{"type":"domain"},{"type":"domain"}]
+    ],
+    horizontal_spacing=0,
+    vertical_spacing=0
+    #subplot_titles= [f"Familles monoparentales : {round(nb_enfc_couple.loc[nb_enfc_couple['TYPMEN5'] == '2'].wprm.sum()/1e6, ndigits = 2)} millions de ménages", f"Couples  : {round(nb_enfc_couple.loc[nb_enfc_couple['TYPMEN5'] == '4'].wprm.sum()/1e6, ndigits = 2)} millions de ménages"]
+)
+
+fig.add_trace(
+    go.Pie(
+        labels = nb.loc[nb["acteu5pr"] == "1"].acteu5cj,
+        values = nb.loc[nb["acteu5pr"] == "1"].wprm,
+        scalegroup="one",
+        name = "Salarié"
+    ),
+    1,
+    1
+)
+
+fig.add_trace(
+    go.Pie(
+        labels = nb.loc[nb["acteu5pr"] == "2"].acteu5cj,
+        values = nb.loc[nb["acteu5pr"] == "2"].wprm,
+        scalegroup="one",
+        name = "Indépendant.e"
+    ),
+    1,
+    2
+)
+fig.add_trace(
+    go.Pie(
+        labels = nb.loc[nb["acteu5pr"] == "3"].acteu5cj,
+        values = nb.loc[nb["acteu5pr"] == "3"].wprm,
+        scalegroup="one",
+        name = "Chomeureuse"
+    ),
+    2,
+    1
+)
+fig.add_trace(
+    go.Pie(
+        labels = nb.loc[nb["acteu5pr"] == "4"].acteu5cj,
+        values = nb.loc[nb["acteu5pr"] == "4"].wprm,
+        scalegroup="one",
+        name = "Retraité.e"
+    ),
+    2,
+    2
+)
+fig.add_trace(
+    go.Pie(
+        labels = nb.loc[nb["acteu5pr"] == "5"].acteu5cj,
+        values = nb.loc[nb["acteu5pr"] == "5"].wprm,
+        scalegroup="one",
+        name = "Inactif.ve autre"
+    ),
+    3,
+    1
+)
+fig.update_layout(legend = dict(title = "Statut d'activité",x= 0.75,y=0.005), margin = dict(l=10,r=10,b=0,t=0))
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "acteu5cj",
+             text_auto = True,
+             nbins = 10,
+             facet_col = "acteu5pr"
+            )
+fig.update_layout(title = "Part des menages en fonction du nombre d'enfants à charge par dixieme de niveau de vie, à gauche les familles monoparentales, à droite les couples", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "acteu5cj",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10,
+                   facet_col = "acteu5pr"
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction du nombre d'enfants, à gauche les familles monoparentales, à droite les couples")
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+## statut d'occupation du logement
+- 1 accédant à la propriété
+- 2 propriétaire
+- 3 locataire HLM
+- 4 locataire vide
+- 5 locataire meublé
+- 6 logé gratuitement
+- 7 usufruitier
+- 9 non réponse
+
+%% Cell type:code id: tags:
+
+``` python
+menages.groupby("logT")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages['categ_logmnt'] = np.where(menages["logT"] == "5","4",menages["logT"])
+menages['categ_logmnt'] = np.where(menages["logT"] == "9","6", menages["categ_logmnt"])
+menages['categ_logmnt'] = np.where(menages["logT"] == "1","2", menages["categ_logmnt"])
+menages['categ_logmnt_lab'] = menages.categ_logmnt.map({"2":"Propriétaire","3":"Locataire HLM","4":"Locataire privé","6":"Autre"})
+nb_logtm = menages.groupby(["dixieme", "categ_logmnt_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_logtm["prop"] = round(100 * nb_logtm.wprm /nb_logtm.groupby("dixieme")['wprm'].transform("sum"))
+nb_logtm["distrib"] = round(100 * nb_logtm.wprm /nb_logtm.groupby("categ_logmnt_lab")['wprm'].transform("sum"))
+nb_logtm.rename(columns = {"ident21":"count"},inplace = True)
+nb_logtm.to_csv(f"{output_path}/nb_logtm.csv")
