PyEPH - Procesamiento de Encuesta Permanente de Hogares de INDEC en Python#

PyPI PyPI - License PyPI - Python Version PyPI - Downloads Downloads Documentation Status DOI

La librería Pyeph tiene como objetivo facilitar el procesamiento en Python de las Encuesta Permanente de Hogares (eph) publicadas por INDEC de forma periódica. Está pensada como un espacio donde se nuclean y centralizan los cálculos vinculados a las mismas para posteriormente ser utilizadas en investigaciones, artículos, publicaciones, etc. Es una librería que hace principal hincapié en la transparencia metodológica utilizando licencias de código abierto y que promueve la colaboración de las comunidades de cientístas de datos, sociales, investigadorxs, desarrolladorxs, periodistas y demás curiosxs.

Permite la descarga de archivos de EPH's y otros como la canasta basica y adulto equivalente , como asi también algunos calculos rápidos relacionados con las mismas

Repo: https://github.com/institutohumai/pyeph

Cómo citar la librería#

Carolina Trogliero, Mariano Valdez y Maria Frances Gaska (2022). PyEPH: Librería para la obtención y el procesamiento de la Encuesta Permanente de Hogares (EPH-INDEC). PyEPH version https://doi.org/10.5281/zenodo.6727908

Tenga en cuenta#

Esta librería se encuentra en estado permanente de desarrollo.

Cualquier colaboración es bienvenida

Agradecimientos#

Dejamos aquí un especial agradecimiento al equipo de desarrollo de la librería EPH en R. Todo el amor para elles ❤️ y a Rami Argañaraz por armarnos el loguito 😻

Instalación#

Pueden probar nuestra notebook de ejemplo en Google Colab

Recordá abrir en una nueva pestaña

Prerequisitos#

Instalando PyEPH#

  • Abra una terminal del sistema y escriba

$ pip install pyeph

Uso básico#

Los siguientes son algunos ejemplos de uso. Para ver todos los cálculos podés ir para la documentación

En inglés

import pyeph

# Obtención
eph = pyeph.get(data="eph", year=2021, period=2, base_type='individual') # EPH individual
basket = pyeph.get(data="canastas") # canasta basica total y alimentaria
adequi = pyeph.get(data="adulto-equivalente") # adulto equivalente

# Cálculos de ejemplo de pobreza
poverty = pyeph.Poverty(eph, basket)
population_poverty = poverty.population(group_by='CH04') # Población pobre por sexo
labeled_poverty = pyeph.map_labels(population_poverty) # Etiquetado de las variables

# Cálculos de Mercado Laboral
labor_market = pyeph.LaborMarket(eph)
unemployment = labor_market.unemployment(group_by="REGION", div_by="PT") # Desempleo agrupado por region y dividiendo por Población Total
labeled_unemployment = pyeph.map_labels(unemployment) # Etiquetado de las variables

En español

import pyeph

# Obtención
eph = pyeph.obtener(data="eph", ano=2021, periodo=2, tipo_base='individual') # EPH individual
canastas = pyeph.obtener(data="canastas") # canasta basica total y alimentaria
adequi = pyeph.obtener(data="adulto-equivalente") # adulto equivalente

# Cálculos de ejemplo de pobreza
pobreza = pyeph.Pobreza(eph, canastas)
poblacion_pobre = pobreza.poblacion(agrupar_por='CH04') # Población pobre por sexo
poblacion_pobre_etiquetado = pyeph.etiquetar(poblacion_pobre) # Etiquetado de las variables

# Cálculos de Mercado Laboral
mercado_laboral = pyeph.MercadoLaboral(eph)
desempleo = mercado_laboral.desempleo(agrupar_por="REGION", div_por="PT") # Desempleo agrupado por region y dividiendo por Población Total
desempleo_etiquetado = pyeph.etiquetar(desempleo) # Etiquetado de las variables

Obtención de bases de datos#

La función pyeph.obtener() o pyeph.get() - genera la obtención de un pandas.DataFrame de las bases que el usuario solicite.

