-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathgraficos_eng.py
760 lines (569 loc) · 34.2 KB
/
graficos_eng.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Jun 15 16:30:43 2021
@author: mila
"""
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os as os
import warnings
warnings.filterwarnings("ignore")
datapath = '/home/daniu/Documentos/Mecon/datos/'
figspath = '/home/daniu/Documentos/Mecon/figs/'
tablespath = '/home/daniu/Documentos/Mecon/tablas/'
os.chdir(datapath)
for i in range(11,19):
exec("""Datos1_20{} = pd.read_csv("personas_20{}.csv", sep=';').drop('anio' ,axis='columns')""".format(i,i))
exec("""Datos2_20{} = pd.read_csv("personas_indicadores_genero_20{}.csv", sep=';')""".format(i,i))
# Creo un nuevo df que tenga el porcentaje de publicaciones de mujeres y varones para cada año
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones mujeres (%)',
'Publicaciones hombres (%)',
'Publicaciones mujeres media (per capita)',
'Publicaciones hombres media (per capita)',
'Publicaciones mujeres SD (per capita)',
'Publicaciones hombres SD (per capita)',
'Total publicaciones (N)']
df_publ_por_genero = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total = int(df_clean['produccion_cantidad_articulos_total'].sum())
prod_hombres = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_total'].sum()
cant_hombres = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_total'].count()
prod_mujeres = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_total'].sum()
cant_mujeres = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_total'].count()
std_hombres = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_total'].std()
std_mujeres = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_total'].std()
df_publ_por_genero.iloc[i,0] = prod_mujeres/prod_total * 100
df_publ_por_genero.iloc[i,1] = prod_hombres/prod_total * 100
df_publ_por_genero.iloc[i,2] = prod_mujeres/cant_mujeres
df_publ_por_genero.iloc[i,3] = prod_hombres/cant_hombres
df_publ_por_genero.iloc[i,4] = std_mujeres
df_publ_por_genero.iloc[i,5] = std_hombres
df_publ_por_genero.iloc[i,6] = prod_total
df_publ_por_genero.astype('float').round(2)
#df_publ_por_genero.to_csv(tablespath + 'cantidad_publicaciones_por_genero.csv')
# Creo un nuevo df que tenga el porcentaje de publicaciones de mujeres y varones para cada año considerando las distintas bandas de edades
columnas = ['Publicaciones mujeres (%)',
'Publicaciones hombres (%)',
'Cantidad mujeres (Nm)',
'Cantidad hombres (Nh)',
'Publicaciones mujeres media (per capita)',
'Publicaciones hombres media (per capita)',
'Publicaciones mujeres SD (per capita)',
'Publicaciones hombres SD (per capita)',
'Total publicaciones (N)']
rangos = ['20-30','30-40','40-50','50-60','60+']
index = pd.MultiIndex.from_product([anios, rangos])
edades = [[20,30], [30,40], [40,50], [50,60], [60,1000]]
df_publ_por_genero_edad = pd.DataFrame(index=index, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
itime = anios[i].strftime("%Y-%m-%d")
for j, jedad in enumerate(edades):
prod_total = int(df_clean.loc[(df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]), 'produccion_cantidad_articulos_total'].sum())
p_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].sum()
p_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].sum()
q_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].count()
q_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].count()
std_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].std()
std_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['edad'] >= jedad[0]) & (df_clean['edad'] < jedad[1]),
'produccion_cantidad_articulos_total'].std()
jrango = rangos[j]
