Codebook 2
Polity
http://www.systemicpeace.org/inscrdata.html
http://www.ub.umu.se/sok/tidskrifter/cnts
import pandas as pd
#name = 'SGP'
#name = 'SIN'
#name = 'CHN'
#name = 'VEN'
#name = 'TUR'
#name = 'RUS'
df = pd.read_csv('bdm2s2_nation_year_data_may2002.csv')
df2 = df[(df['worldbankcode']==name) & (df['year'] > 1980)]
def W(df_in):
df_in['W2'] = 0.
df_in['W2'] += ((pd.isnull(df_in['RegimeType'])==False) & (df_in['RegimeType'] !=2) & (df_in['RegimeType'] != 3)).astype(int)
df_in['W2'] += (df_in['xrcomp'] >= 2).astype(int)
df_in['W2'] += (df_in['xropen'] > 2).astype(int)
df_in['W2'] += (df_in['parcomp'] == 5).astype(int) # none for TR
df_in['W2'] = df_in['W2'] / 4.
W(df2)
print df2[['worldbankcode','RegimeType','xrcomp','xropen','parcomp','year','W','W2','S']]
worldbankcode RegimeType xrcomp xropen parcomp year W W2 S
10228 RUS 1 NaN NaN NaN 1981 0.75 0.25 1
10229 RUS 1 NaN NaN NaN 1982 0.75 0.25 1
10230 RUS 1 NaN NaN NaN 1983 0.75 0.25 1
10231 RUS 1 NaN NaN NaN 1984 0.75 0.25 1
10232 RUS 1 NaN NaN NaN 1985 0.75 0.25 1
10233 RUS 1 NaN NaN NaN 1986 0.75 0.25 1
10234 RUS 1 NaN NaN NaN 1987 0.75 0.25 1
10235 RUS 1 NaN NaN NaN 1988 0.75 0.25 1
10236 RUS 1 NaN NaN NaN 1989 0.75 0.25 1
10237 RUS 1 NaN NaN NaN 1990 0.75 0.25 1
10238 RUS 1 NaN NaN NaN 1991 0.75 0.25 1
10239 RUS 1 3 4 3 1992 0.75 0.75 1
10240 RUS 1 3 4 4 1993 0.75 0.75 1
10241 RUS 1 3 4 4 1994 0.75 0.75 1
10242 RUS 1 3 4 4 1995 0.75 0.75 1
10243 RUS 1 3 4 4 1996 0.75 0.75 1
10244 RUS 1 3 4 4 1997 0.75 0.75 1
10245 RUS 1 3 4 4 1998 0.75 0.75 1
10246 RUS 1 3 4 4 1999 0.75 0.75 1
df['WS'] = df['W']/(np.log((df['S']+1)*10)/3)
df2['S2'] = df2['Legselec'] / 2.
print df2[['year','legselec','S','S2']]
year legselec S S2
15018 1981 0 0 0
15019 1982 0 0 0
15020 1983 NaN 1 1
15021 1984 NaN 1 1
15022 1985 NaN 1 1
15023 1986 NaN 1 1
15024 1987 NaN 1 1
15025 1988 NaN 1 1
15026 1989 NaN 1 1
15027 1990 NaN 1 1
15028 1991 NaN 1 1
15029 1992 NaN 1 1
15030 1993 NaN 1 1
15031 1994 NaN 1 1
15032 1995 NaN 1 1
15033 1996 NaN 1 1
15034 1997 NaN 1 1
15035 1998 NaN 1 1
15036 1999 NaN 1 1
15037 2000 NaN NaN NaN
pol = pd.read_csv('polity4v2013.csv')
pol['RegimeType'] = 1.
pol2 = pol[(pol['scode']==name) & (pol['year'] > 2000)]
W(pol2)
print pol2[['scode','year','xrcomp','xropen','parcomp','W2']]
scode year xrcomp xropen parcomp W2
12558 RUS 2001 2 4 4 0.75
12559 RUS 2002 2 4 4 0.75
12560 RUS 2003 2 4 4 0.75
12561 RUS 2004 2 4 4 0.75
12562 RUS 2005 2 4 4 0.75
12563 RUS 2006 2 4 4 0.75
12564 RUS 2007 2 4 4 0.75
12565 RUS 2008 2 4 4 0.75
12566 RUS 2009 2 4 4 0.75
12567 RUS 2010 2 4 4 0.75
12568 RUS 2011 2 4 4 0.75
12569 RUS 2012 2 4 4 0.75
12570 RUS 2013 2 4 4 0.75
a = 0.029
print 10*1000 * ((1+a)**10.)
