-
Notifications
You must be signed in to change notification settings - Fork 0
/
dim_biesoc.py
247 lines (201 loc) · 10 KB
/
dim_biesoc.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
# Dimensión Bienestar Social
# Documentos de referencia
# https://docs.google.com/spreadsheets/d/11sXtbYPi6ebDXrvFoHpA3qKGjS_OI4naNa0M4sXuFDY/edit#gid=1671296316
# https://kf.kobotoolbox.org/#/forms/aMbrw7VQcoKiZeRuEoJfCe/edit
import utils
from statistics import mean
# ------------------------------------------------------------
# Categoría: Economic conditions & opportunities
# Subcategoría: Employment & Entrepeneurship
# Employment levels and quality (e.g.: formal vs informal), as well as income levels, together with locally owned
# businesses in the area
# ------------------------------------------------------------
def c1(datos):
return _c1a(datos)
def _c1a(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_5'].split()
if "1" in respuestas: # Sector formal
return 100
return 0
# ------------------------------------------------------------
# Categoría: Economic conditions & opportunities
# Subcategoría: Affordability
# People´s capacity to afford basic services according to their wages
# ------------------------------------------------------------
def c2(datos):
respuestas_a = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13a'].split()
respuestas_b = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13b'].split()
respuestas_c = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13c'].split()
respuestas_d = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13d'].split()
respuestas_e = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13e'].split()
respuestas_f = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13f'].split()
respuestas_g = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13g'].split()
respuestas_h = datos['group_consented/group_biesoc/biesoc_13_group/biesoc_13h'].split()
return mean([utils.remap(int(respuestas_a[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_d[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_e[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_f[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_g[0]), 1, 3, 0, 100),
utils.remap(int(respuestas_h[0]), 1, 3, 0, 100)])
# ------------------------------------------------------------
# Categoría: Education
# Subcategoría: Education
# Adults and children pursued / are pursuing a level of education that allows them to have better opportunities
# ------------------------------------------------------------
def c3(datos):
respuestas_a = datos['group_consented/group_biesoc/biesoc_17'].split() # edad
respuestas_b = datos['group_consented/group_biesoc/biesoc_18'].split() # estudios
if int(respuestas_a[0]) >= 2 and int(respuestas_b[0]) >= 4: # Mayores de 18 que erminaron bachillerato o más
return 100
return 0
# ------------------------------------------------------------
# Categoría: Education
# Subcategoría: Digitalización
# Access to internet and IT devices (smartphones, computers, etc)
# ------------------------------------------------------------
def c4(datos):
return mean([_c4a(datos), _c4b(datos)])
def _c4a(datos):
respuestas_a = datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4a'].split()
respuestas_b = datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4b'].split()
respuestas_c = datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4c'].split()
respuestas_d = datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4d'].split()
respuestas_e = datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4e'].split()
existe_f = 'group_consented/group_biesoc/biesoc_4_group/biesoc_4f' in datos
respuestas_f = (
datos['group_consented/group_biesoc/biesoc_4_group/biesoc_4f'].split() if existe_f else
None
)
if existe_f:
return mean([utils.remap(int(respuestas_a[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_d[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_e[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_f[0]), 0, 3, 0, 100)])
else:
return mean([utils.remap(int(respuestas_a[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_d[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_e[0]), 0, 3, 0, 100), ])
def _c4b(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_3'].split()
if "1" in respuestas: # tiene celular
return 100
return 0
# ------------------------------------------------------------
# Categoría: Human Development and Inclusion
# Subcategoría: Social assistance and care system
# Vulnerable groups that benefit from social assistance programs (e.g.: pension, subsidies for single mothers, public
# nurseries, etc.)
# ------------------------------------------------------------
def c5(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_10'].split()
if "1" in respuestas: # es beneficiario
return 100
return 0
# ------------------------------------------------------------
# Categoría: Human Development and Inclusion
# Subcategoría: Poverty
# ------------------------------------------------------------
def c6(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_12'].split()
if "APENAS_CUBRE" in respuestas or "CUBRE" in respuestas or "CUBRE_HOLGADAMENTE" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Health & Wellbeing
# Subcategoría: Health
# Health status according to the suffering of diseases and the access to quality essential health-care services
# ------------------------------------------------------------
def c7(datos):
return mean([_c7a(datos), _c7b(datos)])
def _c7a(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_8'].split()
return utils.remap(int(respuestas[0]), 0, 4, 0, 100)
def _c7b(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_7'].split()
if "1" in respuestas or "2" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Health & Wellbeing
# Subcategoría: Food systems
# Food security that ensures access a healthy access to food, both in quantity and quality
# ------------------------------------------------------------
def c8(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_14'].split()
return utils.remap(int(respuestas[0]), 1, 5, 0, 100)
# ------------------------------------------------------------
# Categoría: Community engagement & participation
# Subcategoría: Culture and identity
# Availability of accesible social and cultural activities in the neighbourhood
# ------------------------------------------------------------
def c9(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_1'].split()
if "2" in respuestas or "3" in respuestas or "4" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Community engagement & participation
# Subcategoría: Community engagement
# Community engagement level and inclusive participation processes for decision making processes in the neighbourhood
# ------------------------------------------------------------
def c10(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_2'].split()
if (len(respuestas) >= 1) and ("0" not in respuestas):
return 100
return 0
# ------------------------------------------------------------
# Categoría: Gender Equity
# Subcategoría: Care distribution
# Time use in care responsibilities in mobility and private sphere
# ------------------------------------------------------------
def c11(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_15_group/biesoc_15a'].split()
if len(respuestas) == 1 and "3" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Gender Equity
# Subcategoría: Socio economic conditions
# Differences in multiple dimensions that ensure economic autonomy
# ------------------------------------------------------------
def c12(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_15_group/biesoc_15b'].split()
if len(respuestas) == 1 and "3" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Gender Equity
# Subcategoría: Safety and security aspects
# Ensurance of physical autonomy in terms of safety and security
# ------------------------------------------------------------
def c13(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_15_group/biesoc_15c'].split()
if len(respuestas) == 1 and "3" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Gender Equity
# Subcategoría: Participation
# Ensurance of decision-making autonomy
# ------------------------------------------------------------
def c14(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_15_group/biesoc_15d'].split()
if len(respuestas) == 1 and "3" in respuestas:
return 100
return 0
# ------------------------------------------------------------
# Categoría: Gender Equity
# Subcategoría: Climate change impacts
# Decrease women vulnerability to the effects of climate change
# ------------------------------------------------------------
def c15(datos):
respuestas = datos['group_consented/group_biesoc/biesoc_15_group/biesoc_15e'].split()
if len(respuestas) == 1 and "3" in respuestas:
return 100
return 0