Como coletar dados do Eurostat usando a API com o Python?

O portal Eurostat é responsável por disseminar estatísticas atualizadas sobre a União Européia. Indicadores econômicos, financeiros, regionais e sociais são disponibilizados publicamente na plataforma de dados, o que permite extrair e analisar as informações via sistema de API.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados Econômicos e Financeiros com Python.

O portal Eurostat reúne dezenas de milhares de dados relevantes e atualizados sobre uma variedade de temas, tais como:

  • Economia e Finanças
  • População e condições de vida
  • Indústria, comércio e serviços
  • Agricultura e Pesca
  • Transportes
  • Ambiente e Energia
  • Ciência e Tecnologia

O portal permite pesquisar os dados de interesse por tema, pastas, alfabeto e por pesquisa textual.

Neste artigo mostramos como pesquisar e como coletar os dados do portal Eurostat através do sistema de API usando a linguagem Python. Este processo permite automatizar rotinas de extração de dados, eliminando trabalho manual e repetitivo de atualização de bases de dados econômicos.

Passo 01: procurando os dados

  1. Acesse o site do Eurostat em https://ec.europa.eu/eurostat
  2. Clique no menu “Data
  3. Clique na opção “Stats finder A-Z
  4. Clique em um tema de interesse (ex: “Minimum wages”)
  5. Na página da base de dados selecionada, clique em uma tabela de interesse (ex: “Minimum wages (tps00155)”)
  6. Na página da tabela selecionada, aplique os filtros/formatações de interesse (ex: região geográfica, período, etc.)
  7. Clique no botão “Download”
  8. Clique na opção “Options and other formats
  9. Clique na opção “Text (.tsv, .csv)
  10. Clique em “One observation” na seção “Per line
  11. Clique em “SDMX-CSV 2.0 (.csv)” na seção “SDMX format
  12. Clique em “Data on this page only” na seção “Data scope
  13. Clique em “Codes and Labels (separated columns)” na seção “Labelling
  14. Clique em “No” na seção “Compressed
  15. Clique no botão “Copy link

Passo 02: coletando dados pela API do Eurostat no Python

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

  1. Consultar detalhes da API no site https://wikis.ec.europa.eu/display/EUROSTATHELP/API+Statistics+-+data+query
  2. Importar a biblioteca pandas
  3. Importar a tabela pelo link obtido no Passo 01 (exemplo para a tabela de salário mínimo)

E dessa forma simples é possível acessar todos os dados existentes no portal de dados do BCC!

Abaixo mostramos um gráfico de exemplo com os dados de salário mínimo na Europa:

Conclusão

Neste artigo mostramos como pesquisar e como coletar os dados do portal Eurostat através do sistema de API usando a linguagem Python. Este processo permite automatizar rotinas de extração de dados, eliminando trabalho manual e repetitivo de atualização de bases de dados econômicos.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que são Agentes de IA?

O que é um agente e como ele funciona? Como agentes tomam decisões usando racioncínio e planejamento? Neste artigo, nosso objetivo é investigar estas questões para construir um conhecimento fundamental sobre AI agents.

As diferentes formas de avaliar o erro de um modelo de previsão

Existem tantas siglas para métricas de desempenho de modelos preditivos que é fácil se perder na sopa de letrinhas. Neste artigo, fornecemos uma visão geral das principais métricas para avaliar e comparar modelos de regressão e classificação, usando exemplos com dados em Python.

Previsão do CPI usando text mining

Exploramos neste exercício, de forma similar a Ferreira (2022), a utilidade de tópicos latentes extraídos dos comunicados do FOMC, por um modelo LDA, na previsão da inflação norte-americana, medida pelo CPI. O objetivo é comparar um modelo econométrico simples, tal como um AR-GAP de Faust e Wright (2013), em especificações com e sem os fatores textuais.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.