Changelog

Source: NEWS.md

censosbo (development version)

Los cambios de esta sección están en GitHub pero todavía no en CRAN, que recibe una actualización agrupada cada uno o dos meses. Para tenerlos: remotes::install_github("lab-tecnosocial/censosbo").

censosbo 2.0.2

Tres correcciones salidas de probar el paquete como lo estrena alguien nuevo: instalado desde GitHub, con el caché vacío. Ninguna cambia resultados; las tres quitan fricción donde el paquete parecía no tener el dato que sí tenía.

• Los nombres y las búsquedas ya no dependen de las tildes. municipio = "Zudanez" abortaba con «no encontrado en el catálogo» y buscar = "instruccion" devolvía cero filas, en los dos casos sin pista de que lo único que faltaba era un acento. Ahora departamento, provincia y municipio aceptan los nombres con o sin acentos —55 de los 343 municipios llevan tilde o eñe, y "Potosi" ya vale por "Potosí"— y buscar encuentra "Nivel más alto de instrucción" escribiendo instruccion.

  No se pierde precisión: los nueve nombres de municipio que colisionan al ignorar los acentos (Entre Ríos, San Pedro, Totora…) son los nueve que ya estaban repetidos entre departamentos, así que siguen pidiendo departamento para desambiguar, como antes.

• Pedir un tema que no se preguntó en ese censo ahora lo dice. codebook(tema = "religion", anio = 2024) devolvía cero filas en silencio; religion está en la taxonomía pero solo se preguntó en 1992. Ahora aborta indicando en qué censos sí está. Como efecto colateral se corrige el mensaje de tema no reconocido, que prometía «21 temas disponibles» mientras censo_temas() mostraba 20: contaba la taxonomía completa en vez de los temas del censo consultado.

• README: dos ejemplos de la sección de censos históricos no funcionaban (codebook_1992(buscar = "sexo") no encuentra nada porque en 1992 la etiqueta es «Es hombre o mujer»). Corregidos, y el bloque pasa a evaluarse al construir el README para que no vuelva a pasar. Se documenta también que install_github() no trae las viñetas a menos que se pida build_vignettes = TRUE, con enlace a la versión online.

Y tres más salidas de la revisión del consumidor censos-explorer:

• Las funciones de un censo avisan del universo de las variables que pides. El universo estaba publicado en codebook() desde hace versiones, pero solo se avisaba en get_temporal(), y ahí únicamente cuando difería entre censos. Faltaba justo el caso de riesgo: pedir nivel_edu de un solo año y dividir por el total de filas, que es un error de doce puntos porcentuales. Ahora get_personas_2024(), get_censo() y las demás informan una vez por llamada:

  ℹ No toda la población respondió esta variable:
    nivel_edu: personas de 19 años o más
  ℹ Un porcentaje sobre el total de filas usaría un denominador mayor que ese universo.

  Solo cuando pides variables explícitamente (con variables = NULL serían decenas de avisos) y solo con verbose = TRUE, así que los consumidores headless no lo ven. Es un mensaje informativo, no un warning.

  Limitación heredada del INE: el DDI de 2012 solo declara todas_personas y todas_viviendas, así que para ese censo el aviso no salta. Queda documentado en ?codebook_meta.

• La viñeta de manzanos y comunidades explicaba mal un desfase que ya no existe. Afirmaba que el INE cuenta las viviendas distinto en el geoportal y en los microdatos. No era así: la diferencia eran los 10.287 registros de calle y tránsito, y desde la 1.7.0 las dos fuentes cuadran en los 343 municipios. Reescrita como lo que es —una validación cruzada— y el artículo ahora comprueba esa igualdad al construirse, en vez de afirmarla.

• CI: las seis pruebas de reconciliación contra las cifras oficiales del INE no se ejecutaban nunca de forma automática. Nuevo workflow mensual (y a demanda) que descarga los microdatos y las corre, y que falla si acaban en skipped en vez de dar un verde que no comprobó nada.

censosbo 2.0.1

• El caché vuelve a crearse sin pedir confirmación. La 2.0.0 preguntaba la primera vez, en sesión interactiva, siguiendo una lectura conservadora de la política de CRAN. Instalando desde GitHub eso es fricción por un requisito que todavía no aplica, así que se retira: descargar implica cachear, como siempre.

  Nada más cambia. censosbo_cache_dir(), censosbo_cache_info() y censosbo_cache_clear() funcionan igual, y las opciones censosbo.cache_dir y censosbo.consent se siguen reconociendo.

  La política de CRAN tiene además una vía que no exige consentimiento: guardar el caché en tools::R_user_dir() declarando R >= 4.0, siempre que el contenido se gestione activamente. Cuando lleguen los comentarios de la revisión se decidirá por cuál ir. El estado exacto que se envió a CRAN está preservado en la rama cran-2.0.0.

censosbo 2.0.0

CRAN release: 2026-08-07

Esta versión prepara el paquete para CRAN. El cambio de mayor a 2.0.0 es por la retirada de update_censosbo(); el resto es infraestructura que no altera ningún resultado.