+nb_logtm.groupby("categ_logmnt_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+#new_name = {"2":"Propriétaire","3":"Locataire HLM","4":"Locataire privé","6":"Autre"}
+fig = go.Figure()
+fig = px.histogram(nb_logtm,
+             x = "dixieme",
+             y = "prop",
+             #barmode="group",
+             color = "categ_logmnt_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction de leur statut d'occupation du logement", bargap = 0.2)
+#fig.for_each_trace(lambda t: t.update(name = new_name[t.name]))
+fig.show()
+fig = go.Figure()
+fig = px.histogram(nb_logtm,
+                   x = "dixieme",
+                   y = "distrib",
+                   color = "categ_logmnt_lab",
+                   barmode = "group",
+                   text_auto = True,
+                   nbins= 10
+                   )
+fig.update_layout(title = "Distribution des ménages en fonction de leur statut d'occupation du logement")
+#fig.for_each_trace(lambda t: t.update(name = new_name[t.name]))
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+### Part des propriétaires en fonction du statut d'occupation du type de ménage
+
+%% Cell type:code id: tags:
+
+``` python
+nb_logtm = menages.groupby(["dixieme", "categ_logmnt_lab", "TYPMEN5_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_logtm["prop"] = round(100 * nb_logtm.wprm /nb_logtm.groupby(["dixieme", "TYPMEN5_lab"])['wprm'].transform("sum"))
+#nb_logtm["distrib"] = round(100 * nb_logtm.wprm /nb_logtm.groupby("categ_logmnt_lab")['wprm'].transform("sum"))
+nb_logtm.rename(columns = {"ident21":"count"},inplace = True)
+nb_logtm = nb_logtm.loc[nb_logtm["categ_logmnt_lab"] == "Propriétaire"]
+nb_logtm = nb_logtm.loc[nb_logtm["TYPMEN5_lab"] != "autre / n.a"]
+nb_logtm.to_csv(f"{output_path}/nb_logtm_typmen.csv")
+#nb_logtm.groupby("categ_logmnt_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_logtm,
+             x = "dixieme",
+             y = "prop",
+             barmode="group",
+             color = "TYPMEN5_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des menages en fonction de leur statut d'occupation du logement", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb_logtm = menages.groupby(["dixieme", "categ_logmnt_lab", "acteu5pr_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+nb_logtm["prop"] = round(100 * nb_logtm.wprm /nb_logtm.groupby(["dixieme", "acteu5pr_lab"])['wprm'].transform("sum"))
+#nb_logtm["distrib"] = round(100 * nb_logtm.wprm /nb_logtm.groupby("categ_logmnt_lab")['wprm'].transform("sum"))
+nb_logtm.rename(columns = {"ident21":"count"},inplace = True)
+nb_logtm = nb_logtm.loc[nb_logtm["categ_logmnt_lab"] == "Propriétaire"]
+nb_logtm.to_csv(f"{output_path}/nb_logtm_acteu5pr.csv")
+#nb_logtm.groupby("categ_logmnt_lab")['wprm'].agg("sum")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig = px.histogram(nb_logtm,
+             x = "dixieme",
+             y = "prop",
+             barmode="group",
+             color = "acteu5pr_lab",
+             text_auto = True,
+             nbins = 10
+            )
+fig.update_layout(title = "Part des propriétaires en fonction du statut d'activité de la personne de référence", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+## Revenus déclarés
+
+%% Cell type:markdown id: tags:
+
+revdispm =
+