13309.2550483
df = pd.read_csv('bdm2s2_nation_year_data_may2002.csv')
df = df[(df['S'] == 0.5) & (df['year'] > 1950)]
print df[['country','year','xrcomp','xropen','parcomp','W','S']]
country year xrcomp xropen parcomp W S
2439 NICARAGUA 1980 -77 -77 -77 0.00 0.5
2440 NICARAGUA 1981 0 0 2 0.00 0.5
2441 NICARAGUA 1982 0 0 2 0.00 0.5
2442 NICARAGUA 1983 0 0 2 0.00 0.5
2884 COLOMBIA 1954 1 4 3 0.25 0.5
2885 COLOMBIA 1955 1 4 3 0.25 0.5
2886 COLOMBIA 1956 1 4 3 0.25 0.5
2887 COLOMBIA 1957 2 4 4 0.50 0.5
3303 SURINAME 1985 NaN NaN NaN 0.50 0.5
3304 SURINAME 1986 NaN NaN NaN 0.50 0.5
4729 URUGUAY 1973 1 4 1 0.25 0.5
4730 URUGUAY 1974 1 4 1 0.25 0.5
4731 URUGUAY 1975 1 4 1 0.25 0.5
4732 URUGUAY 1976 1 4 1 0.25 0.5
4733 URUGUAY 1977 1 4 1 0.25 0.5
4734 URUGUAY 1978 1 4 1 0.25 0.5
4735 URUGUAY 1979 1 4 1 0.25 0.5
4736 URUGUAY 1980 1 4 1 0.25 0.5
4737 URUGUAY 1981 1 4 1 0.25 0.5
4738 URUGUAY 1982 1 4 1 0.25 0.5
4739 URUGUAY 1983 1 4 1 0.25 0.5
6269 SPAIN 1951 0 0 1 0.25 0.5
6270 SPAIN 1952 0 0 1 0.25 0.5
6271 SPAIN 1953 0 0 1 0.25 0.5
6272 SPAIN 1954 0 0 1 0.25 0.5
6273 SPAIN 1955 0 0 1 0.25 0.5
6274 SPAIN 1956 0 0 1 0.25 0.5
6275 SPAIN 1957 0 0 1 0.25 0.5
6276 SPAIN 1958 0 0 1 0.25 0.5
6277 SPAIN 1959 0 0 1 0.25 0.5
... ... ... ... ... ... ... ...
18601 BRUNEI 1992 NaN NaN NaN 0.75 0.5
18602 BRUNEI 1993 NaN NaN NaN 0.75 0.5
18603 BRUNEI 1994 NaN NaN NaN 0.75 0.5
18604 BRUNEI 1995 NaN NaN NaN 0.75 0.5
18605 BRUNEI 1996 NaN NaN NaN 0.75 0.5
18606 BRUNEI 1997 NaN NaN NaN 0.75 0.5
18607 BRUNEI 1998 NaN NaN NaN 0.75 0.5
18608 BRUNEI 1999 NaN NaN NaN 0.75 0.5
18681 INDONESIA 1951 1 4 3 0.50 0.5
18682 INDONESIA 1952 1 4 3 0.50 0.5
18683 INDONESIA 1953 1 4 3 0.50 0.5
18684 INDONESIA 1954 1 4 3 0.50 0.5
18690 INDONESIA 1960 1 4 2 0.50 0.5
18691 INDONESIA 1961 1 4 2 0.50 0.5
18692 INDONESIA 1962 1 4 2 0.50 0.5
18693 INDONESIA 1963 1 4 2 0.50 0.5
18694 INDONESIA 1964 1 4 2 0.50 0.5
18695 INDONESIA 1965 1 4 2 0.50 0.5
18698 INDONESIA 1968 1 4 2 0.25 0.5
18699 INDONESIA 1969 1 4 2 0.25 0.5
18700 INDONESIA 1970 1 4 2 0.25 0.5
19649 TONGA 1970 NaN NaN NaN 0.75 0.5
19651 UA EMIRATES 1972 NaN NaN NaN 0.75 0.5
19652 UA EMIRATES 1973 NaN NaN NaN 0.75 0.5
19653 UA EMIRATES 1974 NaN NaN NaN 0.75 0.5
19658 UA EMIRATES 1979 NaN NaN NaN 0.75 0.5
19666 TONGA 1987 NaN NaN NaN 0.75 0.5
19673 UA EMIRATES 1994 NaN NaN NaN 0.75 0.5
19675 UA EMIRATES 1996 NaN NaN NaN 0.75 0.5
19678 TONGA 1999 NaN NaN NaN 0.75 0.5
[270 rows x 7 columns]