Cambio incompatible

• update_censosbo() se retira. Una función que reinstala el propio paquete desde GitHub no puede convivir con la distribución por CRAN: evita el canal oficial y modifica la instalación del usuario sin pasar por él.

  Para actualizar, ahora: install.packages("censosbo") (o remotes::install_github("lab-tecnosocial/censosbo") para la versión en desarrollo). Y si la nueva versión corrige datos y no solo código, borrar el caché para que se vuelvan a descargar:

  censosbo_cache_clear()

Preparación para CRAN

Nada de esto cambia lo que devuelven las funciones. Se documenta porque explica por qué se movieron archivos que parecían estar bien donde estaban.

• Las tablas internas con texto en español pasan a R/sysdata.rda (etiquetas de los códigos armonizados, textos de universo, nombres de departamento). CRAN exige que el código de R sea ASCII puro, y escribir "Sin instrucción" como "Sin instrucci\u00f3n" habría vuelto ilegible un dato que hay que poder leer y editar. Ahora se editan en data-raw/build_sysdata.R, con un test que compara byte a byte contra una referencia para que ninguna máquina con otra codificación pueda corromper las tildes en silencio.

• Los mensajes de error y aviso se escriben con escapes \uXXXX en el código. El texto que ve el usuario es idéntico.

• El primer uso del caché pide confirmación en sesión interactiva, como pide la política de CRAN para escribir fuera del directorio temporal. En scripts, CI o contenedores —cualquier sesión no interactiva— no pregunta y descarga igual. Para autorizarlo de antemano: options(censosbo.consent = TRUE).

• Siete viñetas pasan a ser artículos solo-web: siguen publicadas en https://lab-tecnosocial.github.io/censosbo/ y no cambian de contenido, pero no viajan dentro del paquete. Las tres que sí lo hacen (Introducción, Diccionario, Temas) vienen precompiladas, así que instalar el paquete ya no descarga nada.

• duckdb y DBI pasan de dependencias obligatorias a opcionales: solo hacen falta para as = "duckdb", y el paquete avisa de cómo instalarlos si se pide ese backend sin tenerlos. Quien no use SQL se ahorra compilarlos. sf sigue siendo obligatorio, porque las capas geo_* que trae el paquete son objetos sf y sin él no se podrían ni imprimir.

• Title y Description pasan a inglés, como pide CRAN. La documentación, las viñetas y los mensajes siguen íntegramente en español.

• El requisito de versión de R pasa a >= 4.2, que es el mínimo real: lo impone arrow. El >= 4.1.0 que se declaraba antes era una promesa falsa — con R 4.1 la instalación falla al resolver esa dependencia.

censosbo 1.7.0

⚠️ Esta versión cambia el número de filas que devuelven las funciones get_viviendas_*(), así que rompe cualquier código que dependiera del conteo anterior. Si necesitas el comportamiento de la 1.6.0, pasa universo = "todos". Los consumidores que leen vivienda.parquet directamente (sin pasar por las funciones de R) no heredan la corrección y hay que arreglarlos aparte: censos-explorer y q-censosbo están en ese caso.

El universo de vivienda: get_viviendas_2024() ya cuenta como el INE

Cambio de comportamiento. get_viviendas_2024() devolvía 4.490.488 filas y las llamaba viviendas. 10.287 de ellas no lo son: son personas censadas fuera de una vivienda, marcadas en v01_tipoviv como persona que vive en la calle (código 15, 3.311 registros) o en tránsito: terminal, aeropuerto, puerto u otro (código 16, 6.976). El INE no las cuenta como viviendas en ningún tabulado.

Ahora el defecto es el universo oficial: 4.480.201 viviendas, la cifra de los tabulados del CPV-2024. También cuadra por área (2.898.140 urbanas, 1.582.061 rurales) y, agregando por municipio, coincide al registro con las viviendas del geoportal en los 343 municipios —con la entidad cruda solo coincidían 20.

• Argumento universo nuevo en get_viviendas_2024(), get_censo(anio, "vivienda") y los atajos get_viviendas_1976()/_1992()/_2001()/_2012():

  universo	2024	Qué es
  "viviendas"	4.480.201	El universo oficial del INE (defecto)
  "particulares"	4.463.773	Casas, departamentos, chozas, cuartos sueltos…
  "colectivas"	16.428	Hoteles, hospitales, cuarteles, penitenciarías…
  "todos"	4.490.488	La entidad cruda de REDATAM, como antes

  Si necesitas el comportamiento anterior, usa universo = "todos".

• Los censos anteriores tienen el mismo problema y el mismo arreglo. Cada uno nombra la categoría a su manera: 1992 Ambulante (4.939 registros), 2001 Transeúntes (9.392), 2012 En tránsito y Persona que vive en la calle (12.971). Los totales por defecto pasan a 1.701.168, 2.281.022 y 3.159.350. El censo 1976 no preguntó por calle ni tránsito: ahí no cambia nada.

