refs #3 - Add processed data

Data Processed:
- Grupos de carreras con mayor media de porcentajes de graduados(mujeres) en el período 2006-2018
- Grupos de carreras con mayor media de porcentajes de graduados(hombres) en el período 2006-2018
- Porcentaje de graduados(mujeres) por curso

data.py

@@ -7,25 +7,74 @@
 from PIL import Image
 
 
+def percentage(p, t):
+    return p * 100 / t
+
 data = []
 sns.set()
 
-###########Get the career groups with more and less initial female inscription in 2007-2019 period################################################
-with open("resources/db/grupos.json", "r") as fd:
-    for k, v in json.load(fd).items():
-        if v[0] == 0:
-            data.append([0, k])
-            continue
-        data.append([v[1] * 100 / v[0], k])
+###########Get the career groups with more and less initial female inscription in 2012-2018 period################################################
+# with open("resources/db/grupos.json", "r") as fd:
+#     for k, v in json.load(fd).items():
+#         if v[0] == 0:
+#             data.append([0, k])
+#             continue
+#         data.append([v[1] * 100 / v[0], k])
+
+# df = pd.DataFrame(data, columns=["porciento", "grupos"]).sort_values(by="porciento")
+# print(df)
+
+# df.plot(kind="bar", x="grupos", y="porciento", rot=25, title="Matrícula inicial universitaria por grupos de carreras en el curso 2017-2018")
+# plt.tight_layout()
+# plt.show()
+###################################################################################################################################################
+
+########Compare the total of graduates of men with women, for career groups. Get the groups with more and less female graduates 2006-2018####################
+data.clear()
+female = []
+periods = ["2006/07", "2007/08", "2008/09", "2009/10", "2010/11", "2011/12", "2012/13", "2013/14", "2014/15", "2015/16", "2016/17", "2017/18"]
+
+with open("resources/db/graduaciones.json", "r") as fd:
+    data = json.load(fd)
+    dfTotal = pd.DataFrame(data, index=periods)
+    dfPer = pd.DataFrame(data, index=periods)
+
+with open("resources/db/graduaciones(mujeres).json", "r") as fd:
+    data = json.load(fd)
+    dfF = pd.DataFrame(data, index=periods)
 
-df = pd.DataFrame(data, columns=["percentage", "group"]).sort_values(by="percentage")
-print(df)
+for p in periods:
+    for i in range(len(dfTotal.loc[p])):
+        dfPer.loc[p][i] = dfF.loc[p][i] * 100 / dfTotal.loc[p][i]
 
-df.plot(kind="bar", x="group", y="percentage", rot=25, title="Matrícula inicial universitaria por grupos de carreras en el período 2007-2019")
+print(dfPer)
+# tight_layout manually
+dfPer.plot(title="Porcentaje de graduados(mujeres) por curso")
+plt.xticks(range(len(dfPer.index)), dfPer.index)
+plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0.)
+
+# mean of groups across period
+PerM = dfPer.mean(0)
+
+# Best mean for female
+BestM = [[g, p] for g, p in PerM.items() if p >= 50]
+dfBestM = pd.DataFrame(BestM, columns=["grupos", "porciento"]).sort_values(by="porciento")
+print(dfBestM)
+
+dfBestM.plot(kind="bar", x="grupos", y="porciento", rot=25, title="Grupos de carreras con mayor media de porcentajes de graduados(mujeres) en el período 2006-2018")
+plt.tight_layout()
+#plt.show()
+
+# Best mean for male
+BestM = [[g, 100 - p] for g, p in PerM.items() if p <= 50]
+dfBestM = pd.DataFrame(BestM, columns=["grupos", "porciento"]).sort_values(by="porciento")
+print(dfBestM)
+
+dfBestM.plot(kind="bar", x="grupos", y="porciento", rot=25, title="Grupos de carreras con mayor media de porcentajes de graduados(hombres) en el período 2006-2018")
 plt.tight_layout()
 plt.show()
-###################################################################################################################################################
 
+####################################################################################################################################################
 text1 = '''
 Hay carreras universitarias en nuestro país cuya matrícula es predominantemente femenina. No es un fenómeno particular de una 
 institución, sino es un hecho común en todas las universidades del país. Puede se de interés cuáles son