Metadata-Version: 2.4
Name: UFRJgic
Version: 0.2.2
Summary: Ferramentas para ler as matrizes insumo-produto publicadas por Passoni & Freitas (2023).
Author: Felipe Morellli da Silva
License-Expression: LicenseRef-Proprietary
Project-URL: Homepage, https://mira.carbonprice.top/
Keywords: mip,input-output,brasil,pandas
Classifier: Development Status :: 3 - Alpha
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.10
Classifier: Operating System :: OS Independent
Requires-Python: >=3.10
Description-Content-Type: text/markdown
Requires-Dist: huggingface_hub>=0.24
Requires-Dist: pandas>=1.4
Requires-Dist: openpyxl>=3.1

# UFRJgic

Ferramentas em Python para acessar os recortes das matrizes insumo-produto anuais estimadas por Passoni & Freitas (2023). O pacote expõe duas funções (`var` e `var_list`) que trabalham diretamente com os arquivos `.xlsx` distribuídos pelos autores.



## Instalação
```bash
pip install UFRJgic
```

Os arquivos `.xlsx` nao sao mais distribuídos dentro do pacote. Quando necessario, o `UFRJgic` busca o arquivo correspondente diretamente do dataset no Hugging Face, carrega o conteudo em memoria e descarta os bytes apos a leitura.

Configuracoes opcionais:
- `UFRJGIC_HF_REPO_ID`: troca o repositorio remoto. Padrao: `fms-1988/020-IE_UFRJ`.
- `UFRJGIC_HF_REVISION`: troca branch, tag ou commit no Hugging Face. Padrao: `main`.

## Guia rápido das funções `var` e `var_list`

1) A função `var()` retorna informações das matrizes estimadas por Passoni e Freitas (2023) a partir dos arquivos `.xlsx` consultados diretamente no Hugging Face.

01.1) Variáveis de entrada
- `ano`: 
  - arquivos com 67 atividades: 2010-2021
  - arquivos com 42 atividades: 2000-2021
- `n_atividade`: número de atividades (`42` ou `67`)
- `preco`: `PCR` (preços correntes, padrão), `PAA` (preço do ano anterior), `PCT` (preços básicos de 2010) ou `PRL` (preços básicos de 2010 em unidades de volume).
- `nome_aba`: consulte as abas disponiveis (ex: `aba_list('PAA', '67', 'quadrada') `).
- `codigo_variavel`: consulte variaveis disponiveis (ex: `var_list('PAA','67','usos nacional', 'retangular'`).
- `forma`: 'quadrada' ou 'retangular'


01.2) Exemplo
```python
from UFRJgic import var
ipi = var('2011', '67', 'PCR', 'Recursos', 'IPI','quadrada')
print(ipi.head())
```

01.3) Outros exemplos
https://colab.research.google.com/drive/1rovC5sm8ZIa5i9Yogl7I8rJkUmHI9tym#scrollTo=-Hl208JRKqXt

---

Fontes dos dados `.xlsx`:
- ALVES-PASSONI, Patieene; FREITAS, Fabio. *Estimação de Matrizes Insumo-Produto anuais para o Brasil no Sistema de Contas Nacionais Referência 2010*. Pesquisa e Planejamento Econômico (PPE), v. 53, n. 1 (jan/abr), 2023. Disponível em: https://repositorio.ipea.gov.br/bitstream/11058/13265/23/PPE_v53_n1_Artigo4_estimacao_de_matrizes.pdf
- ALVES-PASSONI, Patieene; FREITAS, Fabio. *Como deflacionar matrizes insumo-produto? Uma proposta de uma série deflacionada para o Brasil no SCN 2010*. Texto para Discussão 030/2022, Instituto de Economia/IE, UFRJ, 2022. Disponível em: https://www.ie.ufrj.br/images/IE/TDS/2022/TD_IE_030_2022_PASSONI_FREITAS.pdf