• tipos_vivienda(), función nueva: los códigos de tipo de vivienda de un censo con su etiqueta, su grupo (particular, colectiva, no_vivienda, sin_clasificar) y si entran en el universo oficial. Sirve para auditar qué descarta cada valor de universo en vez de tener que confiar en la documentación.

• Los códigos que aparecen en los microdatos pero no en el diccionario del censo (el 88 de 1976, el 0 de 1992) se conservan en "viviendas": no consta que sean calle ni tránsito, así que descartarlos sería una decisión sin respaldo. tipos_vivienda() los muestra como sin_clasificar en vez de esconderlos.

Documentación corregida

• get_unidades_2024() decía algo falso. Afirmaba que la diferencia del 0,23% entre las viviendas del geoportal y las de los microdatos «procede del propio INE, que cuenta las viviendas de forma distinta en el geoportal y en los microdatos», y recomendaba get_viviendas_2024() para el total de un territorio —justo la cifra inflada. No eran dos formas de contar: eran los registros de calle y tránsito. Con el universo oficial las dos fuentes cuadran exactamente. Lo mismo estaba escrito en dev-docs/fuentes-ine-geoportal.md.

• El universo todas_viviendas del diccionario induce a error y ahora se describe como lo que es: todos los registros de la entidad vivienda, incluidas las personas en la calle o en tránsito.

• Una tasa oficial no es dividir una categoría entre todas las filas. La viñeta de análisis demográfico calculaba el alfabetismo de 15+ años sobre toda la población de esa edad y daba 94,94%; el tabulado oficial publica 95,8633%. La diferencia son los 80.297 registros con p40_lee = 9 (Sin especificar), que el INE deja fuera del denominador: excluirlos da 95,8630% y explica la brecha salvo 0,0003 puntos. La viñeta ahora enseña la receta y por qué hace falta.

Tests de reconciliación con el INE

tests/testthat/test-reconciliacion-oficial.R, suite nueva. Que la suite pasara demostraba consistencia interna, no que las cifras coincidieran con lo publicado —que es lo que se cita. Ahora quedan fijadas: población total y por sexo, los cuatro universos de vivienda, viviendas por área, el cuadre municipio a municipio con el geoportal, los totales de los censos históricos y el denominador del alfabetismo.

Necesita los microdatos completos en caché (~1 GB), así que se salta por defecto:

CENSOSBO_TEST_RECONCILIACION=true Rscript -e 'devtools::test(filter = "reconciliacion")'

censosbo 1.6.0

Cartografía municipal completa y sin huecos

geo_municipios pasa a los 343 municipios del CPV-2024, sobre límites nuevos de SDSN Bolivia cruzados con los códigos y nombres del INE. Antes eran 339 polígonos de cartografía electoral. La procedencia de cada columna está en la viñeta Mapas coropléticos.

• Los cuatro GAIOC creados desde 2016 ya se dibujan: TIOC-Raqaypampa (Cochabamba), San Pedro de Macha y TIOC-Jatun Ayllu Yura (Potosí), y TIOC-Territorio Indígena Multiétnico (Beni). No eran huecos en el mapa: su territorio aparecía dentro del municipio madre —Mizque, Colquechaca, Tomave, San Ignacio y Santa Ana—, así que sus datos salían mal atribuidos sin que se notara. Son 7.599 km² que estaban asignados al municipio equivocado.

• Desaparecen las franjas blancas entre municipios. La capa anterior se simplificó sin preservar la topología y quedaban 1.126 huecos espurios (461 km²) entre vecinos, visibles en cualquier zoom. La nueva se simplifica con rmapshaper::ms_simplify(), que respeta los arcos compartidos: los únicos huecos que quedan son reales (Salar de Uyuni, lagos Poopó y Uru Uru).

• Dos columnas nuevas: capital (capital municipal) y superficie_km2, con la que se calculan densidades sin recalcular áreas.

• geo_departamentos ahora se deriva por disolución de geo_municipios, de modo que los bordes departamentales caen exactamente sobre los municipales.

• Los códigos idep/iprov/imun de cada polígono no se leen de la fuente cartográfica, que los trae desalineados en 7 municipios de Omasuyos (La Paz) y Ñuflo de Chávez (Santa Cruz). Se deducen por voto espacial mayoritario contra los ~21.000 puntos de comunidades del CPV-2024, que llevan el código usado en los microdatos. Con eso, la población municipal de la fuente coincide exacta en los 343 municipios con el conteo de los microdatos, y el 97,3% de los puntos del CPV-2024 cae en su municipio (antes, 95,9%).

mapa_mun() ya no avisa de «municipios sin cobertura cartográfica»: la advertencia queda solo para códigos que no existen en la división actual, lo típico al mapear censos anteriores a 2012.

