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:

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:

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.