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones mujeres (%)'] = p_mujeres/prod_total * 100
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones hombres (%)'] = p_hombres/prod_total * 100
df_publ_por_genero_edad.loc[(itime, jrango), 'Cantidad mujeres (Nm)'] = q_mujeres
df_publ_por_genero_edad.loc[(itime, jrango), 'Cantidad hombres (Nh)'] = q_hombres
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones mujeres media (per capita)'] = p_mujeres/q_mujeres
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones hombres media (per capita)'] = p_hombres/q_hombres
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones mujeres SD (per capita)'] = std_hombres
df_publ_por_genero_edad.loc[(itime, jrango), 'Publicaciones hombres SD (per capita)'] = std_mujeres
df_publ_por_genero_edad.loc[(itime, jrango), 'Total publicaciones (N)'] = prod_total
df_publ_por_genero_edad = df_publ_por_genero_edad.astype('float').round(2)
#df_publ_por_genero_edad.to_csv(tablespath + 'cantidad_publicaciones_por_genero_y_edad.csv')
# Creo un nuevo df que tenga el porcentaje de publicaciones de mujeres y varones para cada año considerando la categoria conicet
categoria = np.arange(1,14,1)
label_categoria = ['Investigador asistente', 'Investigador adjunto',
'Investigador independiente', 'Investigador principal',
'Investigador superior', 'Becario doctoral',
'Becario postdoctoral', 'Personal de apoyo',
'Gestión CyT', 'Pasante', 'Otro personal Conicet',
'Investigador correspondiente', 'Investigador superior emérito']
columnas = ['Publicaciones mujeres (%)',
'Publicaciones hombres (%)',
'Publicaciones mujeres (per capita)',
'Publicaciones hombres (per capita)',
'Publicaciones mujeres SD (per capita)',
'Publicaciones hombres SD (per capita)',
'Total publicaciones (N)',
'Cantidad de mujeres (Nm)',
'Cantidad de hombres (Nh)']
index = pd.MultiIndex.from_product([anios, label_categoria])
df_publ_por_genero_cat_conicet = pd.DataFrame(index=index, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
itime = anios[i].strftime("%Y-%m-%d")
for j, jseniority in enumerate(label_categoria):
prod_total = int(df_clean.loc[df_clean['categoria_conicet_id'] == j+1, 'produccion_cantidad_articulos_total'].sum())
p_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].sum()
p_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].sum()
q_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].count()
q_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].count()
std_hombres = df_clean.loc[(df_clean['sexo_id'] == 2) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].std()
std_mujeres = df_clean.loc[(df_clean['sexo_id'] == 1) & (df_clean['categoria_conicet_id'] == j+1),
'produccion_cantidad_articulos_total'].std()
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones mujeres (%)'] = p_mujeres/prod_total * 100
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones hombres (%)'] = p_hombres/prod_total * 100
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones mujeres (per capita)'] = p_mujeres/q_mujeres
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones hombres (per capita)'] = p_hombres/q_hombres
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones mujeres SD (per capita)'] = std_mujeres
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Publicaciones hombres SD (per capita)'] = std_hombres
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Total publicaciones (N)'] = prod_total
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Cantidad de mujeres (Nm)'] = q_mujeres
df_publ_por_genero_cat_conicet.loc[(itime, jseniority), 'Cantidad de hombres (Nh)'] = q_hombres
