Build total donator type visualization for Benin
This commit is contained in:
parent
dd56a77c66
commit
d43cf791b6
GPG key ID:
B7538B8F50A1C800
2 changed files with 201 additions and 0 deletions
|
|
@ -100,3 +100,25 @@ The primary reasons for not having access to electricity are the lack of physica
|
||||||
as well as connection costs to the main electrical grid being too high.
|
as well as connection costs to the main electrical grid being too high.
|
||||||
To decrease the effects of this driving force of inequality,
|
To decrease the effects of this driving force of inequality,
|
||||||
both infrastructural expansion as well as policy commitments toward affordable connections to electrical grids are thus of vital importance.
|
both infrastructural expansion as well as policy commitments toward affordable connections to electrical grids are thus of vital importance.
|
||||||
|
|
||||||
|
<!-- development assistance -->
|
||||||
|
|
||||||
|
```{python}
|
||||||
|
#| label: fig-ben-aid-donortype
|
||||||
|
#| fig-cap: "Total ODA for Benin per year, separated by donor type. Source: "
|
||||||
|
#| column: page
|
||||||
|
dfsub1 = pd.read_csv('data/raw/OECD_CRS/CRS1_Benin_11-13_05092022185506030.csv', parse_dates=True, low_memory=False)
|
||||||
|
dfsub2 = pd.read_csv('data/raw/OECD_CRS/CRS1_Benin_14-16_05092022192438936.csv', parse_dates=True, low_memory=False)
|
||||||
|
dfsub3 = pd.read_csv('data/raw/OECD_CRS/CRS1_Benin_17-20_05092022192856890.csv', parse_dates=True, low_memory=False)
|
||||||
|
df = pd.concat([dfsub1, dfsub2, dfsub3], ignore_index=True)
|
||||||
|
df = df.rename(columns={'\ufeff"DONOR"': 'DONOR'})
|
||||||
|
|
||||||
|
donortotals = totals_by_donortype(df)
|
||||||
|
|
||||||
|
donortotals_grouped = donortotals.groupby(['Donortype', 'Year']).agg({'Value': ['sum']})
|
||||||
|
donortotals_grouped = donortotals_grouped.reset_index(['Donortype', 'Year'])
|
||||||
|
donortotals_grouped.columns = donortotals_grouped.columns.to_flat_index()
|
||||||
|
donortotals_grouped.columns = ['Donortype', 'Year', 'Value']
|
||||||
|
fig = px.line(donortotals_grouped, x='Year', y='Value', color='Donortype', labels={"Value": "Development aid, in millions"}, markers=True, template="seaborn")
|
||||||
|
fig.show()
|
||||||
|
```
|
||||||
|
|
|
||||||
179
data-prep.qmd
179
data-prep.qmd
|
|
@ -61,3 +61,182 @@ def plot_consumption_gini_percapita_ruralurban(country_df):
|
||||||
gini_plot(gni_cnsmpt)
|
gini_plot(gni_cnsmpt)
|
||||||
```
|
```
|
||||||
|
|
||||||
|
```{python}
|
||||||
|
## Set up functions to grab development aids by type of donating body
|
||||||
|
## ODA donor type map, see DAC code sheet xlsx
|
||||||
|
donortypes = {
|
||||||
|
1: 'dac',
|
||||||
|
2: 'dac',
|
||||||
|
3: 'dac',
|
||||||
|
4: 'dac',
|
||||||
|
5: 'dac',
|
||||||
|
6: 'dac',
|
||||||
|
7: 'dac',
|
||||||
|
8: 'dac',
|
||||||
|
9: 'dac',
|
||||||
|
10: 'dac',
|
||||||
|
11: 'dac',
|
||||||
|
12: 'dac',
|
||||||
|
18: 'dac',
|
||||||
|
20: 'dac',
|
||||||
|
21: 'dac',
|
||||||
|
22: 'dac',
|
||||||
|
40: 'dac',
|
||||||
|
50: 'dac',
|
||||||
|
61: 'dac',
|
||||||
|
68: 'dac',
|
||||||
|
69: 'dac',
|
||||||
|
75: 'dac',
|
||||||
|
76: 'dac',
|
||||||
|
301: 'dac',
|
||||||
|
302: 'dac',
|
||||||
|
701: 'dac',
|
||||||
|
742: 'dac',
|
||||||
|
801: 'dac',
|
||||||
|
820: 'dac',
|
||||||
|
918: 'dac',
|
||||||
|
104: 'multilat',
|
||||||
|
807: 'multilat',
|
||||||
|
811: 'multilat',
|
||||||
|
812: 'multilat',
|
||||||
|
901: 'multilat',
|
||||||
|
902: 'multilat',
|
||||||
|
903: 'multilat',
|
||||||
|
905: 'multilat',
|
||||||
|
906: 'multilat',
|
||||||
|
907: 'multilat',
|
||||||
|
909: 'multilat',
|
||||||
|
913: 'multilat',
|
||||||
|
914: 'multilat',
|
||||||
|
915: 'multilat',
|
||||||
|
921: 'multilat',
|
||||||
|