censosbo 1.5.1

Correcciones

• El aviso de universo de get_temporal() daba un consejo que no se podía seguir. Decía «Filtra edad >= 6», pero la función solo devuelve las variables pedidas, así que sin "edad" entre ellas el filtro fallaba con object 'edad' not found. Ahora, cuando la columna no está, el aviso dice cómo conseguirla: «Añade “edad” a variables y filtra edad >= 6». Los grupos predefinidos (grupo = "educacion") ya la incluían, así que esto solo afectaba a quien pedía variables sueltas.
• Documentación al día con la cobertura real de los cinco censos: los @format de codebook_meta y codebook_historico_meta describían cinco columnas de las quince, y los roxygen de censo_temas_meta, codebook_docs_meta, censo_temas(), vars_tema() y codebook_docs() seguían diciendo 20 temas y tres censos, junto con las viñetas diccionario y censos-historicos.

censosbo 1.5.0

Un vocabulario temático para las variables censales

Los cinco censos tienen 809 variables entre todos, y el diccionario solo decía nombre, etiqueta, tabla y tipo. No había forma de preguntar «¿qué variables hay de educación?» ni —lo que más importa— a quién se le preguntó cada cosa. Esta versión añade las dos cosas, a partir de dos fuentes oficiales del INE: los cuestionarios censales y los diccionarios DDI del catálogo ANDA (estudios 132, 8, 10, 47 y 46, es decir los cinco censos).

Nuevas columnas en el codebook

codebook() devuelve diez columnas más. Van al final, después de las cinco originales, cuyo nombre y orden se conservan:

• tema — uno de 21 temas. Diecisiete son los que el propio INE declara en su catálogo; los otros cuatro los añade el paquete (ubicacion_geografica, identificacion, materiales_construccion y religion, esta última porque solo el censo de 1992 preguntó por pertenencia religiosa).
• universo — a quién se aplicó la pregunta: personas_5_mas, mujeres_12_mas, viviendas_presentes… Es la columna que evita el error más frecuente en análisis censal: calcular un porcentaje sobre el denominador equivocado. Por ejemplo, nivel_edu está construida sobre personas de 19 años o más, no sobre toda la población.
• capitulo — los siete capítulos (A–G) del cuestionario del CPV-2024.
• pregunta y pregunta_num — el número de pregunta del formulario, para recorrer el censo en el mismo orden en que se aplicó.
• origen — distingue una pregunta directa (cuestionario) de una variable que el INE o REDATAM construyeron (derivada), de las claves geográficas y los identificadores.
• grupo_ine — la agrupación oficial de cada censo anterior, que 2024 no trae.
• bloque y denominador — para los 194 indicadores de manzano y comunidad.
• valores_fuente — si las etiquetas de valor vienen de REDATAM o del DDI.

Los 21 temas se aplican a los cinco censos, así que codebook(tema = "educacion", anio = ...) es comparable entre ellos. Los capítulos son solo de 2024: los cuestionarios anteriores tienen otra estructura y varios numeran las secciones de vivienda y de persona en paralelo.

Funciones nuevas

• censo_temas() — el catálogo de temas con el número de variables de cada uno, contado en vivo y filtrable por tabla y año.

• vars_tema() — los nombres de las variables de un tema, en el orden del cuestionario, listos para pasar a variables:

  get_personas_2024(
    departamento = "Cochabamba",
    variables = vars_tema("educacion", tabla = "persona")
  )

• codebook_docs() — la documentación conceptual oficial del INE: qué mide la variable, la pregunta tal como se leyó en campo, las instrucciones al censista y, para las derivadas, la regla con que se calcularon. Cubre 445 variables de los cinco censos.

codebook() acepta tema, capitulo y origen, añadidos después de anio para no romper las llamadas posicionales.

get_temporal() avisa cuando el universo cambia entre censos

Armonizar los códigos no iguala la población a la que se preguntó, y el INE movió el filtro de edad de varias preguntas entre censos. Ahora el paquete lo detecta y avisa:

! `sabe_leer` no se preguntó a la misma población en todos los censos:
    1992: personas de 6 años o más
    2001: personas de 4 años o más
    2024: personas de 5 años o más
  i Añade "edad" a `variables` y filtra `edad >= 6` antes de comparar.

Siete variables armonizadas están afectadas. nivel_edu es la más extrema: 6 años en 1992, 4 en 2001 y 19 en 2024. Antes esto estaba escrito en la documentación para dos variables; ahora salta en el punto de uso para todas, con el dato del propio INE.

get_temporal(grupo = ) también acepta ya los slugs de censo_temas(), para no tener que recordar cuál de los dos vocabularios usa cada función. Los seis grupos originales siguen siendo válidos.

Datasets nuevos

censo_temas_meta (21 temas), censo_bloques_meta (los 15 bloques de las fichas) y codebook_docs_meta (445 filas de documentación conceptual, con la procedencia de los cinco DDI en el atributo "ddi"). variable_temporal_map gana una columna tema que conecta los nombres armonizados con la taxonomía.

Salida más legible

Con quince columnas, imprimir el codebook en consola se había vuelto ilegible. Ahora print() oculta las columnas que no aplican al subconjunto consultado —y dice cuáles son— y resume valores_codigos por su número de categorías en vez de volcar todas. El objeto sigue siendo un data.frame con todas las columnas.