df_publ_por_genero_cat_conicet = df_publ_por_genero_cat_conicet.astype('float').round(2)
# df_publ_por_genero_cat_conicet.to_csv(tablespath + 'cantidad_publicaciones_por_genero_y_categoria_conicet.csv')
columnas = ['Cantidad de mujeres (Nm)', 'Cantidad de hombres (Nh)', 'Porcentaje de mujeres (%)', 'Porcentaje de hombres (%)']
df_cantidad_rrhh_categoria = pd.DataFrame(index=label_categoria, columns=columnas)
for j, jseniority in enumerate(label_categoria):
q_mujeres = df_publ_por_genero_cat_conicet.loc[(slice(None),jseniority), 'Cantidad de mujeres (Nm)'].sum()
df_cantidad_rrhh_categoria.iloc[j,0] = q_mujeres
q_hombres = df_publ_por_genero_cat_conicet.loc[(slice(None),jseniority), 'Cantidad de hombres (Nh)'].sum()
df_cantidad_rrhh_categoria.iloc[j,1] = q_hombres
q_tot = q_mujeres + q_hombres
df_cantidad_rrhh_categoria.iloc[j,2] = q_mujeres/q_tot * 100
df_cantidad_rrhh_categoria.iloc[j,3] = q_hombres/q_tot * 100
# plots de verdad
color_h = 'teal'
color_m = 'indigo'
# Figura 0
figname = 'boxplot_cantidad_publicaciones_por_genero'
fontsize = 8
xlabels = ['Mujeres','Hombres']
gm = []
gh = []
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
# plots a la cachurra
df_h = df_clean.loc[df_clean['sexo_id']==2,'produccion_cantidad_articulos_total'].values
df_m = df_clean.loc[df_clean['sexo_id']==1,'produccion_cantidad_articulos_total'].values
gh.append(df_h.tolist())
gm.append(df_m.tolist())
gm = [item for sublist in gm for item in sublist]
gh = [item for sublist in gh for item in sublist]
data = pd.DataFrame(gm, columns=['mujeres'])
data['hombres'] = pd.DataFrame(gh)
tabla = data.describe()
# Figura 1
figname = 'evolucion_cantidad_publicaciones_por_genero_eng'
fontsize = 8
x = np.arange(1, len(df_publ_por_genero)+1)
xlabels = np.arange(2011, 2019)
yh = df_publ_por_genero["Publicaciones hombres media (per capita)"]
ym = df_publ_por_genero["Publicaciones mujeres media (per capita)"]
fig = plt.figure(figsize=(7,4))
ax = plt.axes([0.1, 0.1, 0.85, 0.85])
gm = ax.bar(x-0.2, ym, width=0.4, color=color_m, alpha=.8, label='Women')
gh = ax.bar(x+0.2, yh, width=0.4, color=color_h, alpha=.5, label='Men')
ax.tick_params('both', labelsize=fontsize)
ax.legend(fontsize=fontsize)
ax.grid(axis='y', lw=0.5, linestyle=':', color='dimgrey')
ax.set_xticks(x)
ax.set_xticklabels(xlabels, fontsize=fontsize)
ax.set_yticks([0,1,2,3,4])
ax.set_ylim([0,4])
ax.set_xlabel('Year', fontsize=fontsize)
ax.set_ylabel('Papers per capita', fontsize=fontsize)
tpubl = df_publ_por_genero["Total publicaciones (N)"]
bx = ax.twinx()
bx.plot(x, tpubl, '*-', lw=0.5, color='blue')
bx.tick_params(labelsize=fontsize)
bx.set_ylabel('Total number of papers', fontsize=fontsize, color='blue')
bx.set_ylim([160000, 240000])
bx.tick_params(axis="y", labelcolor="blue")
fig.savefig(figspath + figname + '.png', dpi=300, bbox_inches='tight')
fig.savefig(figspath + figname + '.pdf', bbox_inches='tight')
# Figura 2
figname = 'cantidad_publicaciones_por_genero_y_edad_eng'
fontsize = 8
lista_h_mean = []
lista_h_std = []
lista_m_mean = []
lista_m_std = []
for j, jedad in enumerate(edades):
jrango = rangos[j]
df_temp = df_publ_por_genero_edad.loc[(slice(None),jrango), :]
mean_h = df_temp['Publicaciones hombres media (per capita)'].mean()
std_h = df_temp['Publicaciones hombres media (per capita)'].std()
lista_h_mean.append(mean_h)
lista_h_std.append(std_h)
mean_m = df_temp['Publicaciones mujeres media (per capita)'].mean()
std_m = df_temp['Publicaciones mujeres media (per capita)'].std()
lista_m_mean.append(mean_m)
lista_m_std.append(std_m)
x = np.arange(1, len(lista_h_mean)+1)
xlabels = rangos
yh = lista_h_mean
ym = lista_m_mean
lista_m_std = [0.11, 0.15, 0.14, 0.24, 0.55]
lista_h_std = [0.14, 0.17, 0.19, 0.24, 0.55]
