Metadata-Version: 2.4
Name: economista
Version: 0.2.0
Summary: La biblioteca definitiva para datos, análisis e investigación económica aplicada en Python.
Project-URL: Homepage, https://github.com/econopapi/economista
Project-URL: Repository, https://github.com/econopapi/economista
Project-URL: Issues, https://github.com/econopapi/economista/issues
Project-URL: Documentation, https://github.com/econopapi/economista#readme
Author-email: Daniel Limón <dani@dlimon.net>, Jesús Morales <jesusmorales.hdz.2002@gmail.com>, Fernando Pech <ferconciente@gmail.com>
Maintainer-email: Daniel Limón <dani@dlimon.net>
License-Expression: MIT
Keywords: data-science,econometrics,economic-data,economics,macroeconomics,pandas,python
Classifier: Development Status :: 2 - Pre-Alpha
Classifier: Intended Audience :: Education
Classifier: Intended Audience :: Financial and Insurance Industry
Classifier: Intended Audience :: Science/Research
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Programming Language :: Python :: 3.12
Classifier: Programming Language :: Python :: 3.13
Classifier: Topic :: Scientific/Engineering
Classifier: Topic :: Scientific/Engineering :: Information Analysis
Classifier: Typing :: Typed
Requires-Python: >=3.10
Requires-Dist: httpx>=0.25
Requires-Dist: numpy>=1.26
Requires-Dist: openpyxl>=3.1
Requires-Dist: pandas>=2.1
Requires-Dist: platformdirs>=4
Requires-Dist: pyarrow>=14
Requires-Dist: requests-cache>=1.1
Requires-Dist: requests>=2.31
Requires-Dist: tenacity>=8.2
Requires-Dist: typing-extensions>=4.8
Provides-Extra: analysis
Requires-Dist: scipy>=1.11; extra == 'analysis'
Requires-Dist: statsmodels>=0.14; extra == 'analysis'
Provides-Extra: data
Provides-Extra: dev
Requires-Dist: build>=1.2; extra == 'dev'
Requires-Dist: hypothesis>=6; extra == 'dev'
Requires-Dist: mypy>=1.8; extra == 'dev'
Requires-Dist: pandas-stubs>=2.1; extra == 'dev'
Requires-Dist: pre-commit>=3.6; extra == 'dev'
Requires-Dist: pytest-cov>=5; extra == 'dev'
Requires-Dist: pytest>=8; extra == 'dev'
Requires-Dist: ruff>=0.4; extra == 'dev'
Requires-Dist: twine>=5; extra == 'dev'
Provides-Extra: docs
Requires-Dist: myst-parser>=2; extra == 'docs'
Requires-Dist: pydata-sphinx-theme>=0.15; extra == 'docs'
Requires-Dist: sphinx>=7; extra == 'docs'
Provides-Extra: viz
Requires-Dist: matplotlib>=3.8; extra == 'viz'
Requires-Dist: plotly>=5.18; extra == 'viz'
Description-Content-Type: text/markdown

# economista.py

`economista` es la biblioteca definitiva para datos, análisis e investigación económica aplicada en Python.

El objetivo es ofrecer una capa económica sobre el ecosistema científico de Python para obtener, normalizar, analizar, modelar y visualizar datos económicos con metadatos reproducibles.

`economista.py` no busca reemplazar a `pandas`, `numpy`, `scipy`, `statsmodels`, `scikit-learn`, `linearmodels`, `xarray`, `matplotlib` o `plotly`. Busca integrarlos, organizarlos y especializarlos para resolver problemas reales de economía aplicada.

> Una capa económica para el ecosistema científico de Python.

## Estado

Proyecto en fase fundacional. La API pública todavía no es estable.

## Instalación

```bash
pip install economista
```

La instalación base incluye el primer conector de datos, por lo que no necesitas
extras para empezar a trabajar con World Bank/WDI.

## Primer uso

```python
from economista import data

ds = data.fetch(
    source="world_bank",
    dataset="wdi",
    indicator="NY.GDP.MKTP.CD",
    geo=["MEX", "COL"],
    start=2000,
    end=2024,
)

df = ds.to_pandas()
metadata = ds.metadata.to_dict()
```

`data.fetch` devuelve un `EconDataset`: un `DataFrame` de pandas acompañado de
metadata económica, esquema e historial mínimo de consulta.

También puedes buscar indicadores:

```python
results = data.search(
    source="world_bank",
    query="GDP current US dollars",
    limit=10,
)
```

## Alcance actual

El primer MVP funcional incluye World Bank/WDI, esquema canónico, metadata,
exportación CSV/JSON/Parquet y caché local mínima. FRED, IMF, INEGI y carga
local CSV/Excel serán los siguientes cortes.

Ejemplos interactivos:

- `examples/world_bank_gdp.ipynb`
- `examples/world_bank_population.ipynb`
- `examples/world_bank_gdp_growth.ipynb`
- `examples/world_bank_inflation.ipynb`
