Gasto Federalizado¶

Dashboard generado en jupyter.

In [1]:

import pandas as pd
df = pd.read_csv('https://www.secciones.hacienda.gob.mx/work/models/estadisticas_oportunas/datos_abiertos_eopf/transferencias_entidades_fed.csv', sep=',', encoding = 'utf-8')
df.head()

Out[1]:

	CICLO	MES	CLAVE_DE_CONCEPTO	NOMBRE	TEMA	SUBTEMA	SECTOR	AMBITO	TIPO_DE_INFORMACION	BASE_DE_REGISTRO	UNIDAD_DE_MEDIDA	PERIODO_INICIO	PERIODO_FINAL	FRECUENCIA	DIFUSION
0	2011	Enero	XACPSS00	Total: Recursos para Protecci?n Social en Salud	Transferencias del Gobierno Federal a Entidade...	Recursos para Protecci?n Social en Salud	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	Miles de Pesos	2013-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia
1	2011	Febrero	XACPSS00	Total: Recursos para Protecci?n Social en Salud	Transferencias del Gobierno Federal a Entidade...	Recursos para Protecci?n Social en Salud	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	Miles de Pesos	2013-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia
2	2011	Marzo	XACPSS00	Total: Recursos para Protecci?n Social en Salud	Transferencias del Gobierno Federal a Entidade...	Recursos para Protecci?n Social en Salud	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	Miles de Pesos	2013-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia
3	2011	Abril	XACPSS00	Total: Recursos para Protecci?n Social en Salud	Transferencias del Gobierno Federal a Entidade...	Recursos para Protecci?n Social en Salud	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	Miles de Pesos	2013-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia
4	2011	Mayo	XACPSS00	Total: Recursos para Protecci?n Social en Salud	Transferencias del Gobierno Federal a Entidade...	Recursos para Protecci?n Social en Salud	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	Miles de Pesos	2013-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia

In [2]:

df.loc[df['MES'] == 'Enero', 'MesN'] = '01'
df.loc[df['MES'] == 'Febrero', 'MesN'] = '02'
df.loc[df['MES'] == 'Marzo', 'MesN'] = '03'
df.loc[df['MES'] == 'Abril', 'MesN'] = '04'
df.loc[df['MES'] == 'Mayo', 'MesN'] = '05'
df.loc[df['MES'] == 'Junio', 'MesN'] = '06'
df.loc[df['MES'] == 'Julio', 'MesN'] = '07'
df.loc[df['MES'] == 'Agosto', 'MesN'] = '08'
df.loc[df['MES'] == 'Septiembre', 'MesN'] = '09'
df.loc[df['MES'] == 'Octubre', 'MesN'] = '10'
df.loc[df['MES'] == 'Noviembre', 'MesN'] = '11'
df.loc[df['MES'] == 'Diciembre', 'MesN'] = '12'
df['date'] = df['CICLO'].astype(str)  + '-' + df['MesN'].astype(str) + '-01'
df['Fecha'] = df['date']
df = df.set_index('date')
df['Fecha'] = pd.to_datetime(df['Fecha'])
df.sort_values(by=['Fecha'])
df.dtypes

Out[2]:

CICLO                           int64
MES                            object
CLAVE_DE_CONCEPTO              object
NOMBRE                         object
TEMA                           object
SUBTEMA                        object
SECTOR                         object
AMBITO                         object
TIPO_DE_INFORMACION            object
BASE_DE_REGISTRO               object
UNIDAD_DE_MEDIDA               object
PERIODO_INICIO                 object
PERIODO_FINAL                  object
FRECUENCIA                     object
DIFUSION                       object
MONTO                         float64
MesN                           object
Fecha                  datetime64[ns]
dtype: object

In [3]:

df[['ENTIDAD','CONCEPTO']] = df.NOMBRE.str.split(':',expand=True)
df.loc[df['SUBTEMA'] == 'Recursos para Protecci?n Social en Salud', 'SUBTEMA'] = 'Recursos para Protección Social en Salud'
df.loc[df['CONCEPTO'] == ' 0.136% de la Recaudaci?n Federal Participable', 'CONCEPTO'] = '0.136% de la RFP'
df.loc[df['CONCEPTO'] == ' Aportaciones Federales para Entidades Federativas y Municipios (Incluye Ramos 33 y 25)', 'CONCEPTO'] = 'Aportaciones Federales para Entidades Federativas y Municipios (Incluye Ramos 33 y 25)'
df.loc[df['CONCEPTO'] == ' Convenios de Descentralizaci?n', 'CONCEPTO'] = 'Convenios de Descentralizacion'
df.loc[df['CONCEPTO'] == ' Convenios de Descentralizaci?n  a trav?s de la Comisi?n Nacional del Agua (CNA)', 'CONCEPTO'] = 'Convenios de Descentralización CNA'
df.loc[df['CONCEPTO'] == ' Convenios de Descentralizaci?n a trav?s de la Secretar?a de Agricultura Ganader?a Desarrollo Rural Pesca y Alimentaci?n (Sagarpa)', 'CONCEPTO'] = 'Convenios de Descentralización Sagarpa'
df.loc[df['CONCEPTO'] == ' Convenios de Descentralizaci?n a trav?s de la Secretar?a de Educaci?n P?blica (SEP)', 'CONCEPTO'] = 'Convenios de Descentralización SEP'
df.loc[df['CONCEPTO'] == ' Convenios de Reasignaci?n', 'CONCEPTO'] = 'Convenios de Reasignación'
df.loc[df['CONCEPTO'] == ' Fideicomiso para la Infraestructura en los Estados (FIES)', 'CONCEPTO'] = 'FIES'
df.loc[df['CONCEPTO'] == ' Fondo General de Participaciones', 'CONCEPTO'] = 'Fondo General'
df.loc[df['CONCEPTO'] == ' Fondo ISR', 'CONCEPTO'] = 'Fondo ISR'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones M?ltiples (FAM)', 'CONCEPTO'] = 'Fondo de Aportaciones M?ltiples (FAM)'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones M?ltiples (FAM) Asistencia Social', 'CONCEPTO'] = 'FAM Asistencia Social'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones M?ltiples (FAM) Educaci?n B?sica', 'CONCEPTO'] = 'FAM Educación Básica'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones M?ltiples (FAM) Educaci?n Superior', 'CONCEPTO'] = 'FAM Educación Superior'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para Educaci?n B?sica y Normal (FAEB)', 'CONCEPTO'] = 'FONE (antes FAEB)'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para el Fortalecimiento de las Entidades Federativas (FAFEF)', 'CONCEPTO'] = 'FAFEF'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para el Fortalecimiento de los Municipios y del Distrito Federal (FAFM)', 'CONCEPTO'] = 'FORTAMUN'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Educaci?n Tecnol?gica y de Adultos. (FAETA)', 'CONCEPTO'] = 'Fondo de Aportaciones para la Educaci?n Tecnol?gica y de Adultos. (FAETA)'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Educaci?n Tecnol?gica y de Adultos. (FAETA) Conalep', 'CONCEPTO'] = 'FAETA Conalep'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Educaci?n Tecnol?gica y de Adultos. (FAETA) INEA', 'CONCEPTO'] = 'FAETA INEA'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Infraestructura Social (FAIS Estatal)', 'CONCEPTO'] = 'FAIS Estatal'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Infraestructura Social (FAIS Municipal)', 'CONCEPTO'] = 'FAIS Municipal'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Infraestructura Social (FAIS)', 'CONCEPTO'] = 'Fondo de Aportaciones para la Infraestructura Social (FAIS)'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para la Seguridad P?blica de los Estados y del Distrito Federal (FASP)', 'CONCEPTO'] = 'FASP'
df.loc[df['CONCEPTO'] == ' Fondo de Aportaciones para los Servicios de Salud (FASSA)', 'CONCEPTO'] = 'FASSA'
df.loc[df['CONCEPTO'] == ' Fondo de Compensaci?n de Repecos Intermedios', 'CONCEPTO'] = 'FOCORI'
df.loc[df['CONCEPTO'] == ' Fondo de Estabilizaci?n de los Ingresos de las Entidades Federativas (FEIEF)', 'CONCEPTO'] = 'FEIEF'
df.loc[df['CONCEPTO'] == ' Fondo de Extracci?n de Hidrocarburos', 'CONCEPTO'] = 'FEXHI'
df.loc[df['CONCEPTO'] == ' Fondo de Fiscalizaci?n a Entidades Federativas', 'CONCEPTO'] = 'FOFIR'
df.loc[df['CONCEPTO'] == ' Fondo de Fomento Municipal', 'CONCEPTO'] = 'FOMUN'
df.loc[df['CONCEPTO'] == ' Gasto Federalizado del Ramo Provisiones Salariales y Economicas y Otros Subsidios', 'CONCEPTO'] = 'Gasto Federalizado del Ramo Provisiones Salariales y Economicas y Otros Subsidios'
df.loc[df['CONCEPTO'] == ' Incentivos Econ?micos', 'CONCEPTO'] = 'Incentivos Económicos'
df.loc[df['CONCEPTO'] == ' Participaciones a Entidades Federativas y Municipios (R28)', 'CONCEPTO'] = 'Participaciones a Entidades Federativas y Municipios (R28)'
df.loc[df['CONCEPTO'] == ' Participaciones a Entidades Federativas y Municipios (R28)}', 'CONCEPTO'] = 'Participaciones a Entidades Federativas y Municipios (R28)'
df.loc[df['CONCEPTO'] == ' Participaciones por el Derecho Adicional sobre la Extracci?n de Petr?leo', 'CONCEPTO'] = 'Derecho Adicional sobre la Extracción de Petróleo'
df.loc[df['CONCEPTO'] == ' Participaciones por el Impuesto Especial sobre Producci?n y Servicios (IEPS)', 'CONCEPTO'] = 'IEPS cervezas, tabacos y bebidas'
df.loc[df['CONCEPTO'] == ' Participaciones por el Impuesto Especial sobre Producci?n y Servicios de Gasolinas y Diesel (IEPS Gasolinas) Art?culo 2?.-A Fracci?n II Ley del IEPS', 'CONCEPTO'] = 'IEPS Gasolinas y Diesel'
df.loc[df['CONCEPTO'] == ' Participaciones por el Impuesto sobre Autom?viles Nuevos (ISAN)', 'CONCEPTO'] = 'ISAN'
df.loc[df['CONCEPTO'] == ' Participaciones por el Impuesto sobre Tenencia y Uso de Autom?viles', 'CONCEPTO'] = 'ISTUV'
df.loc[df['CONCEPTO'] == ' Recursos para Protecci?n Social en Salud', 'CONCEPTO'] = 'Recursos para Proteccion Social en Salud'
df.loc[df['CONCEPTO'] == ' Resto del Gasto Federalizado del Ramo Provisiones Salariales y Economicas y Otros Subsidios', 'CONCEPTO'] = 'Resto de Subsidios'
df.loc[df['SUBTEMA'] == 'Participaciones', 'SUBTEMA'] = 'Participaciones R28'
df.loc[df['SUBTEMA'] == 'Aportaciones Federales', 'SUBTEMA'] = 'Aportaciones R33'