xlabels = ['21 a 30', '31 a 40', '41 a 50', '51 a 60', '>61']
fig = plt.figure(figsize=(6,4))
ax = plt.axes([0.1, 0.1, 0.85, 0.85])
gm = ax.bar(x-0.2, ym, width=0.4, color=color_m, alpha=.8, yerr=lista_m_std, label='Women')
gh = ax.bar(x+0.2, yh, width=0.4, color=color_h, alpha=.5, yerr=lista_h_std, label='Men')
ax.tick_params('both', labelsize=fontsize)
# ax.set_title('2)', fontsize=fontsize, loc='left')
ax.legend(fontsize=fontsize, loc='upper left')
ax.set_xticks(x)
ax.set_xticklabels(xlabels, fontsize=fontsize)
#ax.set_yticks([0,1,2])
ax.grid(axis='y', lw=0.5, linestyle=':', color='dimgrey')
ax.set_xlabel('Age', fontsize=fontsize)
ax.set_ylabel('Papers per capita', fontsize=fontsize)
fig.savefig(figspath + figname + '.png', dpi=300, bbox_inches='tight')
fig.savefig(figspath + figname + '.pdf', bbox_inches='tight')
# Figura 4
figname = 'cantidad_publicaciones_por_genero_y_categoria_conicet_eng'
fontsize = 8
xlabels = label_categoria[0:7]
xlabels = ['Becario doctoral',
'Becario postdoctoral',
'Investigador asistente',
'Investigador adjunto',
'Investigador independiente',
'Investigador principal',
'Investigador superior']
x = np.arange(1, len(xlabels)+1)
fig = plt.figure(figsize=(8,4))
ax = plt.axes([0.1, 0.1, 0.85, 0.85])
for j, jseniority in enumerate(xlabels):
df_temp = df_publ_por_genero_cat_conicet.loc[(slice(None),jseniority), :]
yh = df_temp['Publicaciones hombres (per capita)'].mean()
ym = df_temp['Publicaciones mujeres (per capita)'].mean()
yh_std = df_temp['Publicaciones hombres (per capita)'].std()
ym_std = df_temp['Publicaciones mujeres (per capita)'].std()
gm = ax.bar(x[j]-0.2, ym, width=0.4, color=color_m, alpha=.8, yerr = ym_std, label='Women')
gh = ax.bar(x[j]+0.2, yh, width=0.4, color=color_h, alpha=.5, yerr = yh_std, label='Men')
if j==0:
ax.legend(fontsize=fontsize, loc='upper left')
ax.tick_params('both', labelsize=fontsize)
# ax.set_title('1)', fontsize=fontsize, loc='left')
ax.set_xticks(x)
xlabels = ['Doctoral\nfellows',
'Postdoctoral\nfellows',
'Assistant',
'Associate',
'Independent',
'Principal',
'Senior',
]
ax.grid(axis='y', lw=0.5, linestyle=':', color='dimgrey')
ax.set_xticklabels(xlabels, fontsize=fontsize)
ax.set_yticks([0,4,8,12,16, 20, 24, 28, 32])
ax.set_xlabel('Seniority level', fontsize=fontsize)
ax.set_ylabel('Papers per capita', fontsize=fontsize)
fig.savefig(figspath + figname + '.png', dpi=300, bbox_inches='tight')
fig.savefig(figspath + figname + '.pdf', bbox_inches='tight')
##############################################################################
#Tipos de publicaciones
###Publicaciones Q1
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones Q1 mujeres (%)',
'Publicaciones Q1 hombres (%)',
'Publicaciones mujeres Q1 (per capita)',
'Publicaciones hombres Q1 (per capita)',
'Total publicaciones Q1 (N)']
df_publ_por_genero_Q1 = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_Q1 = int(df_clean['produccion_cantidad_articulos_SJR_Q1'].sum())
prod_hombres_Q1 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q1'].sum()
cant_hombres_Q1 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q1'].count()
prod_mujeres_Q1 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q1'].sum()
cant_mujeres_Q1 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q1'].count()
df_publ_por_genero_Q1.iloc[i,0] = prod_mujeres_Q1/prod_total_Q1 * 100
df_publ_por_genero_Q1.iloc[i,1] = prod_hombres_Q1/prod_total_Q1 * 100
df_publ_por_genero_Q1.iloc[i,2] = prod_mujeres_Q1/cant_mujeres_Q1
df_publ_por_genero_Q1.iloc[i,3] = prod_hombres_Q1/cant_hombres_Q1
df_publ_por_genero_Q1.iloc[i,4] = prod_total_Q1
df_publ_por_genero_Q1.astype('float').round(2)
