Saltar a contenido

Tutorial — CDMX servidores públicos

El namespace client.cdmx expone el padrón de personal del Poder Ejecutivo del Gobierno de la Ciudad de México. Es el dataset más rico de los que cubre el observatorio: 246,831 servidores con campos sobre puesto, sector, sueldo bruto y neto, edad, sexo, antigüedad, tipo de contratación.

Este tutorial recorre los flujos típicos de análisis con caveats explícitos en cada paso.

Catálogo de sectores

El padrón está particionado por sectores del gobierno (Secretaría de Salud, Secretaría de Cultura, Sistema de Aguas, etc.). Empieza obteniendo el catálogo:

from datos_mexico import DatosMexico

with DatosMexico() as client:
    sectores = client.cdmx.sectores()
    for s in sectores[:5]:
        print(f"{s.id:>3} · {s.nombre} ({s.total_servidores:,} servidores)")

Caveat: la API trae 2 sectores test residuales (id=74 "Sector Test 6A3C4AA8" e id=77 "Sector Test B90B5FBA") con total_servidores=0. El SDK los tolera sin error pero conviene filtrarlos en análisis estadísticos. Está documentado server-side y pendiente de cleanup en la API.

sectores_reales = [s for s in sectores if s.total_servidores > 0]

Stats globales

dashboard_stats() devuelve los KPIs principales del padrón:

with DatosMexico() as client:
    stats = client.cdmx.dashboard_stats()
    print(f"Total: {stats.total_servidores:,}")
    print(f"Sueldo medio: ${stats.avg_salary:,.2f}")
    print(f"Sueldo mediano: ${stats.median_salary:,.2f}")

La diferencia entre media y mediana ya es informativa: en el padrón típico la media supera la mediana en aproximadamente 10–15 % por la cola de altos sueldos. Esto justifica usar mediana cuando reportas un "sueldo típico" y media cuando comparas masa salarial total.

Distribución salarial

Puedes obtener la lista paginada con servidores_lista():

with DatosMexico() as client:
    pagina = client.cdmx.servidores_lista(limit=100)
    for r in pagina.rows[:10]:
        print(f"{r.puesto[:50]:<50} ${r.sueldo_bruto or 0:>12,.2f}")

Para análisis de distribución completa, considera bajarte el padrón en CSV vía client.export.csv() y trabajarlo con pandas. La API tiene rate limiting prudente, así que es mejor pegarse uno solo a export que iterar miles de páginas.

from io import StringIO
import pandas as pd

with DatosMexico() as client:
    csv_text = client.export.csv()
    df = pd.read_csv(StringIO(csv_text))
    print(df["sueldo_bruto"].describe())

Ranking de puestos y sectores

with DatosMexico() as client:
    top_puestos = client.cdmx.puestos_ranking(limit=10)
    for p in top_puestos:
        print(f"{p.puesto[:50]:<50} {p.frecuencia:>6,}")

    sectores_rank = client.cdmx.sectores_ranking()
    for s in sectores_rank[:10]:
        print(f"{s.sector[:40]:<40} {s.total_servidores:>6,}")

Estos rankings son útiles para entender qué dominio del gobierno concentra cuántas personas. La distribución es típicamente muy sesgada: las dos o tres secretarías más grandes (Educación, Salud) suelen sumar más de la mitad del padrón.

Brecha por edad

brecha_edad() devuelve un corte específico que usa el observatorio para análisis demográfico del padrón:

with DatosMexico() as client:
    rows = client.cdmx.brecha_edad()
    for r in rows:
        print(f"{r.grupo_edad:<12} ${r.sueldo_promedio:,.2f}  ({r.n_servidores:,})")

Caveat metodológico: el grupo de edad y el sueldo promedio están correlacionados con antigüedad (no observada directamente como feature en este corte). Una lectura simplista — "los jóvenes ganan menos que los mayores" — confunde edad con experiencia. El equipo del observatorio expone el corte tal cual; la interpretación es responsabilidad del analista.

Detalle de un servidor específico

Si necesitas el registro completo de un servidor (ej. para análisis de caso o auditoría):

from datos_mexico import DatosMexico, NotFoundError

with DatosMexico() as client:
    try:
        detalle = client.cdmx.servidor_detail(servidor_id=12345)
        print(detalle.nombre, detalle.puesto, detalle.sueldo_bruto)
    except NotFoundError:
        print("Servidor no existe")

Comparar dos sectores

with DatosMexico() as client:
    cmp = client.cdmx.sectores_compare(a=1, b=2)
    print(f"Sector A: {cmp.sector_a.nombre}")
    print(f"  Sueldo medio:   ${cmp.sector_a.avg_salary:,.2f}")
    print(f"Sector B: {cmp.sector_b.nombre}")
    print(f"  Sueldo medio:   ${cmp.sector_b.avg_salary:,.2f}")
    print(f"Diferencia: ${cmp.diff_avg_salary:,.2f}")

Caveats globales del dataset

  • Cobertura: solo Poder Ejecutivo del Gobierno de la Ciudad de México. No incluye Gobierno Federal con sede en CDMX, organismos autónomos locales, ni empresas paraestatales. Si tu análisis necesita "todos los servidores públicos en CDMX", este dataset es un subconjunto.
  • Snapshot: el padrón es vigente al momento de publicación. No es serie histórica; no puedes hacer "evolución salarial 2020-2024" con este dataset.
  • Nominales: sueldos están en pesos corrientes mexicanos. Para comparaciones temporales con otros datasets (ej. SAR), considera deflactar.

Próximos pasos