(census) spis-2025 graphs, scaffolding

census/analyse.py

@@ -31,10 +31,24 @@ transition_sentiment = {
     'stosuję microdosing': 1,
     'w części miejsc tak, w części nie': 1,
     'zamierzam zacząć w przyszłości': 1,
+    'już przeszł_m proces zmiany na opcję neutraną': 1,
+    'tak': 1,
+    'jestem w trakcie procesu zmiany na opcję neutraną': 1,
+    'jestem w trakcie procesu zmiany na drugi znacznik binarny': 1,
+    'zamierzam przejść w przyszłości, tylko jeśli w Polsce będzie możliwe usunięcie znacznika': 1,
+    'zamierzam przejść w przyszłości, tylko jeśli w Polsce będzie dostępna opcja neutralna': 1,
+    'zamierzam przejść w przyszłości, na znacznik binarny': 1,
+    'już przeszł_m proces zmiany na drugi znacznik binarny': 1,
+    'przeszł_m część z zabiegów, które chcę przejść': 1,
+    'przyjmuję hormony': 1,
+    'stosuję microdosing': 1,
+    'przechodzę, we wszystkich obszarach życia': 1,
+    'przeszł_m już wszystkie zabiegi, które chcę przejść': 1,
     'jeszcze nie wiem': 0,
     'nie chcę odpowiadać': 0,
     'nie zamierzam': -1,
     'przechodzę/przeszł_m detranzycję': -1,
+    'przechodzę/przeszł_m <u>de</u>tranzycję': -1,
 }
 
 def extract_question(
@@ -192,7 +206,7 @@ def analyse(group: str, df: pd.DataFrame, full_df: pd.DataFrame, echo: bool = Fa
 
     df_plural = df[df['7_aggr_mnogie'] == 1]
     df_neuter = df[df['7_rodzaj neutralny'] == 1]
-    df_transition = df[df['22_'] == 'tak']
+    df_transition = df[df['24_'] == 'tak']
 
