unir-metodologia/exploracion-individual.ipynb

from functools import cache
import pandas as pd

pd.set_option("display.max_columns", None)

@cache
def get_dataset_for(year):
    return pd.read_csv(f"datasets/sinac{year}DatosAbiertos.csv", dtype=object)

_df = get_dataset_for(2013)

estados_mexicanos = {
    "AGUASCALIENTES",
    "BAJA CALIFORNIA",
    "BAJA CALIFORNIA SUR",
    "CAMPECHE",
    "CHIAPAS",
    "CHIHUAHUA",
    "COAHUILA DE ZARAGOZA",
    "COLIMA",
    "DISTRITO FEDERAL",
    "DURANGO",
    "GUANAJUATO",
    "GUERRERO",
    "HIDALGO",
    "JALISCO",
    "MEXICO",
    "MICHOACAN DE OCAMPO",
    "MORELOS",
    "NAYARIT",
    "NUEVO LEON",
    "OAXACA",
    "PUEBLA",
    "QUERETARO  DE ARTEAGA",
    "QUINTANA ROO",
    "SAN LUIS POTOSI",
    "SINALOA",
    "SONORA",
    "TABASCO",
    "TAMAULIPAS",
    "TLAXCALA",
    "VERACRUZ DE IGNACIO DE LA LLAVE",
    "YUCATAN",
    "ZACATECAS",
}

_df.sample(n=20)

columns = [
    "ENTIDAD_NACMAD",
    "FECH_NACM",
    "ESTADO_CIVIL",
    "ENTIDAD_RESMAD",
    "NUMERO_EMBARAZOS",
    "NACIDOS_MUERTOS",
    "NACIDOS_VIVOS",
    "SOBREVIVIENTES",
    "ANTERIOR_NACIO",
    "VIVE_AUN",
    "ORDEN_NAC",
    "ATENCION_PRENA",
    "TRIMESTR_ATEN",
    "SOBREVIVIO_PARTO",
    "ESCOLARIDAD",
    "DESC_OCUPHAB",
    "OCUPACION_HABITUAL",
    "TRABAJA_ACTUALMENTE",
    "FECH_NACH",
    "HORA_NACH",
    "SEXO_RN",
    "GESTACH",
    "TALLAH",
    "PESOH",
    "APGARH",
    "SILVERMAN",
    "NACIMIENTOS",
    "MES_NACI",
    "Producto",
    "CIE10",
    "CIE10_2da",
    "PROCEDIMIENTO",
    "OTRO_PROCEDIMIENTO",
    "LUGAR_NACIM",
    "ENTIDAD_NACIM",
    "ENTIDAD_CERTIF",
    "FECHA_CERTIF",
]
columns = [x.lower() for x in columns]

# len(set(columns) - set(df.columns.to_list()))

# columns_original = get_dataset_for(2013).columns.to_list()
columns_selected = [
    "edo_captura",
    "edo_nac_madre",
    "fecha_nac_madre",
    "edad_madre",
    "estado_conyugal",
    "entidad_residencia_madre",
    "numero_embarazos",
    "hijos_nacidos_muertos",
    "hijos_nacidos_vivos",
    "hijos_sobrevivientes",
    "el_hijo_anterior_nacio",
    "vive_aun_hijo_anterior",
    "orden_nacimiento",
    "recibio_atencion_prenatal",
    "trimestre_recibio_primera_consulta",
    "total_consultas_recibidas",
    "madre_sobrevivio_al_parto",
    "escolaridad_madre",
    "ocupacion_habitual_madre",
    "trabaja_actualmente",
    "fecha_nacimiento_nac_vivo",
    "hora_nacimiento_nac_vivo",
    "sexo_nac_vivo",
    "semanas_gestacion_nac_vivo",
    "talla_nac_vivo",
    "peso_nac_vivo",
    "valoracion_apgar_nac_vivo",
    "valoracion_silverman_nac_vivo",
    "producto_de_un_embarazo",
    "codigo_anomalia",
    "anomalia_congenita_nac_vivo",
    "entidad_nacimiento",
    "entidad_certifico",
]
print(" - ", end="")
print(*sorted(columns_selected), sep="\n - ")
len(columns_selected)

print("Año - #Cols - #Faltantes")
for year in range(2008, 2020):
    df = get_dataset_for(year)
    columns = set(df.columns.to_list())
    print(year, " - ", len(columns), " - ", len(set(columns_selected) - columns))

df = pd.concat([get_dataset_for(year)[columns_selected] for year in range(2010, 2017)])

df

def _ano_nacimiento_vivo_func(str_date):
    try:
        return str_date.split("/")[-1]
    except:
        return ""


df["año_de_nacimiento_vivo"] = df["fecha_nacimiento_nac_vivo"].apply(
    _ano_nacimiento_vivo_func
)

df.edad_madre = df.edad_madre.astype(int)
df = df[df.edad_madre < 120]

df.info()

set(df["año_de_nacimiento_vivo"].to_list())

df_trisomias = df[df["codigo_anomalia"].apply(lambda x: "Q9" in x)]

df_trisomias

df_trisomias[["edad_madre"]].describe()