923: 'multilat',
|
||||||
|
926: 'multilat',
|
||||||
|
928: 'multilat',
|
||||||
|
932: 'multilat',
|
||||||
|
940: 'multilat',
|
||||||
|
944: 'multilat',
|
||||||
|
948: 'multilat',
|
||||||
|
951: 'multilat',
|
||||||
|
952: 'multilat',
|
||||||
|
953: 'multilat',
|
||||||
|
954: 'multilat',
|
||||||
|
956: 'multilat',
|
||||||
|
958: 'multilat',
|
||||||
|
959: 'multilat',
|
||||||
|
960: 'multilat',
|
||||||
|
963: 'multilat',
|
||||||
|
964: 'multilat',
|
||||||
|
966: 'multilat',
|
||||||
|
967: 'multilat',
|
||||||
|
971: 'multilat',
|
||||||
|
974: 'multilat',
|
||||||
|
976: 'multilat',
|
||||||
|
978: 'multilat',
|
||||||
|
979: 'multilat',
|
||||||
|
980: 'multilat',
|
||||||
|
981: 'multilat',
|
||||||
|
982: 'multilat',
|
||||||
|
983: 'multilat',
|
||||||
|
988: 'multilat',
|
||||||
|
990: 'multilat',
|
||||||
|
992: 'multilat',
|
||||||
|
997: 'multilat',
|
||||||
|
1011: 'multilat',
|
||||||
|
1012: 'multilat',
|
||||||
|
1013: 'multilat',
|
||||||
|
1014: 'multilat',
|
||||||
|
1015: 'multilat',
|
||||||
|
1016: 'multilat',
|
||||||
|
1017: 'multilat',
|
||||||
|
1018: 'multilat',
|
||||||
|
1019: 'multilat',
|
||||||
|
1020: 'multilat',
|
||||||
|
1023: 'multilat',
|
||||||
|
1024: 'multilat',
|
||||||
|
1025: 'multilat',
|
||||||
|
1037: 'multilat',
|
||||||
|
1038: 'multilat',
|
||||||
|
1311: 'multilat',
|
||||||
|
1312: 'multilat',
|
||||||
|
1313: 'multilat',
|
||||||
|
30: 'nondac',
|
||||||
|
45: 'nondac',
|
||||||
|
55: 'nondac',
|
||||||
|
62: 'nondac',
|
||||||
|
70: 'nondac',
|
||||||
|
72: 'nondac',
|
||||||
|
77: 'nondac',
|
||||||
|
82: 'nondac',
|
||||||
|
83: 'nondac',
|
||||||
|
84: 'nondac',
|
||||||
|
87: 'nondac',
|
||||||
|
130: 'nondac',
|
||||||
|
133: 'nondac',
|
||||||
|
358: 'nondac',
|
||||||
|
543: 'nondac',
|
||||||
|
546: 'nondac',
|
||||||
|
552: 'nondac',
|
||||||
|
561: 'nondac',
|
||||||
|
566: 'nondac',
|
||||||
|
576: 'nondac',
|
||||||
|
611: 'nondac',
|
||||||
|
613: 'nondac',
|
||||||
|
732: 'nondac',
|
||||||
|
764: 'nondac',
|
||||||
|
765: 'nondac',
|
||||||
|
1601: 'private',
|
||||||
|
1602: 'private',
|
||||||
|
1603: 'private',
|
||||||
|
1604: 'private',
|
||||||
|
1605: 'private',
|
||||||
|
1606: 'private',
|
||||||
|
1607: 'private',
|
||||||
|
1608: 'private',
|
||||||
|
1609: 'private',
|
||||||
|
1610: 'private',
|
||||||
|
1611: 'private',
|
||||||
|
1612: 'private',
|
||||||
|
1613: 'private',
|
||||||
|
1614: 'private',
|
||||||
|
1615: 'private',
|
||||||
|
1616: 'private',
|
||||||
|
1617: 'private',
|
||||||
|
1618: 'private',
|
||||||
|
1619: 'private',
|
||||||
|
1620: 'private',
|
||||||
|
1621: 'private',
|
||||||
|
1622: 'private',
|
||||||
|
1623: 'private',
|
||||||
|
1624: 'private',
|
||||||
|
1625: 'private',
|
||||||
|
1626: 'private',
|
||||||
|
1627: 'private',
|
||||||
|
1628: 'private',
|
||||||
|
1629: 'private',
|
||||||
|
1630: 'private',
|
||||||
|
1631: 'private',
|
||||||
|
1632: 'private',
|
||||||
|
1633: 'private',
|
||||||
|
1634: 'private',
|
||||||
|
1635: 'private',
|
||||||
|
1636: 'private',
|
||||||
|
1637: 'private',
|
||||||
|
1638: 'private',
|
||||||
|
1639: 'private',
|
||||||
|
}
|
||||||
|
|
||||||
|
def totals_by_donortype(oda_frame):
|
||||||
|
totals = oda_frame.loc[
|
||||||
|
(df['RECIPIENT'] == 236) &
|
||||||
|
(df['SECTOR'] == 1000) &
|
||||||
|
(df['FLOW'] == 100) &
|
||||||
|
(df['CHANNEL'] == 100) &
|
||||||
|
(df['AMOUNTTYPE'] == 'D') &
|
||||||
|
(df['FLOWTYPE'] == 112) &
|
||||||
|
(df['AIDTYPE'] == "100") # contains mixed int and string representations
|
||||||
|
]
|
||||||
|
donortotals = totals.copy()
|
||||||
|
donortotals["Donortype"] = donortotals["DONOR"].map(donortypes)
|
||||||
|
return donortotals
|
||||||
|
```
|
||||||
|
|
|
||||||
Loading…
Reference in a new issue