# 第九堂課

****加分作業****
# 研究題目：台灣人民所得分佈之研究
* 研究背景：人民收入分佈一直是國家經濟上的重要課題。 傳統上，經濟學家常用羅倫茲曲線來呈現整體的人民收入的分佈情形。
* 研究問題：本研究希望探討我國國民收入的羅倫茲曲線。

* 資料來源：
我們從政府公開資料庫，取得全國國民的收入資料。(說明清楚你是怎麼收集到資料的，例如，我們小組建立google表單，請30位同學上網填答)

* 資料欄位的意義：
原始資料呈現如下。在資料表各欄位的意義如下，
ID：身份證字號 _id：程式字型產生的唯一碼 Income：收入，單位為新台幣。 Distribution：所參考的統計分佈。

* 資料清理：
我們檢查資料，發現資料內有下列問題。
A097730的收入為空值 A097730的收入異常大，有問題 _id欄位沒有用到，要刪除

---

# 讀取雲端硬碟中的excel檔
from google.colab import drive
drive.mount('/content/drive')
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
dfIncome = pd.read_excel('/content/drive/My Drive/___DataSet/001_Income_F.xlsx')
#dfIncome = pd.read_excel('/content/drive/My Drive/___DataSet/001_Income_test.xlsx')
dfIncome

---

# 將總收入與人數繪製成「直方圖」
https://www.w3schools.com/python/pandas/ref_df_count.asp
* 總收入與人數
sum=dfIncome['Income'].sum()
n=dfIncome['Income'].count()
print(f'總和={sum}, 樣本數={n}')
* 直方圖
plt.hist(dfIncome['Income'], bins=range(0, 100000, 1000))
plt.show()

---

# 根據資料繪製羅倫茲曲線（Lorenz curve）
dfLorenz=dfIncome[:]
se=dfLorenz['Income'].sort_values()
cumulativeSum=0
i=0
* 宣告xx為串列變數
xx=[]
* 宣告yy為串列變數
yy=[]
* 手動追蹤
for x in se:
i=i+1
cumulativeSum+=x
xx.append(i/n)
yy.append(cumulativeSum/sum)

plt.plot([0,1], linestyle = 'dotted')

* 散佈圖
plt.scatter(x=xx,y=yy,s=0.1)
plt.axis('square')
plt.xlim(0,1)
plt.ylim(0,1)

print('羅倫茲曲線（Lorenz curve）')
plt.show()

---

# 吉尼係數（Gini Coeffient)

# 會議記錄
------------------------
* 4/23