Topic Assignments by Database

Here's a Jupyter notebook run on 1/3/2020 showing the number of indicators per topic and database. 0 shows indicators that have no topic assignment.

import wbgapi as wb
import pandas as pd
import numpy as np

dummy = pd.Series()
pd.options.display.max_columns = 50

df = pd.DataFrame()

def initval(x):

    return 0 if np.isnan(x) else x

for i in wb.source.list():
    index = '{} ({})'.format(i['code'], i['id'])
    print('Tallying {}'.format(index))
    for row in wb.fetch('https://api.worldbank.org/v2/en/indicator', {'source': i['id']}):
        nTopics = 0            
        for t in row['topics']:
            tid = int(t.get('id', 0))                
            if tid > 0:
                df.loc[index, tid] = initval(df.get(tid,dummy).get(index,0)) + 1
                nTopics += 1
        
        if nTopics == 0:
            tid = 0
            df.loc[index, tid] = initval(df.get(tid,dummy).get(index,0)) + 1

df.replace(np.nan, '-').sort_index(axis=1)

	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21
1 (DBS)	201	-	-	-	-	1	-	-	-	-	-	-	4	-	-	-	-	-	-	1	-	-
2 (WDI)	44	44	70	247	154	50	135	64	250	47	156	25	165	97	13	34	21	163	5	76	61	146
3 (WGI)	36	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
5 (SNM)	5	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
6 (IDS)	-	-	2	14	-	-	-	5	-	-	-	-	-	-	-	-	-	-	-	-	497	2
11 (ADI)	808	40	47	203	76	25	37	44	125	58	84	18	99	72	7	32	17	98	-	53	114	85
12 (EDS)	2361	-	4	12	1414	-	-	-	16	2	17	-	-	-	-	7	-	52	-	5	1	-
13 (ESY)	89	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
14 (GDS)	225	2	4	8	78	-	5	1	76	-	68	3	8	9	-	23	-	220	-	3	-	-
15 (GEM)	38	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
16 (HNP)	107	4	8	1	31	-	23	1	239	-	6	3	-	-	-	9	5	65	-	9	-	-
18 (IDA)	3	-	9	8	8	1	3	1	14	3	7	3	2	1	-	3	1	13	-	10	3	1
19 (MDG)	12	4	15	10	14	2	10	-	28	6	17	10	-	1	-	11	3	30	24	17	5	1
20 (PSD)	564	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
22 (QDS)	1800	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
23 (QDG)	256	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
24 (POV)	39	2	2	-	-	-	-	-	1	-	-	24	-	-	-	-	2	-	-	2	-	-
25 (JOB)	2	6	4	23	27	3	1	15	16	7	50	2	21	12	4	11	3	43	-	11	-	8
27 (GEP)	1	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
28 (FDX)	776	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
29 (GSP)	864	-	-	-	-	-	-	-	1	-	1972	-	-	-	-	-	-	-	-	1	-	-
30 (ED1)	98	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
31 (CPI)	-	-	-	-	-	-	-	-	-	-	-	-	-	21	-	-	-	-	-	1	-	-
32 (GFD)	7	-	-	5	-	-	-	104	1	-	-	-	-	-	-	-	-	-	-	1	1	-
33 (G2F)	131	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
34 (GPE)	678	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
35 (SE4)	11	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
36 (BBS)	25	-	-	-	-	-	-	-	-	-	-	-	-	4	-	-	-	-	-	-	-	-
37 (LEL)	-	-	-	18	2	-	-	-	-	-	84	107	-	-	-	-	-	-	-	-	-	-
38 (SNP)	-	1	-	-	-	-	-	-	-	-	-	3	-	-	-	-	1	-	-	-	-	-
39 (HNQ)	63	-	-	-	-	-	-	-	355	-	-	-	-	-	-	-	-	-	2	-	-	-
40 (HPP)	73	3	2	-	2	-	-	1	84	-	-	-	-	-	-	2	3	17	-	6	-	-
41 (CPS)	185	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
43 (WAT)	-	-	-	25	-	9	27	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
45 (IDD)	214	1	-	-	-	-	-	-	5	-	-	-	-	-	-	-	-	1	-	1	-	-
46 (SDG)	24	9	11	35	85	11	64	4	87	15	55	7	14	10	4	14	9	76	-	26	3	7
50 (SNT)	1	-	-	-	-	-	-	-	1	-	-	-	-	-	-	-	-	-	-	1	-	-
54 (JED)	28	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
57 (WDA)	826	49	73	273	174	53	139	91	277	67	180	29	173	100	13	35	24	188	5	81	233	152
58 (UHC)	-	-	-	-	-	-	-	-	13	-	-	-	-	-	-	-	-	-	-	-	-	-
59 (WAC)	54	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
60 (EFT)	2	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
61 (PRQ)	4	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
62 (ICP)	12	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
63 (HCI)	27	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
64 (WBI)	87	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
65 (HPI)	315	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
66 (LPI)	12	-	-	-	-	-	-	-	-	-	-	-	7	-	-	-	-	-	-	-	-	7
67 (PF1)	107	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
69 (RFA)	347	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
70 (EF2)	2	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
71 (IC5)	17	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
73 (RFI)	19	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
75 (ESG)	13	4	4	4	5	9	17	2	11	3	4	4	2	2	3	4	2	3	-	16	-	1

# and here's a topic legend of sorts
for row in wb.fetch('https://api.worldbank.org/v2/en/topic'):
    print('{:2} {}'.format(row['id'], row['value']))

1  Agriculture & Rural Development
2  Aid Effectiveness
3  Economy & Growth
4  Education
5  Energy & Mining
6  Environment
7  Financial Sector
8  Health
9  Infrastructure
10 Social Protection & Labor
11 Poverty
12 Private Sector
13 Public Sector
14 Science & Technology
15 Social Development
16 Urban Development
17 Gender
18 Millenium development goals
19 Climate Change
20 External Debt
21 Trade