dd.eam.resumen#

dane_data.eam.resumen(df, por=('anio',))[fuente]#

Agregados industriales por grupo.

Suma las variables de los establecimientos de cada grupo y calcula los indicadores derivados.

Parámetros:

  • df (DataFrame) – Microdatos de load.

  • por (str | Iterable[str] | None) – Variable o lista de variables de agrupación, por ejemplo ["anio", "sector"]. None para un solo total.

Devuelve:

Una fila por grupo con las sumas que existan en los datos (produccion_bruta, consumo_intermedio, valor_agregado, ventas, personal_total, empleados_perm_temp, remuneraciones, activos_fijos, inversion_bruta, energia_kwh), establecimientos y empresas (distintos), y:

  • productividad_laboral: valor agregado por persona ocupada.

  • remuneracion_media: remuneraciones por empleado permanente o temporal.

  • participacion_laboral: remuneraciones / valor agregado, en %.

  • tasa_valor_agregado: valor agregado / producción bruta, en %.

Tipo del valor devuelto:

DataFrame

Ver también

participacion

Participación de cada grupo en el total.

crecimiento

Tasas de crecimiento anual.

deflactar

Pasar a precios constantes.

GLOSARIO

Definiciones de cada agregado.

Notas

Los montos están en miles de pesos corrientes; productividad_laboral y remuneracion_media, en miles de pesos por persona. Las remuneraciones son salarios más prestaciones de los empleados permanentes y temporales (salpeyte + prespyte).

Ejemplos

>>> import pandas as pd
>>> import dane_data as dd
>>> eam = pd.DataFrame({
...     "anio": [2023, 2023, 2024], "sector": ["Alimentos", "Químicos", "Alimentos"],
...     "nordest": [1, 2, 1], "nordemp": [10, 20, 10],
...     "prodbr2": [500.0, 800.0, 550.0], "consin2": [300.0, 500.0, 320.0], "valagri": [200.0, 300.0, 230.0],
...     "pertotal": [10, 20, 11], "pperytem": [9, 18, 10], "salpeyte": [50.0, 90.0, 55.0],
...     "prespyte": [20.0, 30.0, 22.0],
... })
>>> res = dd.eam.resumen(eam, por="anio")
>>> res[["anio", "valor_agregado", "productividad_laboral", "participacion_laboral"]].round(1)
   anio  valor_agregado  productividad_laboral  participacion_laboral
0  2023           500.0                   16.7                   38.0
1  2024           230.0                   20.9                   33.5

Con la EAM:

>>> eam = dd.eam.load(range(2022, 2025))
>>> dd.eam.resumen(eam, por="anio")[["anio", "establecimientos", "participacion_laboral"]].round(1)
   anio  establecimientos  participacion_laboral
0  2022              6775                   16.7
1  2023              6714                   19.2
2  2024              6583                   21.7