Correcciones

• etiquetar_valores() elegía la tabla equivocada. Cuando una variable existe en varias tablas y solo algunas traen las categorías —idep en el censo 2001 las tiene en persona y no en vivienda—, se cogía la primera fila del diccionario y la columna se quedaba sin etiquetar. Ahora se usa la primera que sí las tiene.

• i00 ya está documentada. El número de vivienda dentro del predio se devolvía en todas las consultas pero no estaba en el diccionario, así que etiquetar_variables() no la etiquetaba.

• Cuando se piden columnas que no existen en la tabla consultada pero sí en otra, el aviso ahora lo dice: "v07_aguapro existe en la tabla vivienda; usa get_viviendas_2024()".

• Dos gráficos de las viñetas declaraban un universo que no era el que mostraban. El de nivel educativo decía «15+ años» cuando en realidad era 19+, y el mapa de alfabetismo no aclaraba su umbral; ahora usa 15+, el de las tasas oficiales.

Cambios de comportamiento

• codebook(buscar = ) ahora busca también en el tema, así que codebook(buscar = "salud") devuelve el tema completo y puede dar más filas que antes.
• En los censos 2001 y 1976, un par de variables pasaron a tener etiquetas de valor tomadas del DDI del INE. etiquetar_valores() devolverá un factor donde antes devolvía el código: puede afectar a gráficos o tablas ya hechos.

Nota sobre las etiquetas de valor

Los DDI de los cuatro censos anteriores traen categorías que el diccionario de microdatos no tiene, y se usaron para rellenar los huecos. No se sobrescribió nada preexistente, y con razón: el contraste reveló que el DDI del INE tiene errores puntuales — en el CPV-2012, la variable de estado civil viene con las categorías de otra pregunta. Las discrepancias quedan registradas para revisión en data-raw/ddi/reporte_valores.md, clasificadas por severidad.

Para quien consuma el paquete

Las columnas nuevas también viajan a los diccionario_variables.parquet publicados en los GitHub Releases. Los consumidores que cacheen ese archivo por nombre —el plugin de QGIS lo hace— tienen que vaciar la caché una vez para verlas. Ver dev-docs/consumidores-taxonomia.md.

censosbo 1.4.1

• Las descargas reintentan ante fallos transitorios. GitHub Releases devuelve 500 o 503 esporádicamente, y un único fallo abortaba toda la operación — algo molesto cuando se piden los nueve archivos de persona o los nueve de manzanos. Ahora se reintenta tres veces con espera creciente y solo se aborta si fallan todos los intentos. De paso, los tres descargadores (.download_parquet(), .download_ficha() y .download_censo()) comparten un solo helper en vez de repetir la misma lógica de descarga atómica.

censosbo 1.4.0

get_censo() ahora cubre también el CPV-2024

get_censo() se presentaba como la API genérica por año, pero rechazaba anio = 2024 — y la propia documentación de get_personas_2024() ofrecía get_censo(2024, "persona", ...) como equivalente, un ejemplo que no funcionaba. Ahora acepta los cinco censos: con anio = 2024 delega en get_personas_2024(), get_viviendas_2024(), get_emigracion_2024() o get_mortalidad_2024() según tabla, con resultado idéntico al de esas funciones.

get_censo(2024, "persona", departamento = "07")   # = get_personas_2024()

Correcciones

• Los mapas fallaban en una sesión limpia. sf estaba en Imports: del DESCRIPTION pero nada lo importaba en NAMESPACE, así que library(censosbo) no cargaba su namespace ni registraba sus métodos S3. Sin ellos, filtrar un objeto sf caía en [.data.frame, que degrada la columna de geometría a una lista corriente, y mapa_mun(..., departamento = ...) abortaba con attr(obj, "sf_column") does not point to a geometry column. Afectaba también a geo_municipios y geo_departamentos manipulados por el usuario.
• etiquetar_variables() dejaba columnas sin nombre. Las 11 variables derivadas del censo 1976 que no traen descripción en el diccionario del INE (nivela, pea, pet, anioes1, …) se renombraban a "". Ahora conservan su nombre original.
• mapa_dep() y mapa_mun() ignoraban los códigos geográficos numéricos. Un idep entero (1, 2, …) no emparejaba con "01", "02", … del catálogo y el mapa salía entero en gris, sin ningún aviso. Ahora se normalizan a 2 dígitos, igual que en etiquetar_geografia().
• get_temporal() perdía nivel_edu en 1992 en las filas donde P11 era NA: la condición del ifelse() propagaba el NA al resultado.
• censosbo_cache_clear() ya limpia también el subdirectorio fichas/ cuando queda vacío (antes solo lo hacía con historico/).
• mapa_dep(mostrar_nombres = TRUE) y mapa_mun(mostrar_nombres = TRUE) ya no emiten los avisos de sf sobre centroides en coordenadas geográficas, que eran irrelevantes para posicionar una etiqueta.
• citation("censosbo") reportaba siempre la versión 1.0.0; ahora lee la versión y el año del paquete instalado.

