https://github.com/matuteiglesias/eph-censo-aligner

Este proyecto contiene un alineador bidireccional entre microdatos de la Encuesta Permanente de Hogares (EPH) y el Censo Nacional. Su objetivo es permitir que tablas de ambas fuentes se comparen o se integren bajo un marco común, aplicando reglas de recodificación, validación y enriquecimiento.
https://github.com/matuteiglesias/eph-censo-aligner

argentina censo census data-cleaning eph etl harmonization microdata pandas poverty-measurement recoding survey-data

Last synced: 3 months ago
JSON representation

Este proyecto contiene un alineador bidireccional entre microdatos de la Encuesta Permanente de Hogares (EPH) y el Censo Nacional. Su objetivo es permitir que tablas de ambas fuentes se comparen o se integren bajo un marco común, aplicando reglas de recodificación, validación y enriquecimiento.

• Host: GitHub
• URL: https://github.com/matuteiglesias/eph-censo-aligner
• Owner: matuteiglesias
• Created: 2025-10-03T02:04:26.000Z (10 months ago)
• Default Branch: main
• Last Pushed: 2025-12-29T21:02:29.000Z (7 months ago)
• Last Synced: 2026-01-02T02:30:54.928Z (7 months ago)
• Topics: argentina, censo, census, data-cleaning, eph, etl, harmonization, microdata, pandas, poverty-measurement, recoding, survey-data
• Language: Python
• Homepage:
• Size: 85 KB
• Stars: 1
• Watchers: 0
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# EPH–Censo Aligner

Este proyecto contiene un **alineador bidireccional** entre microdatos de la **Encuesta Permanente de Hogares (EPH)** y el **Censo Nacional**. Su objetivo es permitir que tablas de ambas fuentes se comparen o se integren bajo un marco común, aplicando reglas de recodificación, validación y enriquecimiento.

---

## Estructura principal

* `aligner/`

  * **`eph_align.py`**: transforma respuestas de EPH para que imiten los códigos del Censo.

  * **`censo_align.py`**: el complemento: adapta respuestas del Censo para que se parezcan a los códigos de EPH.

  * **`utils.py`**: utilidades modulares (rename, collapse, recode, clip, filters, join, overrides, validate, cast).

  * **`cdm.py`**: contrato mínimo de datos (estructura CDM) para armonización consistente.

  * **`cli.py`**: interfaz de línea de comando para ejecutar los alineadores con flags de validación o enriquecimiento.

  * **`io.py`**: helpers de entrada/salida para leer datasets y mappings.

  * **`validate.py`**: validadores básicos de integridad.

  * **`mappings/`**

    * `censo/columns.yaml`, `censo/values.yaml`: crosswalk y recodificaciones propias del Censo.

    * `eph/columns.yaml`, `eph/values.yaml`: equivalentes para la EPH.

* `tests/`: pruebas unitarias que cubren los módulos principales.

* `notas.md`: apuntes y decisiones metodológicas.

---

## Cómo usar

1. **Instalar dependencias** (mínimas: `pandas`, `numpy`).

2. Preparar un `DataFrame` de EPH o Censo.

3. Importar y correr el pipeline:

```python

import pandas as pd

from aligner.eph_align import harmonize_hogar, harmonize_individual

df_eph = pd.read_csv("EPH.csv")

df_hogar_aligned = harmonize_hogar(df_eph)

```

4. O bien, desde CLI:

```bash

python -m aligner.cli --source eph --target censo --input EPH.csv --output aligned.csv

```

---

## Qué hace el alineador

* **Rename**: cruza nombres de columnas (EPH ↔ Censo).

* **Families collapse**: colapsa variables multicolumna tipo `V*_01, V*_02`.

* **Recode**: aplica mapas de valores específicos (ej. `IV10`, `II7`, `II9`).

* **Clip & filter**: corrige valores fuera de rango y aplica filtros de calidad.

* **Conditional set**: reglas contextuales (ej. menores de 14 → `CONDACT=0`).

* **Join + overrides**: agrega región por departamento con excepciones documentadas.

* **Validate**: chequea presencia de columnas clave y consistencia.

* **Types**: asegura que columnas monetarias y numéricas estén casteadas.