¿Qué se obtiene?#

  • Microdata

  • Canasta básica

  • Adulto equivalente

  • En construcción…

¿En qué formato se obtienen?#

Los archivos originales se encuentran en formato “.csv” comprimidos en formato “.zip” Lo que se alacema efectivamente en disco es el archivo “.zip”

¿Desde dónde se obtienen?#

Los archivos se encuentran almacenados en github. Esto debido a la necesidad de estandarizar los archivos para su posterior procesamiento en los cálculos. Los archivo servidos por INDEC se encuentran descentralizados y con diferentes nomenclaturas. Y, además, de esta manera ahorramos el posible mal funcionamiento del módulo de descarga de la libreria puesto que no siempre está disponible el sitio de INDEC para su consulta. En cualquier caso, de verse necesario realizar la obtención de los datos desde INDEC por asuntos de fiabilidad, es un llamamiento a la comunidad para desarrollar esa sescción. En getter.py se deberá modificar el método from_indec()

¿Dónde se almacenan?#

Los archivos descargados se pueden encontrar dentro de la carpeta «.db», localizada dentro de «ruta-local-de-python/site-packages/pyeph/»

Uso#

Dependiendo el tipo de base que se quiera obtener, se realizarán diferentes acciones.

Microdatos#

Al peticionar los microdatos pyeph revisa si existe el archivo de la eph solicitada en local. En caso de que exista, retorna el DataFrame del archivo .csv; en caso de no existir primero realiza su descarga.

pyeph.obtener(data="eph", ano=2017, periodo=2, frecuencia="trimestre", tipo_base="individual")

o

pyeph.get(data="eph", year=2017, period=2, freq="trimestre", base_type="individual")

Parámetros#

Parámetros

Tipo de dato

Descripción

data=eph

str

«eph» para solicitar los microdatos de las EPH’s

ano (year)

int

Año de la EPH solicitada

periodo (period)

int

Periodo de la EPH solicitada

frecuencia (freq)

str

Frecuencia de periodización (default: «trimestre»)

tipo_base (base_type)

str

Tipo de base (Hogar o Individual) (default: «individual»)

Canasta Básica Alimentaria y Canasta Básica Total#

Al peticionar la canasta pyeph intenta obtener las CBA y CBT más actualizadas. Retornará la ultima que encuentre

pyeph.obtener(data="canastas")

o

pyeph.get(data="basket")

Parámetros#

Parámetros

Tipo de dato

Descripción

data=canastas (basket)

str

CBA y CBT

Cálculos#

Cálculo de la Pobreza e Indigencia#

La clase pyeph.Pobreza() o pyeph.Poverty() - instancia el calculo de la pobreza e indigencia utilizando la metodología de línea para las bases trimestrales. Tiene dos métodos principales (hogares()/household() y poblacion()/population()) que devuleven un dataframe con información referida a la tasa de pobreza de personas y la tasa de pobreza de hogares.

Aclaración: No existe información publicada fuera de los informes de prensa en formato pdf sobre los valores de las canastas básicas y alimentarias. No obstante, hemos desarrollado dos funcionaes que, de encontrarse disponibles dichos datos, podrían calcular de forma automática los valores de pobreza e indigencia.

Uso#

La clase pyeph.Pobreza() o pyeph.Poverty() recibe los siguientes parámetros:

pyeph.Pobreza(eph, canasta)

o

pyeph.Poverty(eph, basket)

Parámetros#

Parámetros

Tipo de dato

Descripción

eph

pandas.DataFrame

Base de EPH individual publicada por INDEC.

basket (canasta)

pandas.DataFrame

Base de datos de Canasta Básica Total y Canasta Básica Alimentaria con el formato específicado aquí.

Métodos#

La clase pyeph.Pobreza() o pyeph.Poverty() instancia el calculo de pobreza e indigencia. Para obtener el dataframe con los resultados podrá consultar los métodos hogares()/household() o poblacion()/population(), según corresponda.

  • Pobreza e Indigencia de Personas

Este método retorna como resultado un pandas.DataFrame donde se especifica el porcentaje y la cantidad de personas en situación de pobreza e indigencia. Esta información puede calcularse agrupada por otras categorías de interés (ejemplo: sexo).

pyeph.Pobreza(eph, canasta).poblacion(agrupar_por)

o

pyeph.Poverty(eph, basket).population(group_by)

  • Pobreza e Indigencia de Hogares

Este método retorna como resultado un pandas.DataFrame donde se especifica el porcentaje y la cantidad de hogares en situación de pobreza e indigencia. En este caso, no es posible obtener la información agrupada por otra categoría.