Documentación: cifras verificadas y ejemplos que se ejecutan

Se revisaron todas las cifras de la documentación contra los datos publicados y se corrigieron las que no cuadraban:

• geo_municipios tiene 339 municipios, no 336, y los que faltan son 4, no 7 (los TIOC Raqaypampa, Jatun Ayllu Yura y Territorio Indígena Multiétnico, más San Pedro de Macha).
• Tamaños en disco y RAM. Los tamaños de los censos históricos estaban desactualizados (1976 figuraba con 63 MB y son 46; 2012 persona con 165 MB y son 120), y las estimaciones de RAM eran entre 5 y 10 veces demasiado bajas: get_personas_2024() completo ocupa ~5,6 GB al hacer collect(), no ~490 MB. El número de columnas de los censos históricos tampoco incluía las columnas geográficas denormalizadas.
• Variables mal citadas del censo 1976: la viñeta usaba p02 como sexo y p03 como edad, cuando p02 es parentesco, p03 sexo y p04 edad.
• La viñeta de análisis temporal decía que servicio_sanitario no está disponible en 2012 (sí lo está, es P09) y usaba el código "05" para Santa Cruz (es "07"; "05" es Potosí). La de censos históricos daba 344 municipios para 2024 (son 343) y afirmaba que sin departamento no se añaden las columnas geográficas, cuando se añaden siempre.
• El README y la viñeta de introducción daban tablas de censos distintas entre sí, y la de introducción atribuía la conversión de los datos a un pipeline de Python que ya no se usa (es R: haven/readr + arrow).
• Universos poblacionales en el análisis temporal. nivel_edu y estado_civil cambian de población de referencia entre censos, así que sus distribuciones no son comparables sin filtrar por edad. Queda documentado en variables_armonizadas()$notas, en ?get_temporal y en la viñeta, que ahora aplica el filtro correcto en el gráfico de nivel educativo.
• Los ejemplos se ejecutan de verdad. El README y las viñetas de censos históricos y análisis temporal tenían los bloques con eval = FALSE y salidas escritas a mano. Ahora se ejecutan al construir la documentación (con departamentos pequeños, para que la descarga sea liviana), así que las salidas que se ven son reales.
• La viñeta del diccionario documenta ya las tablas unidad y ficha (los 194 indicadores por manzano y comunidad), que faltaban.

censosbo 1.3.0

Datos por manzano y comunidad (CPV-2024)

El paquete llegaba hasta el municipio: 343 unidades. Ahora también da acceso al nivel más fino que publica el INE, 268.604 unidades censales —manzanos urbanos y comunidades rurales— con 194 indicadores cada una.

• get_unidades_2024(): universo completo de unidades con su población, viviendas y si tienen ficha disponible. Filtra por departamento, provincia, municipio y area.
• get_fichas_2024(): los 194 indicadores de la ficha resumen del INE — población por edad y sexo, educación, salud, migración, empleo, actividad económica, vivienda, servicios básicos, TIC, materiales de construcción, hacinamiento y tipo de hogar.
• get_geo_manzanos() y get_geo_comunidades(): geometrías en sf (EPSG:4326). Los manzanos están partidos por departamento; las comunidades rurales son en su mayoría puntos, no polígonos.
• mapa_man(): mapas de un municipio a nivel de manzano y comunidad.
• Nueva viñeta: Manzanos y comunidades: el CPV-2024 al máximo detalle.

Notas sobre estos datos:

• El INE no libera la ficha de las unidades con poca población, por reserva estadística. Eso deja fuera al 47 % de los manzanos, pero la cobertura efectiva sigue siendo alta: 150.744 unidades con ficha, el 92 % de la población y el 90 % de las viviendas del país. La columna ficha de get_unidades_2024() marca cuáles la tienen.
• Los bloques salud_lugar_* y tic_* son de respuesta múltiple: sus categorías suman más que el total. Cada bloque incluye su propio total, que es el denominador correcto.
• area reutiliza el dominio de los microdatos (1 = Urbana, 2 = Rural), así que etiquetar_valores() se comporta igual en ambas fuentes. Las funciones aceptan además "urbano" y "rural" por legibilidad.
• Los datos viven en su propio release (data-fichas-v1.0.0) y se cachean bajo fichas/, separados de los microdatos.

codebook(tabla = "unidad") y codebook(tabla = "ficha") documentan las variables nuevas.

Una advertencia sobre los totales: la población agregada por municipio coincide exactamente con get_personas_2024() en los 343 municipios, pero las viviendas dan un 0,23% menos que get_viviendas_2024(). El déficit es sistemático (323 municipios por debajo, ninguno por encima) y viene del propio INE, que cuenta las viviendas de forma distinta en el geoportal y en los microdatos. Para el total de viviendas de un territorio, usa get_viviendas_2024().

censosbo 1.2.1

Correcciones

• get_temporal(variables = "grupo_edad"): los grupos de edad quinquenales ahora se calculan desde la edad individual en todos los censos y son comparables entre años. Antes, 1976 y 1992 tomaban variables ya agrupadas (edad5/GEDAD), cuyos códigos no eran quinquenios: 1992 producía bins sin sentido y 1976 devolvía códigos crudos. (grupo_edad está en el grupo demografico, así que afectaba al análisis por defecto.)
• Filtro por municipio con código sin provincia: el código de municipio se repite entre provincias, por lo que municipio = "01" emparejaba un municipio por provincia (p.ej. 16 en Cochabamba) en silencio. Ahora se emite un error pidiendo indicar provincia para desambiguar (igual que ya ocurría con nombres repetidos entre departamentos). La comprobación de ambigüedad ahora cubre también los códigos, no solo los nombres.
• Resultado vacío en get_censo(): la advertencia de filtro geográfico sin filas y el retorno NULL ahora ocurren con cualquier as ("arrow", "duckdb", "tibble"); antes solo con "tibble", contradiciendo la documentación.