In [4]:

df.loc[df['ENTIDAD'] == 'Coahuila de Zaragoza', 'ENTIDAD'] = 'Coahuila'
df.loc[df['ENTIDAD'] == 'Quer?taro', 'ENTIDAD'] = 'Queretaro'
df.loc[df['ENTIDAD'] == 'Nuevo Le?n', 'ENTIDAD'] = 'Nuevo Leon'
df.loc[df['ENTIDAD'] == 'Yucat?n', 'ENTIDAD'] = 'Yucatan'
df.loc[df['ENTIDAD'] == 'San Luis Potos?', 'ENTIDAD'] = 'San Luis Potosi'
df.loc[df['ENTIDAD'] == 'Michoac?n', 'ENTIDAD'] = 'Michoacan'
df.loc[df['ENTIDAD'] == 'M?xico', 'ENTIDAD'] = 'Mexico'
df['MONTOOK'] = df['MONTO']
df.loc[df['CONCEPTO'] == 'Aportaciones Federales para Entidades Federativas y Municipios (Incluye Ramos 33 y 25)', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Gasto Federalizado del Ramo Provisiones Salariales y Economicas y Otros Subsidios', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Convenios de Descentralizacion', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Fondo de Aportaciones M?ltiples (FAM)', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Fondo de Aportaciones para la Educaci?n Tecnol?gica y de Adultos. (FAETA)', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Fondo de Aportaciones para la Infraestructura Social (FAIS)', 'MONTOOK'] = 0
df.loc[df['CONCEPTO'] == 'Participaciones a Entidades Federativas y Municipios (R28)', 'MONTOOK'] = 0
df.loc[df['ENTIDAD'] == 'Total', 'MONTOOK'] = 0
#df.head()

In [5]:

#df2.drop(df2[df2.ENTIDAD == 'Total'].index, inplace = True)
#df2 = df.loc[df["ENTIDAD"] <> 'Total' ]
#df2.drop(df2[df2.MONTOOK == 0].index, inplace = True)
df2 = df[df["MONTOOK"] > 0 ]
df2.head()

Out[5]:

	CICLO	MES	CLAVE_DE_CONCEPTO	NOMBRE	TEMA	SUBTEMA	SECTOR	AMBITO	TIPO_DE_INFORMACION	BASE_DE_REGISTRO	...	PERIODO_INICIO	PERIODO_FINAL	FRECUENCIA	DIFUSION	MONTO	MesN	Fecha	ENTIDAD	CONCEPTO	MONTOOK
date
2011-02-01	2011	Febrero	XAC23B33	No distribuible: Fondo de Estabilizaci?n de lo...	Transferencias del Gobierno Federal a Entidade...	Subsidios	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	...	2006-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia	4.249213e+06	02	2011-02-01	No distribuible	FEIEF	4.249213e+06
2011-05-01	2011	Mayo	XAC23B33	No distribuible: Fondo de Estabilizaci?n de lo...	Transferencias del Gobierno Federal a Entidade...	Subsidios	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	...	2006-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia	5.353520e+06	05	2011-05-01	No distribuible	FEIEF	5.353520e+06
2011-08-01	2011	Agosto	XAC23B33	No distribuible: Fondo de Estabilizaci?n de lo...	Transferencias del Gobierno Federal a Entidade...	Subsidios	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	...	2006-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia	7.710972e+06	08	2011-08-01	No distribuible	FEIEF	7.710972e+06
2011-11-01	2011	Noviembre	XAC23B33	No distribuible: Fondo de Estabilizaci?n de lo...	Transferencias del Gobierno Federal a Entidade...	Subsidios	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	...	2006-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia	6.838217e+06	11	2011-11-01	No distribuible	FEIEF	6.838217e+06
2011-04-01	2011	Abril	XAC23C01	Aguascalientes: Resto del Gasto Federalizado d...	Transferencias del Gobierno Federal a Entidade...	Subsidios	Gobierno Federal Presupuestario	Federal	Flujo	Pagado	...	2004-01	2014-12	Mensual	30 d?as despu?s del cierre del mes de referencia	4.231564e+04	04	2011-04-01	Aguascalientes	Resto de Subsidios	4.231564e+04

5 rows × 21 columns

In [6]:

entidades = list(df2.ENTIDAD.unique())
entidades

Out[6]:

['No distribuible',
 'Aguascalientes',
 'Baja California',
 'Baja California Sur',
 'Campeche',
 'Coahuila',
 'Colima',
 'Chiapas',
 'Chihuahua',
 'Distrito Federal',
 'Durango',
 'Guanajuato',
 'Guerrero',
 'Hidalgo',
 'Jalisco',
 'Mexico',
 'Michoacan',
 'Puebla',
 'Queretaro',
 'Quintana Roo',
 'San Luis Potosi',
 'Sinaloa',
 'Sonora',
 'Tabasco',
 'Tamaulipas',
 'Tlaxcala',
 'Veracruz',
 'Yucatan',
 'Zacatecas',
 'Morelos',
 'Nayarit',
 'Nuevo Leon',
 'Oaxaca']

In [7]:

conceptos = list(df2.CONCEPTO.unique())
conceptos

Out[7]:

['FEIEF',
 'Resto de Subsidios',
 'Convenios de Reasignación',
 'FAETA INEA',
 'Convenios de Descentralización SEP',
 'FAM Educación Básica',
 'FAM Educación Superior',
 'FAFEF',
 'FAIS Estatal',
 'FAIS Municipal',
 'FAM Asistencia Social',
 'Convenios de Descentralización CNA',
 'Convenios de Descentralización Sagarpa',
 'FAETA Conalep',
 'FASP',
 'FORTAMUN',
 'FASSA',
 'FONE (antes FAEB)',
 'FOMUN',
 'IEPS cervezas, tabacos y bebidas',
 'ISTUV',
 'ISAN',
 'Incentivos Económicos',
 'Fondo General',
 '0.136% de la RFP',
 'Derecho Adicional sobre la Extracción de Petróleo',
 'IEPS Gasolinas y Diesel',
 'FOFIR',
 'FEXHI',
 'Recursos para Proteccion Social en Salud',
 'FIES',
 'FOCORI',
 'Fondo ISR']

In [8]:

subtemas = list(df2.SUBTEMA.unique())
subtemas

Out[8]:

['Subsidios',
 'Convenios',
 'Aportaciones R33',
 'Participaciones R28',
 'Recursos para Protección Social en Salud']