++ revperm (revdecm (ztsam (zsalm + zchom) + zperm (zrstm + zpim + zrtom + zalrm) + zragm + zricm + zrncm + zfonm + zvamm + zvalm + zracm + zetrm -zalvm) + revexom + produitfin - csgim (csgsalim + csghsupim + csgchoim + csgrstim + csgragim + csgricim + csgrncim + csgpiim) - crdsm ( crdssalm + crdshsupm + crdschom + crdsrstm + crdsragm + crdsricm + crdsrncm + crdspim) - csgimpm (produits financiers imputés) - csgvalm (csg crds valeurs mobilières) - zimpvalm (prélèvement libératoire sur valeur mobilière du ménage))
++ psocm (pfamm + mibim + logtm)
+- zimpom (impot sur le revenu)
+- zthabm
+- csgpatm (csg-crds sur revenus du patrimoine)
+
+%% Cell type:markdown id: tags:
+
+prelevements = zimpom + zthabm + csgpatm + zimpvalm + csgvalm + csgimpm + crdsm + csgim
+
+prestations = pfamm + minim + logtm
+
+revenus = revenus_activite + revenus_remplacement + revenus_foncier_capital
+
+revenus_activite =  zsalm + revexom + zragm + zricm + zrncm + zracm - zalvm + zetrm
+revenus_remplacement = zchom + zrstm + zpim + zrtom + zalrm
+revenus_foncier_capital = zfonm + zvamm + zvalm + produitfin
+
+%% Cell type:code id: tags:
+
+``` python
+menages["prelevements"] = menages.zimpom + menages.zthabm + menages.csgpatm + menages.zimpvalm + menages.csgvalm + menages.csgimpm + menages.crdsm + menages.csgim
+menages["impots"] = menages.zimpom + menages.zthabm + menages.zimpvalm
+# prelevements = impots + csg imposable + crds
+menages.rename(columns = {"psocm":"prestations"},inplace = True)
+menages["revenus_activite"] = menages.zsalm + menages.revexom + menages.zragm + menages.zricm + menages.zrncm + menages.zracm - menages.zalvm + menages.zetrm
+# traitement et salaires hors chomage, revenus exonérés (primes / heures sup.) + revenus des indépendants + revenus étrangers - pensions alimentaires versées
+menages["revenus_remplacement"] = menages.zchom + menages.zrstm + menages.zpim + menages.zrtom + menages.zalrm
+# chomage + retraite + pension invalidite + rente viagière à titre onéreux + pension alimentaire recue
+menages["revenus_foncier_capital"] = menages.zfonm + menages.zvamm + menages.zvalm + menages.produitfin
+menages["revenus"] = menages["revenus_activite"] + menages["revenus_remplacement"] + menages["revenus_foncier_capital"]
+menages["diff"] = menages["revdispm"] - (menages["revenus"] - menages["prelevements"] + menages["prestations"])
+```
+
+%% Cell type:code id: tags:
+
+``` python
+sum(abs(menages["diff"]) > 1)
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages["revdecm_net"] = menages["revdecm"] - menages["csgdm"]
+# revenus = [
+#     "ztsam", # zchom + zsalm
+#     "zchom",
+#     "zsalm",
+#     "zperm",
+#     "zalrm", # pensions alim recues, dans zalrm
+#     "zragm",
+#     "zricm",
+#     "zrncm",
+#     "zfonm",
+#     "zvamm",
+#     "zvalm",
+#     "zracm",
+#     "zetrm",
+#     "zalvm",
+# ]
+
+revenus = [
+    "revenus_activite",
+    "revenus_remplacement",
+    "revenus_foncier_capital"
+]
+
+prelevements = ["prelevements", "impots"]
+
+rev_tot = [
+    "revdecm",
+    "revdecm_net",
+    "revdispm",
+    "revenus",
+    "prestations"]
+for rev in revenus + rev_tot + prelevements:
+    menages[f"{rev}_pond"] = menages[rev].fillna(0) * menages.wprm
+    menages[f"{rev}_uc_pond"] = menages[rev].fillna(0) / menages["nb_UCI"].fillna(1) * menages.wprm
+
+agg = {f"{rev}_pond":"sum" for rev in revenus + rev_tot + prelevements}
+agg.update({"wprm":"sum","ident21":"count"})
+agg.update({f"{rev}_uc_pond":"sum" for rev in revenus + rev_tot + prelevements})
+menages["revenus_individus"] = (np.maximum(0,menages["rev_activite_conj"]) + menages["chomage_conj"] + menages["pensions_conj"] + np.maximum(0,menages["rev_activite_decl"]) + menages["chomage_decl"] + menages["pensions_decl"])