Robustez

• Descargas atómicas: los Parquet se descargan a un archivo temporal .part y solo se renombran al completar. Una interrupción ya no deja un archivo truncado en caché que se reutilizaría indefinidamente.
• censosbo_cache_clear() borra únicamente los archivos .parquet (y el subdirectorio historico/ si queda vacío), en lugar de eliminar todo el directorio de caché. Evita perder otros archivos cuando el caché se redirige a una carpeta del proyecto con options(censosbo.cache_dir = ...).

Consistencia y DX

• codebook() y variables_armonizadas() validan el argumento tabla y abortan con la lista de tablas disponibles ante un valor no reconocido (antes devolvían 0 filas en silencio).
• codebook_valores() avisa cuando la variable existe en varias tablas e indica de cuál muestra los valores.
• La documentación de las conexiones DuckDB recomienda cerrarlas con DBI::dbDisconnect(con, shutdown = TRUE) para liberar la instancia.
• Correcciones de documentación: ejemplo de mapa_mun() usaba una variable inexistente (v10_agua → v07_aguapro); tamaños de descarga de get_personas_2024() sincronizados con el README; get_mortalidad_2024() añadida a la tabla de censos del README; NEWS.md se incluye ahora en el paquete instalado.

censosbo 1.2.0

Filtros geográficos por nombre y validación (provincia / municipio)

• provincia y municipio ahora aceptan nombres además de códigos en get_personas_2024(), get_viviendas_2024(), get_emigracion_2024(), get_mortalidad_2024() y en los censos históricos 1992/2001/2012 vía get_censo(). Ejemplo: get_personas_2024(departamento = "Cochabamba", municipio = "Cochabamba"). (El censo 1976 mantiene solo códigos: usó cantones.)
• Los valores inexistentes ahora producen un error claro en vez de un resultado de 0 filas en silencio. Un nombre repetido entre departamentos (p.ej. "Totora", "Cercado") pide indicar departamento para desambiguar.
• Si se pasa provincia/municipio sin departamento, este se infiere del catálogo, de modo que get_personas_2024(municipio = "Cochabamba") solo descarga el departamento correspondiente en vez de todo el país.
• El filtrado se hace por la tupla completa (idep, iprov, imun), corrigiendo un sobre-emparejamiento latente (el código de municipio se repite entre provincias y hay nombres de municipio repetidos entre departamentos).

Nuevas funciones y mejoras de etiquetado

• Nueva función etiquetar_geografia(): agrega nombre_dep, nombre_prov y nombre_mun a un data frame de microdatos a partir de sus códigos geográficos, eliminando el left_join manual con municipios(). Es el equivalente geográfico de etiquetar_valores().
• etiquetar_valores() etiqueta area (Urbana/Rural de la tabla persona) de forma determinista. Antes dependía de qué otras columnas acompañaran a area (la variable solo figuraba en el diccionario de 1976), por lo que a veces la dejaba como entero sin aviso.
• etiquetar_valores() ahora avisa cuando la detección automática del censo parece equivocada: si los valores de una columna reconocida no coinciden con los códigos del censo detectado, la deja cruda y sugiere usar anio = (en vez de devolver una columna toda-NA en silencio).
• codebook() / codebook_valores() documentan la variable derivada area (persona) con sus valores 1 = Urbana, 2 = Rural, equivalente a urbrur (vivienda).

Consistencia

• departamentos(), provincias() y municipios() devuelven tibble (antes data.frame), por lo que print(x, n = ) y la exploración funcionan como en el resto del tidyverse.

censosbo 1.1.0

Geografía directa en censos históricos (sin “consultas estrella”)

• Las tablas de los censos 1992, 2001 y 2012 (persona, vivienda, mortalidad, emigracion, discapacidad) ahora incluyen las columnas geográficas idep, iprov e imun pre-unidas, idénticas en formato al CPV-2024 (string de 2 dígitos, "01"–"09"). El censo 1976 (poblacion, vivienda) expone idep e iprov (no imun: usó cantones, no municipios comparables).
• get_censo() filtra ahora por geografía directamente sobre estas columnas, sin reconstruir la jerarquía REDATAM (persona → vivienda → municipio). Esto elimina el join estrella vía DuckDB y la descarga de depto/provin/munic, y hace que los Parquet sean usables tal cual desde otras herramientas (QGIS, Python, DuckDB) sin joins.
• codebook() documenta idep/iprov/imun (tipo categorica) en todos los censos.

