Skip to main content

Integración geo — IGN + Censo, claves y joins

Guía operativa para asociar datos socioeconómicos a geometrías oficiales (IGN/CONICET) y unir niveles (provincia, departamento, fracción, radio/circuito) con claves normalizadas. El objetivo: reproducibilidad, joins sin pérdidas, y salidas que respeten las políticas CRS y de exportación del Atlas.

Esta página documenta cómo integrar; las fuentes y contratos de capas viven en Referencia → Geometrías geoespaciales. No dupliques rutas ni checksums aquí.

1) Decisiones y supuestos​

  • Geo anual, hechos trimestrales: todo join con hechos usa YEAR = year(Q) vía adaptador temporal.
  • Claves normalizadas antes del join: PROV, DPTO enteros tipados y padding fijo; COD_2010 con zfill(9).
  • CRS canónico heredado de la referencia geo: re-proyectar a ese CRS antes de publicar; calcular áreas en CRS métrico (no geográfico).
  • Exclusiones: filtrar Antártida e Islas (si aparecen en la capa fuente) según codificación oficial.
  • No adivinar claves: si falta COD_2010/IDFRAC, construirlo solo con reglas documentadas (padding + composición), y registrar el transform.

2) Contratos mínimos (entradas / salidas)​

Entradas​

  • Capas: provincias, departamentos, fracciones, radios/circuitos (ver referencia geo).
  • Tablas de claves: radio_ref, radios_circuitos_secciones_ref, claves_dptos_ref.
  • Datos socioeconómicos: p. ej., hogares_geo_YEAR (dimensión) y hechos por hogar/persona (*_Q).

Salidas​

  • Dimensiones enriquecidas (anuales): hogares_geo_YEAR.parquet con PROV, DPTO, IDFRAC y, si aplica, COD_2010, circuito.
  • GeoJSON de publicación por nivel: geo_departamentos_YEAR.geojson, etc. (ver políticas en referencia geo).
  • Tablas analíticas: merges listos para agregaciones territoriales (sin geometría), p. ej. hogares_geo_keys_YEAR.parquet.

Garantías

  • Unicidad por nivel: uniq(PROV), uniq(PROV,DPTO), uniq(IDFRAC), uniq(COD_2010).
  • Joins left desde el dataset socioeconómico hacia claves/geo; sin duplicaciones (auditar cardinalidad).

3) Normalización de claves (reglas)​

  • PROV, DPTO: tipar int64 (o string con padding explicado, pero no mezclar).
  • COD_2010: string de 9 dígitos (zfill(9)), derivado del código de radio oficial.
  • IDFRAC: identificador compuesto (prov+depto+frac) con padding fijo (documentar longitudes).
  • Dominio: validar que cada código pertenezca a la lista oficial de la capa usada.
# ejemplo mínimo
radio_ref['COD_2010'] = radio_ref['radio'].astype(str).str.zfill(9)
for c in ['PROV','DPTO']:
    radio_ref[c] = radio_ref[c].astype('int64')  # o string normalizado, pero consistente

4) Rutas de join típicas​

Por radio/circuito

  1. RADIO_REF_ID → radio_ref ⇒ trae COD_2010, PROV, DPTO.
  2. COD_2010 → radios_circuitos_secciones_ref ⇒ trae circuito, IN1.
  3. IN1 → claves_dptos_ref ⇒ trae ids/nombres electorales.

Por departamento

  • PROV + DPTO → departamentos (geometría y metadatos).

Por fracción

  • IDFRAC → fracciones (geometría y metadatos).

Consejo: seleccionar solo columnas necesarias en cada paso para evitar duplicados y reducir memoria.

