En esta página de Google Colab podrá ver y ejecutar el código que se puestra en esta página.

Descargando datos del BCCR: Servicio Web

Creado: 2019-Dic-11
Actualizado: 2020-Abr-25

Este cuaderno de Jupyter ilustra el uso de la clase ServicioWeb del paquete de Python bccr, la cual facilita la descarga de datos del servicio Web del Banco Central de Costa Rica. La documentación completa de esta clase está disponible en https://randall-romero.github.io/bccr/gee.html.

Pasos preliminares¶

Primero cargamos algunos paquetes: bccr para consultar datos del servicio web, pandas para manipular los datos en Python, numpy para calcular un promedio (más adelante), matplotlib para hacer gráficos.

In [1]:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('seaborn')

1. Iniciando una consulta¶

Se import desde SW desde bccr. Este es un objeto de la clase ServicioWeb.

In [2]:

from bccr import SW

2. Buscando una serie¶

Para importar una serie del servicio web, es necesario saber su código. Este código es el mismo que se ingresaría en el formulario disponible en la página del BCCR. Para facilitar encontrar las series, la clase bccr.ServicioWeb provee la función buscar. Acá, por ejemplo, buscamos la frase 'medio circulante':

In [3]:

SW.buscar(frase='medio circulante')

Out[3]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
1445	Node(‘/BCCR/Sector Monetario y Financiero/Medio circulante sistema bancario nacional [1445]’)	Medio circulante	Colón Costarricense	Millones	Mensual
1479	Node(‘/BCCR/Sector Monetario y Financiero/Medio circulante sistema financiero nacional [1479]’)	Medio circulante	Colón Costarricense	Millones	Mensual
2936	Node(‘/BCCR/Sector Monetario y Financiero/Medio circulante sistema financiero nacional [1479]/Otros activos netos [2…	Otros activos netos	Colón Costarricense	Millones	Mensual

El resultado nos indica que los códigos 1445,1479 y 2936 corresponden a series que incluyen la frase exacta “medio circulante” en su descripción. Si no sabemos la frase exacta pero sí varias palabras que deben aparecer en la descripción (en cualquier orden), usamos buscar con la opción todos

In [4]:

SW.buscar(todos='numerario poder público') #puede omitir todos=

Out[4]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
1365	Node(‘/BCCR/Sector Monetario y Financiero/Numerario en poder del público [1365]’)	ND	Colón Costarricense	Millones	Mensual
1489	Node(‘/BCCR/Sector Monetario y Financiero/Numerario en poder del sistema financiero [1489]’)	Numerario en Poder del Público	Colón Costarricense	Millones	Mensual

También tenemos la opción de buscar series donde solo algunos de los términos aparecen en la descrición. Podemos además filtrar los resultados por la frecuencia de los datos (A anual, 6M semestral, Q trimestral, M mensual, W semanal, y Ddiaria.

In [5]:

SW.buscar(algunos='japón yen', frecuencia='D')

Out[5]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
325	Node(‘/BCCR/Tipos de cambio/Yen Japonés [325]’)	Yen japonés	Yen Japonés	NO DEFINIDO	Diaria
41454	Node(‘/BCCR/Tipos de cambio/Japón (yen) [41454]’)	Japón (yen)	Nivel	Unidades	Diaria

2. Descargando datos¶

2.1 Descargando una serie¶

Supongamos que queremos descargar datos del medio circulante (sistema bancario nacional). Arriba encontramos que su código es el 1445. Para ello ejecutamos SW() directamente (esto equivale a SW.datos()):

In [6]:

datos = SW(M1=1445)
datos.plot();

En la celda anterior, la parte .rename(columns={'1445':'M1'}) es opcional, la utilizamos acá para cambiar el nombre de la serie. Observe que si bien podemos buscar la serie por código con un entero 1445 o un texto '1445', el resultado siempre dará el nombre de la variable como texto; por ello para renombrarla con .rename() es necesario usar un texto.

2.2 Descargando dos series de la misma frecuencia¶

Es posible además pasarle varios códigos a datos de una vez, ya sea en una lista [1365,1445] o tupla (1365, 1445) o bien las llaves de un diccionario (como se ilustra en la siguiente celda). Acá descargamos, además del medio circulante, en numerario en poder del público. El resultado será una tabla pandas.DataFrame, donde cada columna corresponde a una variable.