pyeph.Pobreza(eph, canasta).hogares()

o

pyeph.Poverty(eph, basket).household()

Ejemplos#

Primero se instancia la clase pyeph.Pobreza() o pyeph.Poverty() :

import pyeph

# Obtencion de la base de datos
eph = pyeph.obtener(data="eph", ano=2019, periodo=1, tipo_base='individual') # INGLÉS: eph = pyeph.get(data="eph", year=2019, period=1, base_type='individual')

#Obtencion de la canasta
canasta = pyeph.obtener(data="canastas") # INGLÉS: canasta = pyeph.get(data="canastas")

# Instanciar la clase Pobreza() o Poverty()
pobreza = pyeph.Pobreza(eph=eph, canasta=canasta) # INGLÉS: pobreza = pyeph.Poverty(eph=eph, basket=canasta)

Una vez instancida la clase con una EPH individual particular, se puede calcular la tasa de pobreza e indigencia de personas y de hogares, ejecutando los diferentes métodos.

Pobreza e Indigencia de Personas#

Una vez instanciada la clase pyeph.Pobreza() o pyeph.Poverty() se ejecuta el método poblacion()/population():

# Calculo de Pobreza e Indigencia (general)

print('Pobreza de personas:')
pobreza_personas = pobreza.poblacion() # INGLÉS: pobreza_personas = pobreza.population()


# Calculo de Pobreza e Indigencia agrupado por categoría (puede ser mas de una)
print('Pobreza de personas según sexo:')
pobreza_personas = pobreza.poblacion(agrupar_por='CH04') # INGLÉS: pobreza_personas = pobreza.population(group_by='CH04')

Pobreza e Indigencia de Hogares#

Una vez instanciada la clase pyeph.Pobreza() o pyeph.Poverty() se ejecuta el método hogares()/household():

# Calculo de Pobreza e Indigencia (general)

print('Pobreza de hogares:')
pobreza_personas = pobreza.hogares() # INGLÉS: pobreza_personas = pobreza.household()

Cálculos de Mercado Laboral#

La clase pyeph.MercadoLaboral() o pyeph.LaborMarket() - prepara las bases para los cálculos de los diferentes indicadores habituales vinculados al mercado laboral. Tiene tres métodos principales -empleo()/employment(), desempleo()/unemployment() y actividad()/activity()- que devuleven un dataframe con información referida a cada indicador.

Uso#

La clase pyeph.MercadoLaboral() o pyeph.LaborMarket() recibe los siguientes parámetros:

pyeph.MercadoLaboral(eph)

o

pyeph.LaborMarket(eph)

Parámetros#

Parámetros

Tipo de dato

Descripción

eph

pandas.DataFrame

Base de EPH individual publicada por INDEC.

Métodos#

La clase pyeph.MercadoLaboral() o pyeph.LaborMarket() prepara las bases para los cálculos de los diferentes indicadores habituales vinculados al mercado laboral. Para obtener el dataframe con los resultados podrá consultar los métodos empleo()/employment(), desempleo()/unemployment() o actividad()/activity(), según corresponda.

  • Empleo

Este método retorna como resultado un pandas.DataFrame donde se especifica […].

pyeph.MercadoLaboral(eph).empleo(agrupar_por, div_por)

o

pyeph.LaborMarket(eph).employment(group_by, div_by)

Parámetros

Tipo de dato

Descripción

group_by (agrupar_por)

str or list, default: None

Nombre de la variable o lista de nombres de las variables por las cuales se desea agrupar y calcular los indicadores. Ejemplo: “CH04” o [ “CH04”, “REGION”]

div_by (div_por)

str, default=”PT”

Indica la población que se utilizará para el cálculo de la tasa de empleo. Puede asumir “PT” indicando población total o “PET” indicando población en edad de trabajar.

  • Desempleo

Este método retorna como resultado un pandas.DataFrame donde se especifica […].

pyeph.MercadoLaboral(eph).desempleo(agrupar_por, div_por)

o

pyeph.LaborMarket(eph).unemployment(group_by, div_by)

Parámetros

Tipo de dato

Descripción

group_by (agrupar_por)

str or list, default: None

Nombre de la variable o lista de nombres de las variables por las cuales se desea agrupar y calcular los indicadores. Ejemplo: “CH04” o [ “CH04”, “REGION”]

div_by (div_por)

str, default=”PET”

Indica la población que se utilizará para el cálculo de la tasa de empleo. Puede asumir “PT” indicando población total o “PET” indicando población en edad de trabajar.