     stats = {
         'size': len(df),
@@ -219,8 +233,8 @@ def analyse(group: str, df: pd.DataFrame, full_df: pd.DataFrame, echo: bool = Fa
             'over_25': percent(len(df[df['age'] >= 25]), len(df)),
             'over_25_count': len(df[df['age'] >= 25]),
         },
-        'neuter': extract_question_single(df, 6),
+        'neuter': extract_question(df, 6),
-        'neuterByUsers': extract_question_single(df_neuter, 6),
+        'neuterByUsers': extract_question(df_neuter, 6),
         'pronounGroups': extract_question(df, 7),
         'pronounGroupsAggr': extract_question(df, 7, include_answers=False, include_aggregates=True),
         'pluralNouns': extract_question_single(df_plural, 8),
@@ -232,26 +246,28 @@ def analyse(group: str, df: pd.DataFrame, full_df: pd.DataFrame, echo: bool = Fa
         'obstacles': extract_question(df, 13),
         'groups': extract_question(df, 14),
         'reasons': extract_question(df, 15),
-        'names': extract_question_single(df, 16),
+        'namesGender': extract_question_single(df, 16),
-        'namesAggr': extract_question(df, 16, include_answers=False, include_aggregates=True),
+        'names': extract_question_single(df, 17),
-        'english': extract_question(df, 17, include_aggregates=True),
+        'namesAggr': extract_question(df, 17, include_answers=False, include_aggregates=True),
-        'labelsGender': extract_question(df, 18, include_aggregates=True, remove_underscores=False),
+        'namesDeclension': extract_question_single(df, 18),
-        'labelsAttractionSplit': extract_question_single(df, 19),
+        'english': extract_question(df, 19, include_aggregates=True),
-        'labelsSexuality': extract_question(df, 20, include_aggregates=True, remove_underscores=False),
+        'labelsGender': extract_question(df, 20, include_aggregates=True, remove_underscores=False),
-        'labelsRomantic': extract_question(df, 21, include_aggregates=True, remove_underscores=False),
+        'labelsAttractionSplit': extract_question_single(df, 21),
-        'transtionAnswered': extract_question_single(df, 22),
+        'labelsSexuality': extract_question(df, 22, include_aggregates=True, remove_underscores=False),
-        'transitionSocial': extract_question_single(df_transition, 23),
+        'labelsRomantic': extract_question(df, 23, include_aggregates=True, remove_underscores=False),
-        'transitionSocialSentiment': extract_question_single_sentiment(df_transition, 23, sentiment_map=transition_sentiment),
+        'transtionAnswered': extract_question_single(df, 24),
-        'transitionName': extract_question_single(df_transition, 24),
+        'transitionSocial': extract_question_single(df_transition, 25),
-        'transitionNameSentiment': extract_question_single_sentiment(df_transition, 24, sentiment_map=transition_sentiment),
+        'transitionSocialSentiment': extract_question_single_sentiment(df_transition, 25, sentiment_map=transition_sentiment),
-        'transitionMarker': extract_question_single(df_transition, 25),
+        'transitionName': extract_question_single(df_transition, 26),
-        'transitionMarkerSentiment': extract_question_single_sentiment(df_transition, 25, sentiment_map=transition_sentiment),
+        'transitionNameSentiment': extract_question_single_sentiment(df_transition, 26, sentiment_map=transition_sentiment),
-        'transitionPhysical': extract_question_single(df_transition, 26),
+        'transitionMarker': extract_question_single(df_transition, 27),
-        'transitionPhysicalSentiment': extract_question_single_sentiment(df_transition, 26, sentiment_map=transition_sentiment),
+        'transitionMarkerSentiment': extract_question_single_sentiment(df_transition, 27, sentiment_map=transition_sentiment),
-        'transitionHormonal': extract_question_single(df_transition, 27),
+        'transitionPhysical': extract_question_single(df_transition, 28),
-        'transitionHormonalSentiment': extract_question_single_sentiment(df_transition, 27, sentiment_map=transition_sentiment),
+        'transitionPhysicalSentiment': extract_question_single_sentiment(df_transition, 28, sentiment_map=transition_sentiment),
-        'transitionSurgical': extract_question_single(df_transition, 28),
+        'transitionHormonal': extract_question_single(df_transition, 29),
-        'transitionSurgicalSentiment': extract_question_single_sentiment(df_transition, 28, sentiment_map=transition_sentiment),
+        'transitionHormonalSentiment': extract_question_single_sentiment(df_transition, 29, sentiment_map=transition_sentiment),
+        'transitionSurgical': extract_question_single(df_transition, 30),
+        'transitionSurgicalSentiment': extract_question_single_sentiment(df_transition, 30, sentiment_map=transition_sentiment),
     }
 
     stats_json = {
@@ -318,7 +334,7 @@ if __name__ == '__main__':
     df.loc[:, 'age'] = year - df['3_']
     df.loc[df['age'] > 100, 'age'] = None
 
-    diffs = [2021, 2022, 2023]
+    diffs = [2021, 2022, 2023, 2024]
 
     stats = {
         'general': analyse('general', df, df, args.echo, diffs),
@@ -363,7 +379,9 @@ if __name__ == '__main__':
         'obstacles': 'Dlaczego nie formy niebinarne?',
         'reasons': 'Co wpływa na wybór form?',
         'groups': 'Formy do opisu grup mieszanych',
-        'names': 'Używane imię',
+        'namesGender': 'Upłciowienie używanego imienia',
+        'names': 'Wybór używanego imienia',
+        'namesDeclension': 'Odmiania używanego imienia',
         'english': 'Zaimki w języku angielskim',
         'labelsGender': 'Etykietki opisujące płeć',
         'labelsSexuality': 'Etykietki opisujące orientację seksualną',