In [7]:

dinero = SW(NPP=1365, M1=1445)
dinero.plot();

2.3 Descargando varias series de distinta frecuencia¶

La función datos permite descargar variables de distinta frecuencia, convirtiéndolos a una frecuencia común. Por ejemplo, suponga que desea, además de los datos anteriores, la serie de la tasa básica pasiva:

In [8]:

SW.buscar(frase='tasa básica pasiva calculada')

Out[8]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
423	Node(‘/BCCR/Tasas de interés/Tasa básica pasiva calculada por el BCCR [423]’)	Tasa Básica pasiva bruta calculada por el Banco Central.	Porcentaje	NO DEFINIDO	Diaria
430	Node(‘/BCCR/Tasas de interés/Tasa básica pasiva calculada por el BCCR [430]’)	Tasa basica pasiva bruta a fin de cada mes calculada por el Banco Central de Costa Rica.	Porcentaje	NO DEFINIDO	Mensual
19654	Node(‘/BCCR/Tasas de interés/Tasa básica pasiva calculada por el BCCR [19654]’)	Tasa Básica pasiva bruta calculada por el Banco Central.	Porcentaje	NO DEFINIDO	Nueva semanal

Vemos que el código 423 es de una serie diaria, mientras que los datos de M1y NPP eran mensuales. En la siguiente celda, le indicamos a datos que debe convertir los datos de mayor a menor frecuencia usando un promedio (func=np.mean). Es posible además restringir el rango de los datos con los parámetros FechaInicio= y FechaFinal=.

In [9]:

datos = SW(NPP=1365, M1=1445, Tasa_basica=423, FechaInicio=2015, func='mean')
datos.plot(subplots=True, figsize=[12,6]);

In [10]:

datos.tail()

Out[10]:

	NPP	M1	Tasa_basica
fecha
2020-12	1.060905e+06	4.964104e+06	3.437097
2021-01	1.024351e+06	4.988481e+06	3.506452
2021-02	1.006321e+06	4.578601e+06	3.485714
2021-03	1.034342e+06	4.733563e+06	3.416129
2021-04	NaN	NaN	3.263462

La frecuencia de los datos puede controlarse con el parámetro freq=. Si no se indica, se obtienen los datos de menor frecuencia. Es posible además indicar distintos métodos de conversión para func=, pasando un diccionario de la forma {nombre1: función1, nombre2: función2, ,...}.

3. Buscar información¶

3.1 Buscar información de una variable¶

Suponga que deseamos una variable que muestre todos estos términos

In [11]:

SW.buscar('exportaciones importaciones encadenado original')

Out[11]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
33471	Node(‘/BCCR/Sector Real/PIB y gasto, volumen encadenado, serie original [33438]/IMPORTACIONES DE BIENES Y SERVICIOS …	EXPORTACIONES DE BIENES Y SERVICIOS (P6)	Colón Costarricense Constantes	Millones	Trimestral
33472	Node(‘/BCCR/Sector Real/PIB y gasto, volumen encadenado, serie original [33439]/IMPORTACIONES DE BIENES Y SERVICIOS …	EXPORTACIONES DE BIENES Y SERVICIOS (P6)	Porcentaje Variación Interanual	Millones	Trimestral

El resultado obtenido nos deja una duda, porque en DESCRIPCION indica que se trata de importaciones pero en descripcion menciona exportaciones. Para obtener más información de quien es una variable:

In [12]:

SW.quien(33472)

Variable 33472 >>>
   Nombre      : IMPORTACIONES DE BIENES Y SERVICIOS (P7).
   Descripcion : EXPORTACIONES DE BIENES Y SERVICIOS (P6).
   Unidad      : Porcentaje Variación Interanual (Millones).
   Periodicidad: Trimestral.

|--- Sector Real
|------ PIB y gasto, volumen encadenado, serie original [33439]
|--------- IMPORTACIONES DE BIENES Y SERVICIOS (P7) [33472]'

Lo anterior nos indica que la variable 33472 está ligada a la 33439. Para ver todas las sub-variables de 33439, usamos la función subcuentas:

In [13]:

SW.subcuentas(33439);

PIB y gasto, volumen encadenado, serie original [33439]
├── DEMANDA INTERNA [33442]
│   ├── Gasto de consumo final (P3/P4) [33445]
│   │   ├── Gasto de consumo final de los hogares e ISFLSH [33448]
│   │   └── Gasto de consumo final del Gobierno General [33451]
│   └── Formación bruta de capital fijo [33454]
│       └── Formación bruta de capital fijo (P51g) [33457]
├── EXPORTACIONES DE BIENES Y SERVICIOS (P6) [33463]
│   ├── Exportaciones de bienes f.o.b. (P61) [33466]
│   └── Exportaciones de servicios (P62) [33469]
└── IMPORTACIONES DE BIENES Y SERVICIOS (P7) [33472]
    ├── Importaciones de bienes f.o.b. (P71) [33475]
    └── Importaciones de servicios (P72) [33478]

Lo anterior nos permite deducir que en realidad 33472 se trata de datos de importaciones.

3.2 Buscar series relacionadas¶

El ejemplo anterior ilustró el uso de subcuentas para encontrar series relacionadas.