  • Actividad

Este método retorna como resultado un pandas.DataFrame donde se especifica […].

pyeph.MercadoLaboral(eph).actividad(agrupar_por, div_por)

o

pyeph.LaborMarket(eph).activity(group_by, div_by)

Parámetros

Tipo de dato

Descripción

group_by (agrupar_por)

str or list, default: None

Nombre de la variable o lista de nombres de las variables por las cuales se desea agrupar y calcular los indicadores. Ejemplo: “CH04” o [ “CH04”, “REGION”]

div_by (div_por)

str, default=”PT”

Indica la población que se utilizará para el cálculo de la tasa de empleo. Puede asumir “PT” indicando población total o “PET” indicando población en edad de trabajar.

Ejemplos#

Primero se instancia la clase pyeph.MercadoLaboral() o pyeph.LaborMarket():

import pyeph

# Obtencion de la base de datos
eph = pyeph.obtener(data="eph", ano=2019, periodo=1, tipo_base='individual') # INGLÉS: eph = pyeph.get(data="eph", year=2019, period=1, base_type='individual')

Resultado:

index

CODUSU

ANO4

TRIMESTRE

NRO_HOGAR

COMPONENTE

H15

REGION

MAS_500

AGLOMERADO

PONDERA

CH03

CH04

CH05

CH06

CH07

CH08

CH09

CH10

CH11

CH12

0

TQRMNOPPUHKNKNCDEFOCD00629562

2019

1

2

2

1

41

N

8

108

2

2

03/06/1990

28

1

4

1

2

0

4

1

TQRMNOPPUHKNKNCDEFOCD00629562

2019

1

2

3

1

41

N

8

108

3

2

29/12/2005

13

5

4

1

1

1

4

2

TQRMNOPPUHKNKNCDEFOCD00629562

2019

1

2

4

0

41

N

8

108

3

1

26/01/2018

1

5

4

3

0

0

0

3

TQRMNORUQHKNKNCDEFOCD00629563

2019

1

1

1

1

41

N

8

108

1

2

30/03/1978

41

5

4

1

2

0

6

4

TQRMNORUQHKNKNCDEFOCD00629563

2019

1

1

2

0

41

N

8

108

3

2

20/09/2009

9

5

4

1

1

1

2

5

TQRMNOPUVHKOKMCDEFOCD00629564

2019

1

1

2

1

41

N

8

141

1

1

26/04/1967

51

3

4

1

2

0

2

6

TQRMNOQWVHMNLPCDEFOCD00629565

2019

1

1

1

1

41

N

8

221

1

1

15/03/1955

63

2

1

1

2

0

4

7

TQRMNOQWVHMNLPCDEFOCD00629565

2019

1

1

2

1

41

N

8

221

2

2

25/04/1956

62

2

1

1

2

0

4

8

TQRMNOQWVHMNLPCDEFOCD00629565

2019

1

1

3

1

41

N

8

221

3

2

10/06/1994

24

5

1

1

1

1

7

9

TQRMNOQWXHMNLPCDEFOCD00629566

2019

1

1

1

1

41

N

8

221

1

1

22/07/1944

74

4

1

1

2

0

2

 
# Instanciar la clase LaborMarket o MercadoLaboral
mercado_laboral = pyeph.MercadoLaboral(eph) # INGLÉS: mercado_laboral = pyeph.LaborMarket(eph)

Una vez instancida la clase con una EPH individual particular, se pueden calcular los indicadores del mercado laboral, ejecutando los diferentes métodos.