+menages["part_rev_decl"] = np.where(menages["revenus_individus"] > 0, np.maximum(0,menages["rev_activite_decl"]) + menages["chomage_decl"] + menages["pensions_decl"] / menages["revenus_individus"],0)
+menages["prestations_positives"] = (menages["prestations"] > 0) * menages["wprm"]
+menages["revenus_positifs"] = (menages["revenus"] > 0) * menages["wprm"]
+menages["revenus_act_positifs"] = (menages["revenus_activite"] > 0) * menages["wprm"]
+menages["revenus_remp_positifs"] = (menages["revenus_remplacement"] > 0) * menages["wprm"]
+menages["revenus_fon_cap_positifs"] = (menages["revenus_foncier_capital"] > 0) * menages["wprm"]
+menages["impot_negatif"] = (menages["impots"] > 0) * menages["wprm"]# si impot positif alors le menage paie de l'impot
+menages["ni_impot_ni_presta"] =(menages["prestations"] == 0) * (menages["impots"] == 0) * menages["wprm"]
+agg.update({"impot_negatif":"sum","revenus_positifs":"sum","revenus_act_positifs":"sum","revenus_remp_positifs":"sum","revenus_fon_cap_positifs":"sum","prestations_positives":"sum","ni_impot_ni_presta":"sum"})
+```
+
+%% Cell type:code id: tags:
+
+``` python
+# agg = {f"{rev}":"max" for rev in revenus + rev_tot + prelevements}
+# nb_max = menages.groupby(["dixieme"]).agg(agg).reset_index()
+# nb_max.rename(columns = {rev:f"{rev}_max" for rev in nb_max.columns if rev != "dixieme"}, inplace = True)
+# agg = {f"{rev}":"sum" for rev in revenus + rev_tot + prelevements}
+# nb = menages.groupby(["dixieme"]).agg(agg).reset_index()
+# nb = pd.merge(nb_max,nb,on = "dixieme")
+# for rev in revenus + rev_tot + prelevements:
+#     nb[f"{rev}_part_max"] = nb[f"{rev}_max"] / nb[f"{rev}"]
+# nb.to_csv(f"{output_path}/check_part_max_nb_revenus.csv")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+nb = menages.groupby(["dixieme"]).agg(agg).reset_index()
+nb.to_csv(f"{output_path}/nb_revenus.csv")
+for rev in revenus + rev_tot + prelevements:
+    nb[f"{rev}_prop"] = nb[f"{rev}_pond"] / nb["revenus_pond"]
+    nb[f"{rev}_moy"] = nb[f"{rev}_pond"] / nb["wprm"]
+    nb[f"{rev}_uc_prop"] = nb[f"{rev}_uc_pond"] / nb["revenus_uc_pond"]
+    nb[f"{rev}_uc_moy"] = nb[f"{rev}_uc_pond"] / nb["wprm"]
+nb["prestations_positives_prop"] = nb["prestations_positives"] / nb["wprm"]
+nb["revenus_positifs_prop"] = nb["revenus_positifs"] / nb["wprm"]
+nb["revenus_act_positifs_prop"] = nb["revenus_act_positifs"] / nb["wprm"]
+nb["revenus_remp_positifs_prop"] = nb["revenus_remp_positifs"] / nb["wprm"]
+nb["revenus_fon_cap_positifs_prop"] = nb["revenus_fon_cap_positifs"] / nb["wprm"]
+nb["impot_negatif_prop"] = nb["impot_negatif"] / nb["wprm"]
+nb["ni_impot_ni_presta_prop"] = nb["ni_impot_ni_presta"] / nb["wprm"]
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+fig.add_trace(
+    go.Line(
+        x = nb.dixieme,
+        y = nb["revdecm_uc_moy"],
+        name = "revdecm_uc_moy",
+    )
+)
+fig.add_trace(
+    go.Line(
+        x = nb.dixieme,
+        y = nb["revdispm_uc_moy"],
+        name = "revdispm_uc_moy",
+    )
+)
+#fig.update_layout(title = "Part des menages en fonction de leur statut d'occupation du logement", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+for rev in revenus:
+    fig.add_trace(
+        go.Bar(
+            x = nb.dixieme,
+            y = nb[f"{rev}_prop"],
+            name = rev,
+    )
+)
+fig.update_layout(title = "Part des différentes catégories de revenus par dixième de niveau de vie", bargap = 0.2)