#df_publ_por_genero_Q1.to_csv(tablespath + 'cantidad_publicaciones_Q1_por_genero.csv')
##### Publicaciones Q2
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones Q2 mujeres (%)',
'Publicaciones Q2 hombres (%)',
'Publicaciones mujeres Q2 (per capita)',
'Publicaciones hombres Q2 (per capita)',
'Total publicaciones Q2 (N)']
df_publ_por_genero_Q2 = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_Q2 = int(df_clean['produccion_cantidad_articulos_SJR_Q2'].sum())
prod_hombres_Q2 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q2'].sum()
cant_hombres_Q2 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q2'].count()
prod_mujeres_Q2 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q2'].sum()
cant_mujeres_Q2 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q2'].count()
df_publ_por_genero_Q2.iloc[i,0] = prod_mujeres_Q2/prod_total_Q2 * 100
df_publ_por_genero_Q2.iloc[i,1] = prod_hombres_Q2/prod_total_Q2 * 100
df_publ_por_genero_Q2.iloc[i,2] = prod_mujeres_Q2/cant_mujeres_Q2
df_publ_por_genero_Q2.iloc[i,3] = prod_hombres_Q2/cant_hombres_Q2
df_publ_por_genero_Q2.iloc[i,4] = prod_total_Q2
df_publ_por_genero_Q2.astype('float').round(2)
#df_publ_por_genero_Q2.to_csv(tablespath + 'cantidad_publicaciones_Q2_por_genero.csv')
##### Publicaciones Q3
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones Q3 mujeres (%)',
'Publicaciones Q3 hombres (%)',
'Publicaciones mujeres Q3 (per capita)',
'Publicaciones hombres Q3 (per capita)',
'Total publicaciones Q3 (N)']
df_publ_por_genero_Q3 = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_Q3 = int(df_clean['produccion_cantidad_articulos_SJR_Q3'].sum())
prod_hombres_Q3 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q3'].sum()
cant_hombres_Q3 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q3'].count()
prod_mujeres_Q3 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q3'].sum()
cant_mujeres_Q3 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q3'].count()
df_publ_por_genero_Q3.iloc[i,0] = prod_mujeres_Q3/prod_total_Q3 * 100
df_publ_por_genero_Q3.iloc[i,1] = prod_hombres_Q3/prod_total_Q3 * 100
df_publ_por_genero_Q3.iloc[i,2] = prod_mujeres_Q3/cant_mujeres_Q3
df_publ_por_genero_Q3.iloc[i,3] = prod_hombres_Q3/cant_hombres_Q3
df_publ_por_genero_Q3.iloc[i,4] = prod_total_Q3
df_publ_por_genero_Q3.astype('float').round(2)
#df_publ_por_genero_Q3.to_csv(tablespath + 'cantidad_publicaciones_Q3_por_genero.csv')
##### Publicaciones Q4
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones Q4 mujeres (%)',
'Publicaciones Q4 hombres (%)',
'Publicaciones mujeres Q4 (per capita)',
'Publicaciones hombres Q4 (per capita)',
'Total publicaciones Q4 (N)']
df_publ_por_genero_Q4 = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_Q4 = int(df_clean['produccion_cantidad_articulos_SJR_Q4'].sum())
prod_hombres_Q4 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q4'].sum()
cant_hombres_Q4 = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_SJR_Q4'].count()
prod_mujeres_Q4 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q4'].sum()
cant_mujeres_Q4 = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_SJR_Q4'].count()
df_publ_por_genero_Q4.iloc[i,0] = prod_mujeres_Q4/prod_total_Q4 * 100
df_publ_por_genero_Q4.iloc[i,1] = prod_hombres_Q4/prod_total_Q4 * 100
df_publ_por_genero_Q4.iloc[i,2] = prod_mujeres_Q4/cant_mujeres_Q4
df_publ_por_genero_Q4.iloc[i,3] = prod_hombres_Q4/cant_hombres_Q4
df_publ_por_genero_Q4.iloc[i,4] = prod_total_Q4
df_publ_por_genero_Q4.astype('float').round(2)
#df_publ_por_genero_Q4.to_csv(tablespath + 'cantidad_publicaciones_Q4_por_genero.csv')
#### NBR
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones NBR mujeres (%)',
