import numpy as np
import pandas as pd
import seaborn
import scipy.stats as st
import matplotlib.pyplot as plt
import statsmodels.api as sm
import statsmodels.formula.api as smf

pd.set_option('display.float_format', lambda x:'%.2f'%x)

# Đọc dữ liệu
data = pd.read_csv('ool.csv', low_memory=False)

# Chuyển sang dữ liệu số
data['W2_QG_2'] = pd.to_numeric(data['W2_QG_2'], errors='coerce')

# Tinh chỉnh câu hỏi nghiên cứu
sub1=data[(data['PPAGECT4'] >= 1) &(data['PPAGECT4'] <= 4) & (data['W2_QG_2']==1)]
# Mã hóa biến phân loại theo kiểu nhị phân
recode1 = {1: 0, 2: 1}

# Đặt tên mới cho biến vừa mã hóa
sub1['SEX'] = sub1['PPGENDER'].map(recode1)
sub1['SEX'] = pd.to_numeric(sub1['SEX'], errors='coerce')

# Phân tích 
print("Phân tích hồi quy với biến giải thích là phân loại và biến phản hồi là định lượng")
reg1 = smf.ols('W1_N1J ~ SEX', data=sub1).fit()
print (reg1.summary())

# Đồ thị
seaborn.factorplot(x="SEX", y="W1_N1J", data=sub1, kind="bar", ci=None)
plt.xlabel('Giới tính')
plt.ylabel('Trung bình số lượng đánh giá tỷ lệ 1% giàu có nhất')
plt.title('Scatterplot cho mối liên hệ giữa giới tính và số lượng đánh giá tỷ lệ 1% giàu có nhất')
plt.show()