02 - Leer bases
leer.RmdLeer bases descargadas y combinarlas
Las bases descargads con descargar.inei() pueden ser
leídas con leer.inei(). El módulo y los períodos deben ser
especificados. Si más de una base es leída, la función producirá una
lista. Por ejemplo, si tenemos descargados los primeros dos trimestres
de 2011 en una carpeta, podemos leer ambos trimestres:
dir <- system.file("extdata", package = "enaho")
leido <- leer.inei(encuesta = "ENAHO", modulo = 37, periodos = 2011, tipo = c("t1","t2"), directorio = dir)
#> Leyendo 2 archivos.
#> Leyendo archivo 1 de 2.
#> Leyendo archivo 2 de 2.
leido
#> $`2011_Modulo37_t1`
#> # A tibble: 4,625 × 24
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <dbl>
#> 1 2011 01 0007 049 11 010101 4 4 01 3
#> 2 2011 01 0007 075 11 010101 4 4 02 5
#> 3 2011 01 0027 047 11 010504 4 7 02 2
#> 4 2011 01 0027 047 11 010504 4 7 02 3
#> 5 2011 01 0027 047 11 010504 4 7 02 5
#> 6 2011 01 0027 047 11 010504 4 7 02 5
#> 7 2011 01 0027 108 11 010504 4 7 02 3
#> 8 2011 01 0027 108 11 010504 4 7 02 4
#> 9 2011 01 0027 109 11 010504 4 7 01 4
#> 10 2011 01 0027 110 11 010504 4 7 02 4
#> # ℹ 4,615 more rows
#> # ℹ 14 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>, FACTRIM <dbl>
#>
#> $`2011_Modulo37_t2`
#> # A tibble: 3,940 × 24
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <dbl>
#> 1 2011 04 0001 019 11 010101 4 4 02 1
#> 2 2011 04 0001 019 11 010101 4 4 02 2
#> 3 2011 04 0001 019 11 010101 4 4 02 3
#> 4 2011 04 0001 019 11 010101 4 4 02 4
#> 5 2011 04 0001 019 11 010101 4 4 02 5
#> 6 2011 04 0047 032 11 010201 7 4 02 2
#> 7 2011 04 0047 032 11 010201 7 4 02 3
#> 8 2011 04 0047 032 11 010201 7 4 02 4
#> 9 2011 04 0047 069 22 010201 7 4 02 6
#> 10 2011 04 0047 082 11 010201 7 4 02 1
#> # ℹ 3,930 more rows
#> # ℹ 14 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>, FACTRIM <dbl>Y, usando combinar.inei() (o el argumento
combinar en leer.inei) podemos combinar ambos
trimestres. También podemos especificar si sólo queremos combinar las
variables comunes o todas las variables:
combinar.inei(x = leido, combinarsolocomunes = FALSE)
#> # A tibble: 8,565 × 24
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> * <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <dbl>
#> 1 2011 01 0007 049 11 010101 4 4 01 3
#> 2 2011 01 0007 075 11 010101 4 4 02 5
#> 3 2011 01 0027 047 11 010504 4 7 02 2
#> 4 2011 01 0027 047 11 010504 4 7 02 3
#> 5 2011 01 0027 047 11 010504 4 7 02 5
#> 6 2011 01 0027 047 11 010504 4 7 02 5
#> 7 2011 01 0027 108 11 010504 4 7 02 3
#> 8 2011 01 0027 108 11 010504 4 7 02 4
#> 9 2011 01 0027 109 11 010504 4 7 01 4
#> 10 2011 01 0027 110 11 010504 4 7 02 4
#> # ℹ 8,555 more rows
#> # ℹ 14 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>, FACTRIM <dbl>Leer bases directamente desde la web
Usando leer.inei.web() podemos leer las bases
directamente desde la web, aplicando las mismas reglas que
leer.inei():
leer.inei.web(encuesta = "ENAHO", modulo = 37, periodos = 2011, tipo = c("t1"))
#> Descargando 1 archivo.
#> Leyendo 1 archivo.
#> Leyendo archivo 1 de 1.
#> # A tibble: 4,625 × 24
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <dbl>
#> 1 2011 01 0007 049 11 010101 4 4 01 3
#> 2 2011 01 0007 075 11 010101 4 4 02 5
#> 3 2011 01 0027 047 11 010504 4 7 02 2
#> 4 2011 01 0027 047 11 010504 4 7 02 3
#> 5 2011 01 0027 047 11 010504 4 7 02 5
#> 6 2011 01 0027 047 11 010504 4 7 02 5
#> 7 2011 01 0027 108 11 010504 4 7 02 3
#> 8 2011 01 0027 108 11 010504 4 7 02 4
#> 9 2011 01 0027 109 11 010504 4 7 01 4
#> 10 2011 01 0027 110 11 010504 4 7 02 4
#> # ℹ 4,615 more rows
#> # ℹ 14 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>, FACTRIM <dbl>Leer sólo algunas variables
Debido a que las bases pueden ser muy grandes se recomienda
sólo leer las variables requeridas. Para eso podemos usar
variablesxperiodo() que nos indicará qué variables están
presentes en cada período:
variablesxperiodo(modulo = 37, periodos = c(2011,2024),directorio = dir,tipo = "t1")
#> Nombre 2011_t1 2024_t1
#> 1 AÑO 1 1
#> 2 MES 1 1
#> 3 CONGLOME 1 1
#> 4 VIVIENDA 1 1
#> 5 HOGAR 1 1
#> 6 UBIGEO 1 1
#> 7 DOMINIO 1 1
#> 8 ESTRATO 1 1
#> 9 CODINFOR 1 1
#> 10 P702 1 1
#> 11 P703 1 1
#> 12 P704 1 1
#> 13 P705 1 1
#> 14 P7061 1 1
#> 15 P7062 1 1
#> 16 P7063 1 1
#> 17 P7064 1 1
#> 18 P7065 1 1
#> 19 P706A1 1 1
#> 20 P706A2 1 1
#> 21 P706A3 1 1
#> 22 P706A4 1 1
#> 23 TICUEST01 1 1
#> 24 FACTRIM 1 0
#> 25 P706A5 0 1
#> 26 FACTOR 0 1Así podemos saber qué variables están disponibles y sólo leer las que
necesitamos con leer.inei() pero no con
leer.inei.web():
vars <- c("AÑO","UBIGEO","DOMINIO","ESTRATO","P702","FACTRIM","FACTOR")
leer.inei(modulo = 37, periodos = c(2011,2024),directorio = dir,tipo = "t1",columnas = vars)
#> Leyendo 2 archivos.