'Publicaciones NBR hombres (%)',
'Publicaciones mujeres NBR (per capita)',
'Publicaciones hombres NBR (per capita)',
'Total publicaciones NBR (N)']
df_publ_por_genero_NBR = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_NBR = int(df_clean['produccion_cantidad_articulos_NBR'].sum())
prod_hombres_NBR = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_NBR'].sum()
cant_hombres_NBR = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_articulos_NBR'].count()
prod_mujeres_NBR = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_NBR'].sum()
cant_mujeres_NBR = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_articulos_NBR'].count()
df_publ_por_genero_NBR.iloc[i,0] = prod_mujeres_NBR/prod_total_NBR * 100
df_publ_por_genero_NBR.iloc[i,1] = prod_hombres_NBR/prod_total_NBR * 100
df_publ_por_genero_NBR.iloc[i,2] = prod_mujeres_NBR/cant_mujeres_NBR
df_publ_por_genero_NBR.iloc[i,3] = prod_hombres_NBR/cant_hombres_NBR
df_publ_por_genero_NBR.iloc[i,4] = prod_total_NBR
df_publ_por_genero_NBR.astype('float').round(2)
#df_publ_por_genero_NBR.to_csv(tablespath + 'cantidad_publicaciones_NBR_por_genero.csv')
##### capitulos libros
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones cap mujeres (%)',
'Publicaciones cap hombres (%)',
'Publicaciones mujeres cap (per capita)',
'Publicaciones hombres cap (per capita)',
'Total publicaciones cap (N)']
df_publ_por_genero_cap = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_cap = int(df_clean['produccion_cantidad_capitulos_libro'].sum())
prod_hombres_cap = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_capitulos_libro'].sum()
cant_hombres_cap = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_capitulos_libro'].count()
prod_mujeres_cap = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_capitulos_libro'].sum()
cant_mujeres_cap = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_capitulos_libro'].count()
df_publ_por_genero_cap.iloc[i,0] = prod_mujeres_cap/prod_total_cap * 100
df_publ_por_genero_cap.iloc[i,1] = prod_hombres_cap/prod_total_cap * 100
df_publ_por_genero_cap.iloc[i,2] = prod_mujeres_cap/cant_mujeres_cap
df_publ_por_genero_cap.iloc[i,3] = prod_hombres_cap/cant_hombres_cap
df_publ_por_genero_cap.iloc[i,4] = prod_total_cap
df_publ_por_genero_cap.astype('float').round(2)
#df_publ_por_genero_cap.to_csv(tablespath + 'cantidad_publicaciones_cap_por_genero.csv')
##### libros
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Publicaciones libros mujeres (%)',
'Publicaciones libros hombres (%)',
'Publicaciones mujeres libros (per capita)',
'Publicaciones hombres libros (per capita)',
'Total publicaciones libros (N)']
df_publ_por_genero_libros = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_libros = int(df_clean['produccion_cantidad_capitulos_libro'].sum())
prod_hombres_libros = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_libros'].sum()
cant_hombres_libros = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_cantidad_libros'].count()
prod_mujeres_libros = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_libros'].sum()
cant_mujeres_libros = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_cantidad_libros'].count()
df_publ_por_genero_libros.iloc[i,0] = prod_mujeres_libros/prod_total_libros * 100
df_publ_por_genero_libros.iloc[i,1] = prod_hombres_libros/prod_total_libros * 100
df_publ_por_genero_libros.iloc[i,2] = prod_mujeres_libros/cant_mujeres_libros
df_publ_por_genero_libros.iloc[i,3] = prod_hombres_libros/cant_hombres_libros
df_publ_por_genero_libros.iloc[i,4] = prod_total_libros
df_publ_por_genero_libros.astype('float').round(2)
###### Figura Tipos de publicacion
columnas=['Publicaciones mujeres (per capita)',
