• El INE ofrece un servicio web que devuelve los datos de una tabla en formato JSON. La petición tiene esta forma:

https://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/{id_tabla}?nult={n}

• {id_tabla} es el identificador de la tabla publicada en INEbase, y nult el número de periodos más recientes que se piden

library(jsonlite)

# Tabla 50902: IPC nacional, índice general y grupos ECOICOP
url_ipc <- "https://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/50902?nult=36"
ipc_json <- fromJSON(url_ipc, simplifyVector = FALSE)

# Tabla 65335: tasa de paro por sexo y comunidad autonoma, trimestral
# (identificador comprobado en INEbase). Otras utiles: 74999 y 14506
# (paro por grupos de edad y por comunidad).
# url_epa <- "https://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/65335?nult=20"

• Existe además un paquete de R que envuelve esta API (ineapir): consultad su documentación antes de usarlo en un trabajo

• Regla del curso: nunca copiéis un identificador de tabla sin comprobar en la web del INE qué contiene exactamente

• La respuesta es una lista de series; cada serie tiene un nombre y sus observaciones. Hay que dejarla como los datos ordenados del Tema 03

ipc <- tibble(serie = map_chr(ipc_json, "Nombre"),
              datos = map(ipc_json, "Data")) |>
  filter(str_detect(serie, "Variación anual"),
         str_detect(serie, "Índice general|Alimentos")) |>
  unnest_longer(datos) |>
  mutate(anio  = map_int(datos, "Anyo"),
         mes   = map_int(datos, "FK_Periodo"),
         fecha = as.Date(sprintf("%d-%02d-01", anio, mes)),
         valor = map_dbl(datos, "Valor")) |>
  select(serie, fecha, valor) |> arrange(serie, fecha)

• La fecha se construye con el año y el periodo que vienen etiquetados. El campo Fecha trae milisegundos desde 1970 en hora local: convertirlo suponiendo UTC desplaza cada observación un mes atrás, y el error es silencioso

• Y entonces, y solo entonces, se responde a la pregunta

ggplot(ipc, aes(x = fecha, y = valor, color = serie)) +
  geom_line() + geom_hline(yintercept = 0)

• El mismo zip trae los datos en ancho fijo (.txt), en texto separado por tabuladores, en .RData, en parquet y en los formatos de SAS, SPSS y Stata, más el diccionario en JSON

• En clase leemos el texto separado, y no es por gusto:

  • Es lo que os vais a encontrar fuera: la mayoría de las fuentes no os regalan un .RData

  • Obliga a mirar los tipos, que es medio análisis exploratorio

library(tidyverse)
epa <- read_delim("CSV/EPA_2026T2.tab", delim = "\t",
                  col_types = cols(.default = col_character()))

• Que existan los otros formatos conviene saberlo: load() para el .RData (cómodo pero solo sirve en R) y arrow::read_parquet() para el parquet (el formato que hay que conocer cuando el fichero no cabe en memoria)

• Quien solo sabe abrir el .RData se queda bloqueado el día que la fuente no lo publique. Y lo leemos como texto porque los códigos del INE son texto: "03" no es el número 3

• En el .RData, AOI vacía (menores de 16 años) llega como dos espacios; en el .tab leído con read_delim(), como NA

epa |> count(AOI)                    # "  ", "03", "04", "05", "06", "07", "08", "09"
sum(epa$AOI == "")                   # 0: NINGUNA fila cumple eso
sum(trimws(epa$AOI) == "")           # 15.850: los menores de 16

• Quien filtra con AOI != "" cree haber quitado a los menores y no ha quitado a nadie. No hay error ni aviso, y la tasa de actividad sale mal:

• Ocho puntos por dos espacios. trimws() quita los espacios de los extremos (como str_trim() del Tema 04); con el .RData hay que aplicarlo a los códigos antes de compararlos:

epa <- epa |> mutate(AOI = trimws(AOI), NCONY = trimws(NCONY), NPERS = trimws(NPERS))

• Una columna vacía no dice por qué está vacía, y la diferencia decide qué hacer con ella:

• Tirar OCUPLU1 por “tener demasiados ausentes” es tirar la respuesta a una pregunta que sí se hizo