Series collection
- from
- 2005-01-01=16,000
- to
- 2020-01-01=4,800
- min:
- 4,800
- max:
- 16,000
- avg:
- 10,400
- σ:
- 5,600
- from
- 2005-01-01=400
- to
- 2020-01-01=120
- min:
- 120
- max:
- 400
- avg:
- 260
- σ:
- 140
- from
- 2005-01-01=8,000
- to
- 2020-01-01=2,400
- min:
- 2,400
- max:
- 8,000
- avg:
- 5,200
- σ:
- 2,800
- from
- 2005-01-01=0.15
- to
- 2020-01-01=NA
- min:
- 0.1
- max:
- 0.3
- avg:
- 0.166
- σ:
- 0.069
- from
- 2005-01-01=0.25
- to
- 2020-01-01=NA
- min:
- 0.15
- max:
- 0.3
- avg:
- 0.23
- σ:
- 0.054
| Series code | 2005-01-01 | 2011-01-01 | 2012-01-01 | 2014-01-01 | 2018-01-01 | 2020-01-01 |
|---|---|---|---|---|---|---|
| [impot_revenu.credits_impots.transition_energetique.plafond.couple] | 16000 | - | - | - | - | 4800 |
| [impot_revenu.credits_impots.transition_energetique.plafond.personne_a_charge] | 400 | - | - | - | - | 120 |
| [impot_revenu.credits_impots.transition_energetique.plafond.personne_seule] | 8000 | - | - | - | - | 2400 |
| [impot_revenu.credits_impots.transition_energetique.taux_bis] | 0.15 | 0.13 | 0.1 | 0.3 | 0.15 | NA |
| [impot_revenu.credits_impots.transition_energetique.taux_general] | 0.25 | 0.22 | 0.15 | 0.3 | - | NA |
This Python snippet uses the DBnomics Python client to download the series of your cart and plot each of them with a line chart.
This is a starting point that you can customize. Plotly is used here, however any other chart library can be used.
You can start by copying it to a Jupyter Notebook , for example.
If you add series to your cart, you will need to copy-paste the new lines of the source code.
import plotly.express as px
import pandas as pd
from dbnomics import fetch_series
dfs = []
# Plafond pour un Couple à imposition commune du crédit d'impôt à la transition énergétique (2014-2021) et Crédit d'impôt au développement durable (2005-2014) par periode quinquennale
df1 = fetch_series("IPP/taxbenefit_tables/impot_revenu.credits_impots.transition_energetique.plafond.couple")
df1["series_id"] = df1[["provider_code", "dataset_code", "series_code"]].agg('/'.join, axis=1)
dfs.append(df1)
# display(df1)
display(px.line(df1, x="period", y="value", title=df1.series_id[0]))
# Majoration du plafond par personne à charge (diviser par 2 si garde partagée) du crédit d'impôt à la transition énergétique (2014-2021) et Crédit d'impôt au développement durable (2005-2014) par periode quinquennale
df2 = fetch_series("IPP/taxbenefit_tables/impot_revenu.credits_impots.transition_energetique.plafond.personne_a_charge")
df2["series_id"] = df2[["provider_code", "dataset_code", "series_code"]].agg('/'.join, axis=1)
dfs.append(df2)
# display(df2)
display(px.line(df2, x="period", y="value", title=df2.series_id[0]))
# Plafond pour personne seule du crédit d'impôt à la transition énergétique (2014-2021) et Crédit d'impôt au développement durable (2005-2014) par periode quinquennale
df3 = fetch_series("IPP/taxbenefit_tables/impot_revenu.credits_impots.transition_energetique.plafond.personne_seule")
df3["series_id"] = df3[["provider_code", "dataset_code", "series_code"]].agg('/'.join, axis=1)
dfs.append(df3)
# display(df3)
display(px.line(df3, x="period", y="value", title=df3.series_id[0]))
# Taux pour les dépenses en vitrage ou chauffage performant au fioul du crédit d'impôt à la transition énergétique (2014-2021) et Crédit d'impôt au développement durable (2005-2014)
df4 = fetch_series("IPP/taxbenefit_tables/impot_revenu.credits_impots.transition_energetique.taux_bis")
df4["series_id"] = df4[["provider_code", "dataset_code", "series_code"]].agg('/'.join, axis=1)
dfs.append(df4)
# display(df4)
display(px.line(df4, x="period", y="value", title=df4.series_id[0]))
# Taux général du crédit d'impôt à la transition énergétique (2014-2021) et Crédit d'impôt au développement durable (2005-2014)
df5 = fetch_series("IPP/taxbenefit_tables/impot_revenu.credits_impots.transition_energetique.taux_general")
df5["series_id"] = df5[["provider_code", "dataset_code", "series_code"]].agg('/'.join, axis=1)
dfs.append(df5)
# display(df5)
display(px.line(df5, x="period", y="value", title=df5.series_id[0]))
df_all = pd.concat(dfs)
fig = px.line(df_all, x="period", y="value", color="series_code", title="All the cart")
fig.update_layout(legend={"xanchor": "right", "yanchor": "bottom"})
fig.show()