+fig.show()
+fig = go.Figure()
+for rev in revenus:
+    fig.add_trace(
+        go.Bar(
+            x = nb.dixieme,
+            y = nb[f"{rev}_uc_prop"],
+            name = rev,
+    )
+)
+fig.update_layout(title = "Part des différentes catégories de revenus par uc par dixième de niveau de vie", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+for rev in ["prestations_positives_prop", "impot_negatif_prop", "ni_impot_ni_presta_prop","revenus_positifs_prop","revenus_act_positifs_prop","revenus_remp_positifs_prop","revenus_fon_cap_positifs_prop"]:
+    fig.add_trace(
+        go.Bar(
+            x = nb.dixieme,
+            y = nb[f"{rev}"],
+            name = rev,
+    )
+)
+fig.update_layout(title = "Part des personnes payant des impots, recevant des prestations sociales ou aucun des deux par dixième de niveau de vie", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+#for rev in ["prestations_positives_prop", "impot_negatif_prop", "ni_impot_ni_presta_prop"]:
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["prestations_uc_pond"] / nb["prestations_positives"],
+        name = "Montant moyen de prestation",
+    )
+)
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["impots_uc_pond"] / nb["impot_negatif"],
+        name = "Montant moyen d'impot",
+    )
+)
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["revenus_activite_uc_pond"] / nb["revenus_act_positifs"],
+        name = "Montant moyen de revenus d'activité",
+    )
+)
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["revenus_remplacement_uc_pond"] / nb["revenus_remp_positifs"],
+        name = "Montant moyen de revenus de remplacement",
+    )
+)
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["revenus_foncier_capital_uc_pond"] / nb["revenus_fon_cap_positifs"],
+        name = "Montant moyen de revenus fonciers et du capital",
+    )
+)
+fig.add_trace(
+    go.Bar(
+        x = nb.dixieme,
+        y = nb["revenus_uc_pond"] / nb["revenus_positifs"],
+        name = "Montant moyen de revenus",
+    )
+)
+fig.update_layout(title = "Part des personnes payant des impots, recevant des prestations sociales ou aucun des deux par dixième de niveau de vie", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+fig = go.Figure()
+for rev in ["revenus","prestations","revenus_activite","revenus_remplacement"]:
+    fig.add_trace(
+        go.Bar(
+            x = nb.dixieme,
+            y = nb[f"{rev}_uc_moy"],
+            name = rev,
+    )
+)
+fig.update_layout(title = "Montants moyens de revenus imposables et de prestations par dixième de niveau de vie", bargap = 0.2)
+fig.show()
+```
+
+%% Cell type:markdown id: tags:
+
+# Analyse par dixième
+
+%% Cell type:code id: tags:
+
+``` python
+menages["acteu5pr"] = menages.acteu5pr.map({"1":"1", "2":"1","3":"2","4":"3","5":"2"})
+menages["acteu5cj"] = menages.acteu5cj.map({"1":"1", "2":"1","3":"2","4":"3","5":"2"})
+menages["acteu5pr_lab"] = menages.acteu5pr.map({"1":"en emploi", "2":"sans emploi","3":"retraité"})
+menages["acteu5cj_lab"] = menages.acteu5cj.map({"1":"en emploi", "2":"sans emploi","3":"retraité"})
+menages["categ_logmnt_lab"] = np.where(menages["categ_logmnt_lab"]  == "Autre", 'Propriétaire',menages["categ_logmnt_lab"])
+```
+
+%% Cell type:code id: tags:
+
+``` python
+test = menages.groupby(["dixieme","TYPMEN5_lab","acteu5pr_lab"]).agg({"revenus_uc_pond":"sum","wprm":"sum","ident21":"count"}).reset_index().sort_values(["dixieme","TYPMEN5_lab", "wprm"])