#> Leyendo archivo 1 de 2.
#> Leyendo archivo 2 de 2.
#> $`2011_Modulo37_t1`
#> # A tibble: 4,625 × 6
#> AÑO UBIGEO DOMINIO ESTRATO P702 FACTRIM
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 2011 010101 4 4 3 337.
#> 2 2011 010101 4 4 5 337.
#> 3 2011 010504 4 7 2 347.
#> 4 2011 010504 4 7 3 347.
#> 5 2011 010504 4 7 5 347.
#> 6 2011 010504 4 7 5 347.
#> 7 2011 010504 4 7 3 347.
#> 8 2011 010504 4 7 4 347.
#> 9 2011 010504 4 7 4 347.
#> 10 2011 010504 4 7 4 347.
#> # ℹ 4,615 more rows
#>
#> $`2024_Modulo37_t1`
#> # A tibble: 6,083 × 6
#> AÑO UBIGEO DOMINIO ESTRATO P702 FACTOR
#> <chr> <chr> <dbl+lbl> <dbl+lbl> <chr> <dbl>
#> 1 2024 010101 4 [Sierra Norte] 4 [ De 20 000 a 49 999 habitantes] 03 442.
#> 2 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 01 442.
#> 3 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 04 789.
#> 4 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 05 812.
#> 5 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 02 789.
#> 6 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 03 812.
#> 7 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 03 812.
#> 8 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 02 812.
#> 9 2024 010307 7 [Selva] 5 [De 2 000 a 19 999 habitantes] 02 812.
#> 10 2024 010701 7 [Selva] 4 [ De 20 000 a 49 999 habitantes] 04 770.
#> # ℹ 6,073 more rowsTambién podemos leer sólo las variables comunes con
solocomunes = TRUE. Sin embargo, podría haber variables
importantes (como los pesos) que cambien de nombre entre períodos:
leer.inei(modulo = 37, periodos = c(2011,2024),directorio = dir,tipo = "t1",solocomunes = TRUE)
#> Leyendo 2 archivos.
#> Leyendo archivo 1 de 2.
#> Leyendo archivo 2 de 2.
#> $`2011_Modulo37_t1`
#> # A tibble: 4,625 × 23
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <dbl>
#> 1 2011 01 0007 049 11 010101 4 4 01 3
#> 2 2011 01 0007 075 11 010101 4 4 02 5
#> 3 2011 01 0027 047 11 010504 4 7 02 2
#> 4 2011 01 0027 047 11 010504 4 7 02 3
#> 5 2011 01 0027 047 11 010504 4 7 02 5
#> 6 2011 01 0027 047 11 010504 4 7 02 5
#> 7 2011 01 0027 108 11 010504 4 7 02 3
#> 8 2011 01 0027 108 11 010504 4 7 02 4
#> 9 2011 01 0027 109 11 010504 4 7 01 4
#> 10 2011 01 0027 110 11 010504 4 7 02 4
#> # ℹ 4,615 more rows
#> # ℹ 13 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>
#>
#> $`2024_Modulo37_t1`
#> # A tibble: 6,083 × 23
#> AÑO MES CONGLOME VIVIENDA HOGAR UBIGEO DOMINIO ESTRATO CODINFOR P702
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl+lbl> <dbl+l> <chr> <chr>
#> 1 2024 01 015024 069 11 010101 4 [Sierra … 4 [ De… 01 03
#> 2 2024 01 015040 089 11 010307 7 [Selva] 5 [De … 01 01
#> 3 2024 01 015040 110 11 010307 7 [Selva] 5 [De … 02 04
#> 4 2024 01 015040 110 11 010307 7 [Selva] 5 [De … 02 05
#> 5 2024 01 015040 132 11 010307 7 [Selva] 5 [De … 01 02
#> 6 2024 01 015040 132 11 010307 7 [Selva] 5 [De … 01 03
#> 7 2024 01 015040 132 11 010307 7 [Selva] 5 [De … 01 03
#> 8 2024 01 015040 153 11 010307 7 [Selva] 5 [De … 01 02
#> 9 2024 01 015040 153 11 010307 7 [Selva] 5 [De … 01 02
#> 10 2024 01 015052 012 11 010701 7 [Selva] 4 [ De… 02 04
#> # ℹ 6,073 more rows
#> # ℹ 13 more variables: P703 <dbl+lbl>, P704 <dbl+lbl>, P705 <dbl+lbl>,
#> # P7061 <dbl+lbl>, P7062 <dbl+lbl>, P7063 <dbl+lbl>, P7064 <dbl+lbl>,
#> # P7065 <dbl+lbl>, P706A1 <dbl+lbl>, P706A2 <dbl+lbl>, P706A3 <dbl+lbl>,
#> # P706A4 <dbl+lbl>, TICUEST01 <dbl+lbl>