Desempleo#

Una vez instanciada la clase pyeph.MercadoLaboral() o pyeph.LaborMarket() se ejecuta el método desempleo()/unemployment():

# Calculo de Desempleo General

print("\nTasa de desempleo considerando la Población en Edad de Trabajar:\n")
print(mercado_laboral.desempleo()) # INGLÉS: mercado_laboral.unemployment()

Resultado:

Tasa de desempleo considerando la Población en Edad de Trabajar:

Tasa de Desempleo

10.1

 
print("\nTasa de desempleo considerando la Población Total:\n")
print(mercado_laboral.desempleo(div_por='PT')) # INGLÉS: mercado_laboral.unemployment(div_by='PT')

Resultado:

Tasa de desempleo considerando la Población Total:

Tasa de Desempleo

10.1

 

# Calculo de Desempleo agrupado por categoría (puede ser mas de una)

print("\nTasa de desempleo considerando la Población en Edad de Trabajar según sexo:\n")
print(mercado_laboral.desempleo(agrupar_por = 'CH04')) # INGLÉS: mercado_laboral.unemployment(group_by='CH04')

Resultado:

Tasa de desempleo considerando la Población en Edad de Trabajar según sexo:

CH04

Tasa de Desempleo

1

9.2

2

11.2

 

print("\nTasa de desempleo considerando la Población Total según sexo:\n")
print(mercado_laboral.desempleo(agrupar_por = 'CH04', div_por='PT')) # INGLÉS: mercado_laboral.unemployment(group_by='CH04', div_by='PT')

Resultado:

Tasa de desempleo considerando la Población Total según sexo:

CH04

Tasa de Desempleo

1

9.2

2

11.2

Empleo#

Una vez instanciada la clase pyeph.MercadoLaboral() o pyeph.LaborMarket() se ejecuta el método empleo()/employment():

# Calculo de Empleo General

print("\nTasa de empleo considerando la Población en Edad de Trabajar:\n")
print(mercado_laboral.empleo()) # INGLÉS: mercado_laboral.employment()

Resultado:

Tasa de empleo considerando la Población en Edad de Trabajar:

Tasa de Empleo

42.3

 

print("\nTasa de empleo considerando la Población Total:\n")
print(mercado_laboral.empleo(div_por='PT')) # INGLÉS: mercado_laboral.employment(div_by='PT')

Resultado:

Tasa de empleo considerando la Población Total:

Tasa de Empleo

42.3

 

# Calculo de Empleo agrupado por categoría (puede ser mas de una)

print("\nTasa de empleo considerando la Población en Edad de Trabajar según sexo:\n")
print(mercado_laboral.empleo(agrupar_por = 'CH04')) # INGLÉS: mercado_laboral.employment(group_by='CH04')

Resultado:

Tasa de empleo considerando la Población en Edad de Trabajar según sexo:

CH04

Tasa de Empleo

1

49.7

2

35.3

 

print("\nTasa de empleo considerando la Población Total según sexo:\n")
print(mercado_laboral.empleo(agrupar_por = 'CH04', div_por='PT')) # INGLÉS: mercado_laboral.employment(group_by='CH04', div_by='PT')

Resultado:

Tasa de empleo considerando la Población Total según sexo:

CH04

Tasa de Empleo

1

49.7

2

35.3

Actividad#

Una vez instanciada la clase pyeph.MercadoLaboral() o pyeph.LaborMarket() se ejecuta el método actividad()/activity():


# Calculo de Actividad General

print("\nTasa de actividad considerando la Población en Edad de Trabajar:\n")
print(mercado_laboral.actividad()) # INGLÉS: mercado_laboral.activity()

Resultado:

Tasa de actividad considerando la Población en Edad de Trabajar:

Tasa de Actividad

47.0

 

print("\nTasa de actividad considerando la Población Total:\n")
print(mercado_laboral.actividad(div_por='PT')) # INGLÉS: mercado_laboral.activity(div_by='PT')

Resultado:

Tasa de actividad considerando la Población Total:

Tasa de Actividad

47.0

 

# Calculo de Actividad agrupado por categoría (puede ser mas de una)

print("\nTasa de actividad considerando la Población en Edad de Trabajar según sexo:\n")
print(mercado_laboral.actividad(agrupar_por = 'CH04')) # INGLÉS: mercado_laboral.activity(group_by='CH04')

Resultado:

Tasa de actividad considerando la Población en Edad de Trabajar según sexo:

CH04

Tasa de Actividad

1

54.7

2

39.8

 


print("\nTasa de actividad considerando la Población Total según sexo:\n")
print(mercado_laboral.actividad(agrupar_por = 'CH04', div_por='PT')) # INGLÉS: mercado_laboral.activity(group_by='CH04', div_by='PT')

Resultado:

Tasa de actividad considerando la Población Total según sexo:

CH04

Tasa de Actividad

1

54.7

2

39.8