In [14]:

SW.buscar('Producto Interno Bruto volumen encadenado original', frecuencia='Q')

Out[14]:

	DESCRIPCION	descripcion	Unidad	Medida	periodo
codigo
33438	Node(‘/BCCR/Sector Real/PIB y gasto, volumen encadenado, serie original [33438]’)	Producto interno bruto a precios de mercado	Colón Costarricense Constantes	Millones	Trimestral
33439	Node(‘/BCCR/Sector Real/PIB y gasto, volumen encadenado, serie original [33439]’)	Producto interno bruto a precios de mercado	Porcentaje Variación Interanual	Millones	Trimestral

En este caso concreto, nos interesa conocer componentes del PIb en colones (en vez de su variación interanual). Las subcuentas de 33438 nos ayuda a encontrar los códigos relevantes, a partir de lo cual podemos hacer un diccionario de las variables de interés:

In [15]:

SW.quien(33438)

Variable 33438 >>>
   Nombre      : PIB y gasto, volumen encadenado, serie original.
   Descripcion : Producto interno bruto a precios de mercado.
   Unidad      : Colón Costarricense Constantes (Millones).
   Periodicidad: Trimestral.

|--- Sector Real
|------ PIB y gasto, volumen encadenado, serie original [33438]'

In [16]:

ctas = SW.subcuentas(33438)

PIB y gasto, volumen encadenado, serie original [33438]
├── DEMANDA INTERNA [33441]
│   ├── Gasto de consumo final (P3/P4) [33444]
│   │   ├── Gasto de consumo final de los hogares e ISFLSH [33447]
│   │   └── Gasto de consumo final del Gobierno General [33450]
│   └── Formación bruta de capital fijo [33453]
│       └── Formación bruta de capital fijo (P51g) [33456]
├── EXPORTACIONES DE BIENES Y SERVICIOS (P6) [33462]
│   ├── Exportaciones de bienes f.o.b. (P61) [33465]
│   └── Exportaciones de servicios (P62) [33468]
└── IMPORTACIONES DE BIENES Y SERVICIOS (P7) [33471]
    ├── Importaciones de bienes f.o.b. (P71) [33474]
    └── Importaciones de servicios (P72) [33477]

In [17]:

series = {
    'PIB': 33438,
    'Demanda Interna': 33441,
    'Gasto': 33444,
    'C': 33447,
    'G': 33450,
    'FBKF': 33453,
    'I': 33456,
    'X': 33462,
    'Xb' : 33465,
    'Xs' : 33468,
    'M': 33471,
    'Mb': 33474,
    'Ms': 33477,
}

In [18]:

cuentas_nacionales = SW(**series)

No se obtuvieron datos de indicador 33441. Servidor respondio con mensaje OK
Revise que este indicador efectivamente existe, o intente de nuevo la obtención de los datos.

No se obtuvieron datos de indicador 33444. Servidor respondio con mensaje OK
Revise que este indicador efectivamente existe, o intente de nuevo la obtención de los datos.

No se obtuvieron datos de indicador 33453. Servidor respondio con mensaje OK
Revise que este indicador efectivamente existe, o intente de nuevo la obtención de los datos.

No se obtuvieron datos de indicador 33462. Servidor respondio con mensaje OK
Revise que este indicador efectivamente existe, o intente de nuevo la obtención de los datos.

No se obtuvieron datos de indicador 33471. Servidor respondio con mensaje OK
Revise que este indicador efectivamente existe, o intente de nuevo la obtención de los datos.

Al parecer, el servicio web no proporciona directamente los datos para las variables sub-totales. Los demás datos los graficamos a continuación:

In [19]:

cuentas_nacionales.plot(figsize=[12,5]);

4. Exportando datos¶

Finalmente, podemos exportar los datos de pandas a otros formatos; aquí se muestran los comandos para obtener archivos CSV (to_csv), Excel (to_excel) y Latex (to_latex):

In [20]:

cuentas_nacionales.to_csv('cuentas.csv')
cuentas_nacionales.to_excel('cuentas.xlsx')
cuentas_nacionales.to_latex('cuentas.tex')

También podemos exportarlos a Stata (to_stata), aunque primero es necesario hacer un par de ajustes (indexar los datos por fechas en vez de períodos y quitar espacios y usar solo caracteres ASCII en los nombres de las columnas)

In [21]:

cuentas_nacionales.index = cuentas_nacionales.index.to_timestamp()
cuentas_nacionales.to_stata('cuentas.dta')

Advertencia¶

Este paquete ha sido desarrollado por Randall Romero Aguilar, y se ha compartido para facilitar la obtención de datos del BCCR a quien así lo necesite. NO es un paquete oficial del Banco Central de Costa Rica, ni cuenta con aprobación o patrocinio del BCCR.

El paquete se ofrece gratuitamente pero SIN NINGUNA GARANTIA acerca de su correcto funcionamiento.Aunque he puesto el mayor esfuerzo en que este paquete funcione correctamente, algunos errores pueden persistir. Si encuentra alguno, o bien si tiene sugerencias acerca de futuras mejoras, por favor envíeme un correo a randall.romero@outlook.com.