+test_check = menages.groupby(["dixieme","TYPMEN5_lab","acteu5pr_lab"]).agg({"revenus_uc_pond":"max"}).reset_index()
+test_check.rename(columns = {"revenus_uc_pond":"revenus_uc_max"}, inplace = True)
+test = pd.merge(test_check,test, on = ["dixieme","TYPMEN5_lab","acteu5pr_lab"])
+test["check_poids_max"] = test["revenus_uc_max"] / test["revenus_uc_pond"]
+test["revenus_uc_moy"] = test.revenus_uc_pond / test.wprm
+test = test.loc[test["TYPMEN5_lab"]!= "autre / n.a"]
+test.rename(columns = {'ident21':'count'},inplace = True)
+test = test.loc[test["wprm"] > 200000]
+test.to_csv(f"{output_path}/check_cas_majoritaire_dixieme.csv")
+test = test.drop(columns = ["check_poids_max", "revenus_uc_max"])
+test.to_csv(f"{output_path}/cas_majoritaire_dixieme.csv")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+# SMIC net 2021 après csg et crds, source série chornologique INSEE, pour 35h de travail
+smic = 9 * 1230.6 + 3 * 1258.22
+smic
+```
+
+%% Cell type:code id: tags:
+
+``` python
+menages["part_rev_decl_pond"] = menages.part_rev_decl * menages.wprm
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def compute_moy(data, group_var):
+    moy = data.groupby(group_var).agg({"ident21":"count","wprm":"sum","revenus_pond":"sum","prestations_pond":"sum","agprl_pond":"sum","revenus_remplacement_pond":"sum","revenus_activite_pond":"sum","revenus_foncier_capital_pond":"sum","part_rev_decl_pond":"sum"})
+    moy.rename(columns={"ident21":"count"},inplace = True)
+    moy["revenus_moy"] = moy.revenus_pond / moy.wprm
+    moy["revenus_remplacement_moy"] = moy.revenus_remplacement_pond / moy.wprm
+    moy["revenus_activite_moy"] = moy.revenus_activite_pond / moy.wprm
+    moy["revenus_fon_cap_moy"] = moy.revenus_foncier_capital_pond / moy.wprm
+    moy["prestations_moy"] = moy.prestations_pond / moy.wprm
+    moy["age_moy"] = moy.agprl_pond / moy.wprm
+    #moy["part_rev_decl_moy"] = moy.part_rev_decl_pond / moy.wprm
+    moy["rev_pourc_smic"] = moy.revenus_moy / smic
+    moy = moy.drop(["revenus_pond","prestations_pond","agprl_pond","revenus_remplacement_pond","revenus_activite_pond","revenus_foncier_capital_pond","part_rev_decl_pond"], axis = 1)
+    return moy
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def compute_logmnt(data,group_var):
+    nb_logtm = data.groupby([group_var, "categ_logmnt_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+    nb_logtm.rename(columns={"ident21":"count"},inplace = True)
+    nb_logtm["prop"] = round(100 * nb_logtm.wprm /nb_logtm.groupby(group_var)['wprm'].transform("sum"))
+    nb_logtm["distrib"] = round(100 * nb_logtm.wprm /nb_logtm.groupby("categ_logmnt_lab")['wprm'].transform("sum"))
+    nb_logtm.groupby("categ_logmnt_lab")['wprm'].agg("sum")
+    print(nb_logtm)
+    fig = go.Figure()
+    fig = px.histogram(nb_logtm,
+             x = group_var,
+             y = "prop",
+             #barmode="group",
+             color = "categ_logmnt_lab",
+             text_auto = True,
+             nbins = 5
+            )
+    fig.update_layout(title = "Part des menages en fonction de leur statut d'occupation du logement", bargap = 0.2)
+    fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def analyse_personne_seule(data):
+    print("Répartition des statut d'activité de la personne : ")
+    print(100*data.groupby('acteu5pr_lab').agg({"wprm":"sum"})/data.wprm.sum())
+
+    moy = compute_moy(data, "acteu5pr_lab")
+    print("Moyenne des revenus par catégorie d'actitivité : ")