Agrupación por estado lugar de nacimiento de la madre, y año del registro, agregación de edad de la madre

consulta = df.groupby(["edo_captura", "edo_nac_madre", "año_de_nacimiento_vivo"]).agg(
    {
        "edad_madre": [
            "count",
            "mean",
            "std",
            "min",
            "max",
        ],
    }
)

[row_name for row_name in consulta.index.to_list() if row_name[0] == "JALISCO"]

edos_fronterizos = {
    "BAJA CALIFORNIA",
    "SONORA",
    "CHIHUAHUA",
    "COAHUILA DE ZARAGOZA",
    "NUEVO LEON",
    "TAMAULIPAS",
}

edo_nac_madre_de_interes = {
    "ESTADOS UNIDOS DE NORTEAMERICA",
    "OTROS PAISES",
}  # "OTROS PAISES DE LATINOAMERICA"}
consulta_edo_madre_especifico = consulta.loc[
    [
        row_name
        for row_name in consulta.index.to_list()
        if row_name[1] in edo_nac_madre_de_interes
        # and row_name[0] in edos_fronterizos
    ]
]

# consulta_edo_madre_especifico.index, consulta_edo_madre_especifico.columns

%matplotlib notebook
from matplotlib.figure import Figure

{x[0] for x in consulta_edo_madre_especifico.index.to_list()}

fig = Figure(figsize=(12, 6))
ax = fig.add_subplot()
edo_nac_madre_deseado = "ESTADOS UNIDOS DE NORTEAMERICA"
_df = consulta_edo_madre_especifico.reset_index()
edo = "BAJA CALIFORNIA"
for edo in {x[0] for x in consulta_edo_madre_especifico.index.to_list()}:
    _to_plot = _df[
        (_df["edo_nac_madre"] == edo_nac_madre_deseado) & (_df["edo_captura"] == edo)
    ][[("año_de_nacimiento_vivo", ""), ("edad_madre", "count")]]
    _to_plot.columns = ["Año", "Cantidad"]
    _to_plot = _to_plot.set_index("Año")

    _to_plot.plot(y="Cantidad", ax=ax, label=edo, linestyle="--", grid=True)

ax.legend(loc="upper left")
ax.set_xlabel("Año")
ax.set_ylabel("Cantidad de Nacimientos")
fig

consulta_edo_madre_especifico.reset_index().columns

Agrupación por estado de captura, y año

# Edades de madres
consulta = df.groupby(["edo_captura", "año_de_nacimiento_vivo"]).agg(
    {
        "edad_madre": [
            "count",
            "mean",
            "std",
            "min",
            "max",
        ],
    }
)
consulta2

_df = consulta2.reset_index()
_df.columns = ["_".join(x).rstrip("_") for x in _df.columns.to_flat_index()]
_df = _df.rename(columns={"año_de_nacimiento_vivo": "año"})
_df

fig = Figure(figsize=(12, 6))
ax = fig.add_subplot()
_df = consulta2.reset_index()
_df.columns = ["_".join(x).rstrip("_") for x in _df.columns.to_flat_index()]
_df = _df.rename(columns={"año_de_nacimiento_vivo": "año"})
edo = "BAJA CALIFORNIA"
for edo in estados_mexicanos:
    _to_plot = _df[(_df["edo_captura"] == edo)][
        ["año", "edad_madre_mean", "edad_madre_std"]
    ]
    _to_plot = _to_plot.set_index("año")
    _to_plot.plot(y="edad_madre_mean", ax=ax, label=edo, linestyle="--", grid=True)


fig

fig = Figure(figsize=(12, 6))
ax = fig.add_subplot()
_df = consulta2.reset_index()
for edo in {x[0] for x in consulta.index.to_list()}:
    _to_plot = _df[(_df["edo_captura"] == edo)][
        [("año_de_nacimiento_vivo", ""), ("edad_madre", "count")]
    ]
    _to_plot.columns = ["Año", "Cantidad"]
    _to_plot = _to_plot.set_index("Año")

    _to_plot.plot(y="Cantidad", ax=ax, label=edo, linestyle="--", grid=True)

ax.legend(loc="upper left")
ax.set_xlabel("Año")
ax.set_ylabel("Cantidad de Nacimientos")
fig

Filtrar a solo observar los:

Top GDP

Agrupación por zonas metropolitanas