'Publicaciones hombres (per capita)']
categ_publ=['Q1', 'Q2', 'Q3', 'Q4', 'NBR', 'CapLibro', 'Libro']
df_publ_por_genero_categ = pd.DataFrame(index=categ_publ, columns=columnas)
df_publ_por_genero_categ.iloc[0,0] = df_publ_por_genero_Q1['Publicaciones mujeres Q1 (per capita)'].mean()
df_publ_por_genero_categ.iloc[0,1] = df_publ_por_genero_Q1['Publicaciones hombres Q1 (per capita)'].mean()
df_publ_por_genero_categ.iloc[1,0] = df_publ_por_genero_Q2['Publicaciones mujeres Q2 (per capita)'].mean()
df_publ_por_genero_categ.iloc[1,1] = df_publ_por_genero_Q2['Publicaciones hombres Q2 (per capita)'].mean()
df_publ_por_genero_categ.iloc[2,0] = df_publ_por_genero_Q3['Publicaciones mujeres Q3 (per capita)'].mean()
df_publ_por_genero_categ.iloc[2,1] = df_publ_por_genero_Q3['Publicaciones hombres Q3 (per capita)'].mean()
df_publ_por_genero_categ.iloc[3,0] = df_publ_por_genero_Q4['Publicaciones mujeres Q4 (per capita)'].mean()
df_publ_por_genero_categ.iloc[3,1] = df_publ_por_genero_Q4['Publicaciones hombres Q4 (per capita)'].mean()
df_publ_por_genero_categ.iloc[4,0] = df_publ_por_genero_NBR['Publicaciones mujeres NBR (per capita)'].mean()
df_publ_por_genero_categ.iloc[4,1] = df_publ_por_genero_NBR['Publicaciones hombres NBR (per capita)'].mean()
df_publ_por_genero_categ.iloc[5,0] = df_publ_por_genero_cap['Publicaciones mujeres cap (per capita)'].mean()
df_publ_por_genero_categ.iloc[5,1] = df_publ_por_genero_cap['Publicaciones hombres cap (per capita)'].mean()
df_publ_por_genero_categ.iloc[6,0] = df_publ_por_genero_libros['Publicaciones mujeres libros (per capita)'].mean()
df_publ_por_genero_categ.iloc[6,1] = df_publ_por_genero_libros['Publicaciones hombres libros (per capita)'].mean()
figname = 'Tipo_publicaciones_por_genero_eng'
fontsize = 8
x = np.arange(0, 7)
categ_publ=['Q1', 'Q2', 'Q3', 'Q4', 'NBR', 'Book chapters', 'Books']
xlabels = categ_publ
yh = df_publ_por_genero_categ["Publicaciones hombres (per capita)"]
ym = df_publ_por_genero_categ["Publicaciones mujeres (per capita)"]
fig = plt.figure(figsize=(7,4))
ax = plt.axes([0.1, 0.1, 0.85, 0.85])
gm = ax.bar(x-0.2, ym, width=0.4, color=color_m, alpha=.8, label='Women')
gh = ax.bar(x+0.2, yh, width=0.4, color=color_h, alpha=.5, label='Men')
ax.tick_params('both', labelsize=fontsize)
ax.legend(fontsize=fontsize)
ax.set_xticks(x)
ax.set_xticklabels(xlabels, fontsize=fontsize)
ax.set_yticks([0,0.25, 0.5, 0.75, 1, 1.25])
ax.set_ylim([0, 1.25])
ax.set_xlabel('Type of publication', fontsize=fontsize)
ax.set_ylabel('Papers per capita', fontsize=fontsize)
ax.grid(axis='y', lw=0.5, linestyle=':', color='dimgrey')
fig.savefig(figspath + figname + '.png', dpi=300, bbox_inches='tight')
fig.savefig(figspath + figname + '.pdf', bbox_inches='tight')
####### Patentes
##### Patentes solicitadas
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Patentes solicitadas mujeres (%)',
'Patentes solicitadas hombres (%)',
'Cant mujeres (Nm)',
'Cant hombres (Nh)',
'Patentes solicitadas mujeres (per capita)',
'Patentes solicitadas hombres (per capita)',
'Total patentes solicitadas (N)']
df_publ_por_genero_patsol = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_patsol = int(df_clean['produccion_patentes_solicitadas'].sum())
prod_hombres_patsol = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_patentes_solicitadas'].sum()
cant_hombres_patsol = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_patentes_solicitadas'].count()
prod_mujeres_patsol = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_patentes_solicitadas'].sum()
cant_mujeres_patsol = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_patentes_solicitadas'].count()