+    print(moy)
+
+    compute_logmnt(data, "acteu5pr_lab")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def compute_statut_couple(data):
+    nb = data.groupby(["acteu5pr_lab", "acteu5cj_lab"]).agg({"wprm":"sum","ident21":"count"}).reset_index()
+    nb.rename(columns = {"ident21":"count"})
+    nb["prop"] = round(100 * nb.wprm /nb.groupby("acteu5pr_lab")['wprm'].transform("sum"))
+    nb["distrib"] = round(100 * nb.wprm /nb.groupby("acteu5cj_lab")['wprm'].transform("sum"))
+    nb.groupby("acteu5cj_lab")['wprm'].agg("sum")
+    print(nb)
+    fig = go.Figure()
+    fig = px.histogram(nb,
+             x = "acteu5pr_lab",
+             y = "prop",
+             #barmode="acteu5cj",
+             color = "acteu5cj_lab",
+             text_auto = True,
+             nbins = 5
+            )
+    fig.update_layout(title = "Part des menages en fonction de leur statut d'activité", bargap = 0.2)
+    fig.show()
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def analyse_couple(data):
+    print("Statut activité adulte 1")
+    print(100*data.groupby('acteu5pr_lab').agg({"wprm":"sum"})/data.wprm.sum())
+    print("Statut activité adulte 2")
+    print(100*data.groupby('acteu5cj_lab').agg({"wprm":"sum"})/data.wprm.sum())
+    compute_statut_couple(data)
+    print("Nombre d'apporteur de ressources du ménage")
+    #temp = data.groupby('nbres').agg({"wprm":"sum","part_rev_decl_pond":"sum"})
+    #temp["part_rev_decl_moy"] = 100*temp.part_rev_decl_pond / temp.wprm
+    temp = data.groupby('nbres').agg({"wprm":"sum"}).reset_index()
+    temp["wprm"] = 100 * temp.wprm/data.wprm.sum()
+    #print(temp[["wprm","part_rev_decl_moy"]])
+    print(temp.loc[temp['nbres'] < 3][["wprm"]])
+    moy = compute_moy(data, "acteu5pr_lab")
+    print("Moyenne des revenus par catégorie d'actitivité de l'adulte 1 : ")
+    print(moy)
+    compute_logmnt(data, "acteu5pr_lab")
+```
+
+%% Cell type:code id: tags:
+
+``` python
+def analyse_quantile(quantile):
+    print(f" \n __________________ QUANTILE {quantile} ____________________")
+
+    print(" \n ***** Personne seule ***** \n")
+    focus_type = focus.loc[focus["TYPMEN5"] == "1"]
+    if quantile >= 5:
+        focus_type = focus_type.loc[focus.acteu5pr != "2"] # on enlève les sans emploi dans le haut de la distribution car pas assez de monde
+    analyse_personne_seule(focus_type)
+    #menages = menages.loc[menages["TYPMEN5"] != "5"]
+    print(" \n ***** Couple sans enfant ***** \n")
+    focus_type = focus.loc[focus["TYPMEN5"] == "3"]
+    analyse_couple(focus_type)
+    print(" \n ***** Couple avec enfant(s) ***** \n")
+    focus_type = focus.loc[focus["TYPMEN5"] == "4"]
+    focus_type['acteu5pr_lab'] = np.where(focus_type['acteu5pr_lab'] == "retraité","sans emploi",focus_type['acteu5pr_lab'])
+    focus_type['acteu5cj_lab'] = np.where(focus_type['acteu5cj_lab'] == "retraité","sans emploi",focus_type['acteu5cj_lab'])
+    analyse_couple(focus_type)
+
+    if quantile < 4:
+        print(" \n ***** Famille monoparentale ***** \n")
+        focus_type = focus.loc[focus["TYPMEN5"] == "2"]
+        focus_type['acteu5pr_lab'] = np.where(focus_type['acteu5pr_lab'] == "retraité","sans emploi",focus_type['acteu5pr_lab'])
+        analyse_personne_seule(focus_type)
+```
+
+%% Cell type:code id: tags:
+
+``` python
+for i in range(1,2):
+     analyse_quantile(i)
+```
+
+%% Cell type:code id: tags:
+
+``` python
+for quantile in range(1,11):
+    analyse_quantile(quantile)
+```