In [9]:

import plotly.graph_objects as go
import plotly.express as px

In [10]:

dt_entidad_subtema = df2.groupby(['ENTIDAD', 'SUBTEMA']).agg({'MONTOOK': 'sum'}).reset_index()
fig1 = px.bar(dt_entidad_subtema, x="ENTIDAD", y="MONTOOK",
             color='SUBTEMA', barmode='group',
             height=400)
fig1.update_layout(title_text='Por Entidad y Subtema', xaxis={'categoryorder':'total descending'})
fig1.show()

In [11]:

dt_ciclo_subtema = df2.groupby(['CICLO', 'SUBTEMA']).agg({'MONTOOK': 'sum'}).reset_index()
fig2 = px.bar(dt_ciclo_subtema, x="CICLO", y="MONTOOK",
             color='SUBTEMA', #barmode='group',
             height=400)
fig2.update_layout(title_text='Por Año y Subtema')
fig2.show()

In [12]:

dt_fecha = df2.groupby(['CICLO', 'MesN']).agg({'MONTOOK': 'sum'}).reset_index()
fig3 = px.line(dt_fecha, 
             x="MesN", 
             y="MONTOOK",
             color='CICLO', 
            # color_discrete_map='blue',
             height=600)
fig3.update_layout(title_text='Por Mes y Año')
fig3.show()

In [13]:

dt_subtema = df2.groupby(['SUBTEMA']).agg({'MONTOOK': 'sum'}).reset_index()
fig4 = px.bar(dt_subtema, x="SUBTEMA", y="MONTOOK",
             #color='SUBTEMA', 
             #barmode='group',
             height=400)
fig4.update_layout(title_text='Por Subtema', xaxis={'categoryorder':'total descending'})
fig4.show()

In [14]:

dt_subtema_concepto = df2.groupby(['SUBTEMA', 'CONCEPTO']).agg({'MONTOOK': 'sum'}).reset_index()
fig5 = px.sunburst(dt_subtema_concepto, path=['SUBTEMA', 'CONCEPTO'], values='MONTOOK', height=800)
fig5.update_layout(title_text='Por Subtema y Fondo')
fig5.show()

C:\Users\Homar\anaconda3\lib\site-packages\plotly\express\_core.py:1637: FutureWarning:

The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.

C:\Users\Homar\anaconda3\lib\site-packages\plotly\express\_core.py:1637: FutureWarning:

The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.

In [15]:

dt_subtema_concepto["all"] = "all"
fig6 = px.treemap(dt_subtema_concepto, path=['all', 'SUBTEMA', 'CONCEPTO'], values='MONTOOK', height=600)
fig6.update_traces(root_color="lightgrey")
fig6.update_layout(title_text='Por Subtema y Fondo')
fig6.show()

C:\Users\Homar\anaconda3\lib\site-packages\plotly\express\_core.py:1637: FutureWarning:

The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.

C:\Users\Homar\anaconda3\lib\site-packages\plotly\express\_core.py:1637: FutureWarning:

The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.

C:\Users\Homar\anaconda3\lib\site-packages\plotly\express\_core.py:1637: FutureWarning:

The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.

In [16]:

import json
mexico_path = 'C:/Users/Homar/Documents/Jupyter Notebooks/Mapeando/mexican_states.geojson'
with open(mexico_path) as f:
    geo_mexico = json.load(f)
print(geo_mexico["features"][0]["properties"])

{'objectid': 1069, 'fips_admin': 'MX22', 'gmi_admin': 'MEX-QDA', 'admin_name': 'Queretaro', 'fips_cntry': 'MX', 'gmi_cntry': 'MEX', 'cntry_name': 'Mexico', 'pop_admin': 1143544, 'type_eng': 'State', 'type_loc': 'Estado', 'sqkm': 12094.6, 'sqmi': 4669.73, 'color_map': '11', 'shape_leng': 5.66621056862, 'shape_area': 1.0467242079, 'cartodb_id': 13, 'created_at': '2014-08-19T17:34:57Z', 'updated_at': '2014-08-19T17:34:57Z'}

In [17]:

dt_entidad = df2.groupby(['ENTIDAD']).agg({'MONTOOK': 'sum'}).reset_index()
fig7 = px.choropleth(dt_entidad, 
                     geojson=geo_mexico, 
                     locations="ENTIDAD", 
                     featureidkey="properties.admin_name",
                     color='MONTOOK',
                     color_continuous_scale="Viridis",
                     fitbounds='locations', height=600
                     )
fig7.update_layout(title_text='Por Entidad', 
                   margin={"r":0,"t":0,"l":0,"b":0})
fig7.show()

In [18]:

df2.to_csv('transferencias_entidades_fed.csv')