5) Pipeline mínimo (GeoPandas + Pandas)​

import geopandas as gpd, pandas as pd

# 1) Leer capas y re-proyectar al CRS canónico
dptos = gpd.read_file("/path/departamentos_2010.shp")
dptos = dptos.to_crs("EPSG:<canonico>")
dptos = dptos.query("NOMPROV != 'Antártida'")  # ejemplo de exclusión

# 2) Claves
radio_ref   = pd.read_csv("radio_ref.csv", usecols=["RADIO_REF_ID","PROV","DPTO","radio"])
radio_ref["COD_2010"] = radio_ref["radio"].astype(str).str.zfill(9)
radios_circ = pd.read_csv("radios_circuitos_secciones_ref.csv", usecols=["COD_2010","IN1","circuito"])
clv_dptos   = pd.read_csv("claves_dptos_ref.csv", usecols=["IN1","distrito_id","seccion_id"])

# 3) Base socioeconómica (dimensión hogares anual)
hog = pd.read_parquet("hogares_geo_2010.parquet")[["HOGAR_REF_ID","PROV","DPTO","RADIO_REF_ID"]]

# 4) Joins
m1 = hog.merge(radio_ref.drop(columns=["radio"]), on=["RADIO_REF_ID","PROV","DPTO"], how="left")
m2 = m1.merge(radios_circ, on="COD_2010", how="left").merge(clv_dptos, on="IN1", how="left")

# 5) Auditoría de cardinalidad y nulos
assert m2[["HOGAR_REF_ID"]].isna().sum().item() == 0
loss = len(hog) - len(m2)
print("perdidas por join:", loss)

# 6) Export analítico (sin geometría)
m2.to_parquet("hogares_geo_keys_2010.parquet", index=False)

# 7) Unión con geometría (por DPTO)
g = dptos[["PROV","DPTO","geometry"]]
out = g.merge(m2.groupby(["PROV","DPTO"]).agg(n_hog=("HOGAR_REF_ID","count")).reset_index(),
              on=["PROV","DPTO"], how="left")
out.to_file("geo_departamentos_2010.geojson", driver="GeoJSON")

6) QA geoespacial y de claves (checklist)​

Topología

  • Geometrías válidas (make_valid / buffer(0) si la librería lo soporta).
  • Sin solapes entre polígonos del mismo nivel.
  • area_km2 > 0 y en rango razonable por nivel (sumas y outliers).

Claves y joins

  • Unicidad de PROV, PROV+DPTO, IDFRAC, COD_2010.
  • Porcentaje de anti-join < umbral (auditar y documentar excepciones).
  • Sin coerciones silenciosas (p. ej., strings con padding vs ints).

CRS

  • CRS de cálculo de área proyectado; CRS de publicación el canónico del atlas (web-friendly).
  • Declarar CRS en metadatos de exportación; fallar si falta.

7) Performance y memoria​

  • Selección de columnas en cada join (usecols, [['col1','col2']]).
  • Evitar dissolve innecesario; preferir merge por claves.
  • Convertir atributos nominales a category en DataFrames grandes.
  • Para pipelines intensivos, escribir intermedios en Parquet (compresión snappy/zstd).

8) Errores comunes (y cómo evitarlos)​

  • Padding inconsistente en COD_2010 ⇒ joins vacíos → normalizar con zfill(9) antes.
  • CRS incorrecto para áreas ⇒ valores absurdos → calcular áreas en CRS métrico dedicado.
  • Duplicaciones por joins a tablas no deduplicadas → drop_duplicates(keys) antes del merge.
  • Mezclar año y trimestre sin adaptador → usar YEAR = year(Q) en todos los cruces con hechos.

9) Publicación y trazabilidad​

  • Analítico: Parquet/Feather sin geometría; Web: GeoJSON con precisión controlada.
  • Guardar sha256, features y CRS en metadatos de exportación (ver referencia geo).
  • Trazar versión (source_repo@commit) y parámetros (año, filtros).

10) Anexo — Parqueados​

Recorte de imágenes satelitales (0169) Fuera del núcleo Atlas. Si se necesitara, documentar aparte (QGIS/GDAL/Rasterio) y no mezclar en este método de integración vectorial. Mantener aislado para que el flujo de joins IGN+Censo no se contamine con pipelines ráster.