df_publ_por_genero_patsol.iloc[i,0] = prod_mujeres_patsol/prod_total_patsol * 100
df_publ_por_genero_patsol.iloc[i,1] = prod_hombres_patsol/prod_total_patsol * 100
df_publ_por_genero_patsol.iloc[i,2] = prod_mujeres_patsol
df_publ_por_genero_patsol.iloc[i,3] = prod_hombres_patsol
df_publ_por_genero_patsol.iloc[i,4] = prod_mujeres_patsol/cant_mujeres_patsol
df_publ_por_genero_patsol.iloc[i,5] = prod_hombres_patsol/cant_hombres_patsol
df_publ_por_genero_patsol.iloc[i,6] = prod_total_patsol
df_publ_por_genero_patsol.astype('float').round(2)
df_publ_por_genero_patsol.to_clipboard()
##### Patentes otorgadas
anios = pd.date_range('01-2011', '01-2018', freq='AS')
columnas = ['Patentes otorgadas mujeres (%)',
'Patentes otorgadas hombres (%)',
'Cant mujeres (Nm)',
'Cant hombres (Nh)',
'Patentes otorgadas mujeres (per capita)',
'Patentes otorgadas hombres (per capita)',
'Total patentes otorgadas (N)']
df_publ_por_genero_patoto = pd.DataFrame(index=anios, columns=columnas)
for i, iyear in enumerate(range(2011,2019)):
exec("""df = pd.merge(Datos1_{}, Datos2_{}, on="persona_id")""".format(iyear,iyear))
df_clean = df.replace({ -1: np.nan})
prod_total_patoto = int(df_clean['produccion_patentes_otorgadas'].sum())
prod_hombres_patoto = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_patentes_otorgadas'].sum()
cant_hombres_patoto = df_clean.loc[df_clean['sexo_id'] == 2, 'produccion_patentes_otorgadas'].count()
prod_mujeres_patoto = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_patentes_otorgadas'].sum()
cant_mujeres_patoto = df_clean.loc[df_clean['sexo_id'] == 1, 'produccion_patentes_otorgadas'].count()
df_publ_por_genero_patoto.iloc[i,0] = prod_mujeres_patoto/prod_total_patoto * 100
df_publ_por_genero_patoto.iloc[i,1] = prod_hombres_patoto/prod_total_patoto * 100
df_publ_por_genero_patoto.iloc[i,2] = prod_mujeres_patoto
df_publ_por_genero_patoto.iloc[i,3] = prod_hombres_patoto
df_publ_por_genero_patoto.iloc[i,4] = prod_mujeres_patoto/cant_mujeres_patoto
df_publ_por_genero_patoto.iloc[i,5] = prod_hombres_patoto/cant_hombres_patoto
df_publ_por_genero_patoto.iloc[i,6] = prod_total_patoto
df_publ_por_genero_patsol.astype('float').round(2)
df_publ_por_genero_patoto.to_clipboard()
# Figura Patentes
columnas=['Patentes mujeres (per capita)',
'Patentes hombres (per capita)']
categ_publ=['Patentes Solicitadas', 'Patentes Otorgadas']
df_patentes_por_genero = pd.DataFrame(index=categ_publ, columns=columnas)
df_patentes_por_genero.iloc[0,0] =df_publ_por_genero_patsol['Patentes solicitadas mujeres (per capita)'].mean()
df_patentes_por_genero.iloc[0,1] = df_publ_por_genero_patsol['Patentes solicitadas hombres (per capita)'].mean()
df_patentes_por_genero.iloc[1,0] =df_publ_por_genero_patoto['Patentes otorgadas mujeres (per capita)'].mean()
df_patentes_por_genero.iloc[1,1] = df_publ_por_genero_patoto['Patentes otorgadas hombres (per capita)'].mean()
figname = 'Patentes_por_genero_eng'
fontsize = 8
x = np.arange(0, 2)
xlabels = categ_publ
yh = df_patentes_por_genero["Patentes hombres (per capita)"]
ym = df_patentes_por_genero["Patentes mujeres (per capita)"]
fig = plt.figure(figsize=(7,4))
ax = plt.axes([0.1, 0.1, 0.85, 0.85])
gm = ax.bar(x-0.2, ym, width=0.4, color=color_m, alpha=.8, label='Women')
gh = ax.bar(x+0.2, yh, width=0.4, color=color_h, alpha=.5, label='Men')
ax.tick_params('both', labelsize=fontsize)
ax.legend(fontsize=fontsize)
ax.set_xticks(x)
ax.set_xticklabels(xlabels, fontsize=fontsize)
ax.set_yticks([0,0.01])
ax.set_xlabel('', fontsize=fontsize)
ax.set_ylabel('Promedio\n(per capita)', fontsize=fontsize)
fig.savefig(figspath + figname + '.png', dpi=300, bbox_inches='tight')
fig.savefig(figspath + figname + '.pdf', bbox_inches='tight')