Datos para los trabajos

Un listado donde encontrar datos para los trabajos de clase.

datos
Autor
Afiliación

Pedro J. Pérez

Universitat de València

Fecha de Publicación

6 de marzo de 2024

Fecha de modificación

1 de octubre de 2026

En mis cursos sobre R, una parte importante de la evaluación y del curso son los trabajos en equipo e individuales; así que para facilitar la búsqueda de datos a los estudiantes he confeccionado este listado con fuentes de datos.

Algunos de los trabajos ya hechos por los estudiantes puedes verlos aquí. La temática y, por tanto, los datos utilizados varían mucho, pero últimamente se han hecho más trabajos sobre temas relacionados con la economía. El último año 3 trabajos en equipo, de un total de 9, se centraron en la situación de los jóvenes. ¡Había preocupación! En los trabajos individuales hay más variedad: tiburones, meteoritos, etc., pero los deportes y la música nunca faltan.


1 Estadísticas oficiales

En Economía, las estadísticas oficiales de organismos como Eurostat, INE, ONU, FMI, etc. son una fuente de datos importante. Aquí presento algunos paquetes de R que facilitan el acceso a esos datos.

España

  • INE: el Instituto Nacional de Estadística es la fuente básica de estadísticas oficiales en España (EPA, IPC, padrón, contabilidad nacional…). El propio INE mantiene el paquete ineapir para acceder a su API desde R. Cada serie tiene un código que puedes buscar en INEbase.

    Código
    # remotes::install_github("es-ine/ineapir")
library(ineapir)
# Tasa de paro (EPA), total nacional: últimos 8 trimestres
paro <- get_data_series(codSeries = "EPA815", nlast = 8, unnest = TRUE)
paro[, c("Anyo", "FK_Periodo", "Valor")]

  • Banco de España: tidyBdE. No lo he usado. Aquí el portal de datos del Banco de España. Contiene miles de series sobre tipos de interés (Euríbor), crédito y depósitos bancarios, deuda pública, balanza de pagos, precios de la vivienda, etc. El paquete trae funciones directas para los indicadores más usados (bde_ind_*) y, para el resto, un catálogo donde buscar el código de la serie.

    Código
    library(tidyBdE)
euribor <- bde_ind_euribor_12m_monthly()   # Euríbor a 12 meses, mensual
paro <- bde_ind_unemployment_rate()        # tasa de paro

# Buscar otras series en el catálogo y descargarlas por su código
bde_catalog_search("vivienda")
serie <- bde_series_load(573234)

    En septiembre de 2026, al probarlo, el paquete no conseguía descargar nada de la web del Banco de España. Si te pasa lo mismo, prueba a actualizarlo o descarga los ficheros desde el portal.

  • datos.gob.es: el catálogo nacional de datos abiertos, con más de 90.000 conjuntos de datos de ministerios, comunidades autónomas y ayuntamientos (transporte, medio ambiente, sector público, salud…). Es una iniciativa promovida por el Ministerio para la Transformación Digital y de la Función Pública con el fin de promocionar la apertura de la información pública y el desarrollo de servicios avanzados basados en datos.

  • CIS: el Centro de Investigaciones Sociológicas publica los microdatos de sus barómetros y encuestas (intención de voto, problemas de España, valoración de líderes…). Hay un paquete de R, opencis, que permite buscar encuestas, preguntas y series temporales del CIS e importarlas directamente a R.

  • Elecciones: el paquete infoelectoral descarga los resultados electorales oficiales del Ministerio del Interior a nivel de municipio y mesa: elecciones generales, municipales y europeas desde 1977, con votos por partido, censo, participación, votos en blanco y nulos.

    Código
    library(infoelectoral)
# Elecciones generales de julio de 2023, resultados por municipio
generales_2023 <- municipios(tipo_eleccion = "congreso", anno = "2023", mes = "07")

  • Presupuestos municipales: el Ministerio de Hacienda publica en CONPREL los presupuestos de las entidades locales (ayuntamientos, diputaciones…). Con estos datos se hizo esta visualización, que permite comparar las partidas presupuestarias municipales de 2025 por habitante.

  • AEMET: el paquete climaemet permite descargar datos meteorológicos y climáticos de la Agencia Estatal de Meteorología (necesitas una API key gratuita): temperaturas, precipitación, viento… de cientos de estaciones, con series diarias, mensuales y anuales.

  • Catastro: el paquete CatastRo accede a los datos y geometrías de la Dirección General del Catastro: parcelas, edificios, direcciones y coordenadas de los inmuebles.

  • Red Eléctrica: REData ofrece datos del sistema eléctrico español (generación por tecnología, demanda, precios…); tienen una API.

  • Portal estadístico de la DGT: datos de accidentes de tráfico con víctimas, parque de vehículos, matriculaciones y permisos de conducir. Hicieron un seminario con estos datos: el repo aquí y aquí el vídeo de la charla.

  • Estadística General de Incendios Forestales (EGIF): del Ministerio para la Transición Ecológica y el Reto Demográfico. Lo vi en este artículo. Contiene información de cada incendio desde 1968: fecha, localización, causa y superficie quemada. Los datos están en formato .mdb (Access).

  • spanishoddata: paquete de R que facilita el acceso a datos de movilidad en España. Los datos provienen del Ministerio de Transportes y usa como fuente principal el posicionamiento de los teléfonos móviles. Tiene geometrías de los distritos municipales: spod_get_zones("distritos", ver = 2).

  • Portales autonómicos y municipales de datos abiertos, con datos locales como padrón por barrios, tráfico, calidad del aire, presupuestos o equipamientos. Por ejemplo: Generalitat Valenciana, Ayuntamiento de València, Madrid o Barcelona.

