"""Tablas de referencia: salario mínimo, departamentos, meses y diccionarios DANE."""
from __future__ import annotations
import json
import unicodedata
from functools import lru_cache
from importlib import resources
# Salario mínimo legal mensual vigente (SMLMV), pesos corrientes.
# Fuente: decretos anuales del Gobierno Nacional. Verificar antes de publicar.
SMLV = {
1992: 65_190, 1993: 81_510, 1994: 98_700, 1995: 118_934, 1996: 142_125,
1997: 172_005, 1998: 203_826, 1999: 236_460, 2000: 260_100, 2001: 286_000,
2002: 309_000, 2003: 332_000, 2004: 358_000, 2005: 381_500, 2006: 408_000,
2007: 433_700, 2008: 461_500, 2009: 496_900, 2010: 515_000, 2011: 535_600,
2012: 566_700, 2013: 589_500, 2014: 616_000, 2015: 644_350, 2016: 689_455,
2017: 737_717, 2018: 781_242, 2019: 828_116, 2020: 877_803, 2021: 908_526,
2022: 1_000_000, 2023: 1_160_000, 2024: 1_300_000, 2025: 1_423_500,
2026: 1_750_905,
}
DEPARTAMENTOS = {
5: "Antioquia", 8: "Atlántico", 11: "Bogotá D.C.", 13: "Bolívar", 15: "Boyacá",
17: "Caldas", 18: "Caquetá", 19: "Cauca", 20: "Cesar", 23: "Córdoba",
25: "Cundinamarca", 27: "Chocó", 41: "Huila", 44: "La Guajira", 47: "Magdalena",
50: "Meta", 52: "Nariño", 54: "Norte de Santander", 63: "Quindío", 66: "Risaralda",
68: "Santander", 70: "Sucre", 73: "Tolima", 76: "Valle del Cauca", 81: "Arauca",
85: "Casanare", 86: "Putumayo", 88: "San Andrés", 91: "Amazonas", 94: "Guainía",
95: "Guaviare", 97: "Vaupés", 99: "Vichada",
}
MESES = {
1: "Enero", 2: "Febrero", 3: "Marzo", 4: "Abril", 5: "Mayo", 6: "Junio",
7: "Julio", 8: "Agosto", 9: "Septiembre", 10: "Octubre", 11: "Noviembre", 12: "Diciembre",
}
def strip_accents(text: str) -> str:
text = text.replace("\xa0", " ").replace(" ", " ").replace("", "")
return "".join(c for c in unicodedata.normalize("NFD", text) if unicodedata.category(c) != "Mn").lower()
[documentos]
@lru_cache(maxsize=None)
def diccionario(encuesta: str) -> dict:
"""
Diccionario oficial de variables de una encuesta.
Es el diccionario DDI del ANDA, tal como lo publica el DANE: el de la GEIH 2025 o el de la EAM 2024.
Viene con la librería, así que no necesita descargar nada.
Parámetros
----------
encuesta
``"geih"`` o ``"eam"``.
Devuelve
--------
dict
``{VARIABLE: {"etiqueta": ..., "pregunta": ..., "categorias": {código: etiqueta}, "modulos": [...]}}``.
Véase también
-------------
buscar_variable : Buscar variables por texto.
describir : Etiqueta de una variable.
Notas
-----
Los nombres y las categorías de algunas variables cambian entre épocas de la encuesta: úselo como guía
para los años antiguos. Donde los datos contradicen el DDI, ``dane-data`` sigue los datos; vea la
página «Diferencias con la documentación del DANE».
Ejemplos
--------
>>> import dane_data as dd
>>> geih = dd.diccionario("geih")
>>> len(geih)
675
>>> geih["P6920"]["categorias"]
{'1': 'Sí', '2': 'No', '3': 'Ya es pensionado'}
"""
name = {"geih": "geih_diccionario.json", "eam": "eam_diccionario.json"}[encuesta.lower()]
with resources.files("dane_data.data").joinpath(name).open(encoding="utf-8") as f:
return json.load(f)
[documentos]
def describir(variable: str, encuesta: str = "geih") -> str:
"""
Etiqueta legible de una variable.
Parámetros
----------
variable
Nombre de la variable del DANE, en mayúscula o minúscula.
encuesta
``"geih"`` o ``"eam"``.
Devuelve
--------
str
La etiqueta del diccionario oficial, o el mismo nombre si la variable no está en él (por ejemplo,
las armonizadas de ``dane-data`` o variables de años antiguos).
Véase también
-------------
diccionario : El diccionario completo.
buscar_variable : Buscar variables por texto.
Ejemplos
--------
>>> import dane_data as dd
>>> dd.describir("P6920")
'¿está ... Cotizando actualmente a un fondo de pensiones?'
>>> dd.describir("valagri", encuesta="eam")
'Valor agregado'
"""
info = diccionario(encuesta).get(variable.upper())
return info["etiqueta"] if info and info["etiqueta"] else variable
[documentos]
def buscar_variable(texto: str, encuesta: str = "geih"):
"""
Busca variables por su nombre, etiqueta o pregunta.
La búsqueda no distingue mayúsculas ni tildes.
Parámetros
----------
texto
Texto a buscar, por ejemplo ``"arriendo"`` o ``"P64"``.
encuesta
``"geih"`` o ``"eam"``.
Devuelve
--------
DataFrame
Una fila por variable con ``variable``, ``etiqueta``, ``pregunta`` y ``modulo``.
Véase también
-------------
diccionario : El diccionario completo.
dane_data.geih.load : Cargar variables del DANE extra con ``columns=[...]``.
Ejemplos
--------
>>> import dane_data as dd
>>> dd.buscar_variable("arriendo")["variable"].tolist()
['P3064S1', 'P5090', 'P5130', 'P5140', 'P7495', 'P7500S1', 'P7500S1A1']
"""
import pandas as pd
q = strip_accents(texto)
rows = []
for var, info in diccionario(encuesta).items():
blob = strip_accents(f"{var} {info['etiqueta']} {info['pregunta']}")
if q in blob:
rows.append({"variable": var, "etiqueta": info["etiqueta"], "pregunta": info["pregunta"],
"modulo": ", ".join(info.get("modulos", []))[:80]})
return pd.DataFrame(rows, columns=["variable", "etiqueta", "pregunta", "modulo"])