Actualización de datos: esta versión cambia los Parquet publicados. Si ya tenías datos en caché, ejecuta update_censosbo() (o censosbo_cache_clear()) para descargar la versión con las columnas geográficas.

censosbo 1.0.4

Correcciones

• get_censo() ahora muestra un mensaje claro al recibir un año no válido (antes fallaba con un error interno de cli por nombres de variable con punto). Mismo arreglo en los mensajes de error de descarga.
• etiquetar_valores() ahora usa las etiquetas armonizadas correctas con los datos de get_temporal()/get_temporal_vivienda() (antes aplicaba por error el diccionario del CPV-2024, produciendo etiquetas incorrectas en nivel_edu y otras).
• departamentos(), provincias() y municipios() reinician los nombres de fila (1:n) en lugar de arrastrar los del filtrado interno.

Armonización temporal

• estado_civil ahora se armoniza a 4 categorías comparables entre censos (1=Soltero/a, 2=Casado/a o conviviente, 3=Separado/a o divorciado/a, 4=Viudo/a), limitadas por la granularidad del censo 1992.
• pea y pet corregidas: el mapeo apuntaba a columnas equivocadas del CPV-2024 (fft_19/ft_19). Ahora usan pea_13 (1=Ocupado, 2=Cesante, 3=Aspirante) y pet_13 (1=Sí, 2=No), consistentes con los censos previos.
• variable_temporal_map y variables_armonizadas() incluyen una nueva columna armonizada que indica si los códigos son comparables entre censos.
• get_temporal() advierte cuando se solicita una variable no armonizada (parentesco), cuyos códigos crudos no son comparables entre años.

censosbo 1.0.3

• Tipos de variable corregidos en los diccionarios.

censosbo 1.0.2

• Ajustes menores en datos y sus etiquetas

censosbo 1.0.1

• Mejoras en ejemplos de documentación

censosbo 1.0.0

Primera versión de lanzamiento. censosbo proporciona acceso programático a los microdatos de los cinco censos de Bolivia (1976, 1992, 2001, 2012 y CPV-2024) y herramientas integradas para análisis demográfico, temporal y visualización geográfica.

Acceso a microdatos

• get_personas_2024(), get_viviendas_2024(), get_emigracion_2024(), get_mortalidad_2024(): acceso al CPV-2024 (11.4 M personas, 4.5 M viviendas). Los datos del CPV-2024 se descargan por departamento en archivos Parquet particionados (~4–77 MB cada uno).
• get_censo(anio, tabla, ...): API unificada para censos históricos (1976, 1992, 2001, 2012). Atajos por año: get_poblacion_1976(), get_personas_1992(), get_personas_2001(), get_personas_2012(), y demás funciones por tabla y año.
• Soporte nativo para dplyr, Apache Arrow (carga diferida) y DuckDB (consultas SQL). El formato de retorno se controla con as = c("arrow", "tibble", "duckdb").
• Filtros geográficos por departamento, provincia y municipio en todas las funciones de descarga.

Análisis temporal

• get_temporal(): datos comparables entre todos los censos (1976–2024) para 11 variables armonizadas: sexo, edad, grupo_edad, parentesco, estado_civil, sabe_leer, nivel_edu, pea, pet, area, departamento.
• get_temporal_vivienda(): equivalente para la tabla de vivienda.
• variables_armonizadas() y grupos_variables(): exploración del mapa de armonización y los grupos temáticos predefinidos (demografico, educacion, economia, cultural, migracion, fertilidad).

Diccionario de variables

• codebook(), codebook_valores(): búsqueda en el diccionario de las 168 variables del CPV-2024.
• codebook_1976(), codebook_1992(), codebook_2001(), codebook_2012(), codebook_2024(): atajos por año para censos históricos.
• etiquetar_valores(), etiquetar_variables(): convierte códigos numéricos a etiquetas legibles y renombra columnas con las descripciones del INE.

Mapas coropléticos

• mapa_dep(): mapa coroplético a nivel departamental. Geometrías de los 9 departamentos incluidas en el paquete (geo_departamentos).
• mapa_mun(): mapa coroplético a nivel municipal. Geometrías de 336 de los 343 municipios incluidas en el paquete (geo_municipios).
• Todas las funciones devuelven objetos ggplot modificables con capas y temas adicionales de ggplot2.

Geografía

• departamentos(), provincias(), municipios(): navegación de la división político-administrativa de Bolivia.
• Datos incluidos: geo_bolivia (343 municipios con nombres y códigos), geo_departamentos (9 objetos sf), geo_municipios (336 objetos sf).

Gestión del caché

• censosbo_cache_dir(), censosbo_cache_info(), censosbo_cache_clear(): los archivos Parquet se descargan una sola vez y se almacenan en caché local (~/Library/Caches/org.R-project.R/R/censosbo/ por defecto).
• Opción censosbo.cache_dir para redirigir el caché al directorio del proyecto.