  • rOpenSpain: comunidad que desarrolla paquetes de R para acceder a datos de España (muchos de los de esta lista son suyos). Merece la pena echar un vistazo a todos sus paquetes.

Europa

  • Eurostat: la oficina estadística de la UE, con datos armonizados y comparables entre países (PIB, empleo, precios, población, pobreza, educación, energía…), muchos de ellos a nivel regional (NUTS).

    • Datos: el paquete eurostat es fantástico; haremos varios ejemplos en clase. Aquí el portal de datos de Eurostat. Eurostat tiene aquí su espacio en GitHub, con el paquete restatapi, an R package to search and retrieve data from Eurostat database using SDMX.

      Código
      library(eurostat)
# Tasa de paro anual (15-74 años) de España y Francia
paro <- get_eurostat("une_rt_a",
                     filters = list(geo = c("ES", "FR"), age = "Y15-74",
                                    unit = "PC_ACT", sex = "T"),
                     time_format = "num")
# Buscar tablas por palabra clave
search_eurostat("unemployment")

    • Geometrías (GISCO): el paquete giscoR descarga los mapas de Eurostat (países, regiones NUTS, municipios…); ver la sección de datos geográficos.

      Código
      library(giscoR)
# Mapa de las comunidades autónomas (NUTS 2)
ccaa <- gisco_get_nuts(country = "ES", nuts_level = 2, year = 2021)
plot(ccaa$geometry)

  • Banco Central Europeo: ecb. No lo he usado, pero aquí tienes una vignette. Aquí el portal de datos del BCE y aquí los datasets. Contiene tipos de interés oficiales y de mercado, tipos de cambio del euro, inflación (IPCA), agregados monetarios y estadísticas bancarias de la zona euro. Cada serie tiene una clave que se copia del portal.

    Código
    library(ecb)
# Inflación (IPCA) de España, tasa anual
ipca <- get_data("ICP.M.ES.N.000000.4.ANR")

  • EU Labour Market Policy database: gasto y participantes en políticas activas y pasivas de empleo (formación, incentivos a la contratación, prestaciones por desempleo…) de los países de la UE. Se puede acceder con el paquete LMPdata.

  • Fundamental Rights Survey: de la European Union Agency for Fundamental Rights (FRA), a unique and independent centre of excellence for promoting and protecting human rights in the EU. La encuesta recoge las experiencias y opiniones de unas 35.000 personas sobre derechos fundamentales: discriminación, delitos sufridos, seguridad, protección de datos, confianza en las instituciones…

  • European Social Survey (ESS): encuesta bienal sobre actitudes, creencias y comportamientos en más de 30 países europeos. Hay un paquete de R, essurvey.

  • ParlGov: datos sobre partidos, elecciones y gobiernos en los países de la UE y la OCDE.

  • European Environment Agency (EEA): datos sobre medio ambiente en Europa (calidad del aire, emisiones, agua, biodiversidad…).

  • Portal de datos abiertos de Francia: el paquete BARIS permite interactuar con la API del French Official Open Data Portal (data.gouv.fr) directamente desde R. Contiene decenas de miles de conjuntos de datos públicos franceses.

Internacional

  • Banco Mundial (World Bank Open Data): datos de desarrollo de casi todos los países del mundo desde 1960.

    • Indicadores de desarrollo (WDI): los indicadores aquí. Hay varios paquetes: WDI, wbstats, y otros más nuevos como worldbank y wbwdi. Aquí un bookdown sobre la API del World Bank. Contiene unos 1.500 indicadores: PIB, pobreza, educación, salud, población, medio ambiente, infraestructuras…

      Código
      library(WDI)
# PIB per cápita (dólares constantes) de España, Francia y Alemania
pib <- WDI(country = c("ES", "FR", "DE"), indicator = "NY.GDP.PCAP.KD",
           start = 2000, end = 2023)
WDIsearch("life expectancy")   # buscar indicadores

library(wbstats)
# Esperanza de vida de España y Portugal
esp_vida <- wb_data("SP.DYN.LE00.IN", country = c("ESP", "PRT"),
                    start_date = 2000, end_date = 2023)

    • Deuda: International Debt Statistics (IDS). wbids es un paquete de R para acceder a estos datos. IDS provides creditor-debtor relationships between countries, regions, and institutions.

    • Empleo público: Worldwide Bureaucracy Indicators (WWBI), indicadores sobre empleo y salarios en el sector público y privado, que permiten comparar dentro del sector público y entre ambos sectores. Es el conjunto de datos global más completo sobre estos temas.

  • FMI: el paquete imf.data permite acceder a los datos del FMI: el World Economic Outlook (previsiones de crecimiento, inflación, deuda y déficit públicos), balanza de pagos, precios, estadísticas financieras… Para el World Economic Outlook en concreto está también el paquete imfweo; lo vi en este toot.

    Código
    library(imf.data)
list_datasets()   # todas las bases de datos disponibles
# Crecimiento del PIB real de España y Portugal (World Economic Outlook)
weo <- get_data("WEO", agency_id = "IMF.RES",
                filters = list(COUNTRY = c("ESP", "PRT"),
                               INDICATOR = "NGDP_RPCH", FREQUENCY = "A"))

  • BIS (Bank for International Settlements): el paquete BIS facilita el acceso a sus datos. Hay un segundo paquete aquí. Contiene tipos de interés de los bancos centrales, tipos de cambio efectivos, precios de la vivienda, crédito al sector privado, estadísticas bancarias internacionales…

    Código
    library(BIS)
ds <- get_datasets()   # listado de bases de datos
# Tipos de interés oficiales de los bancos centrales
tipos <- get_bis(ds$url[ds$id == "WS_CBPOL_csv_flat"])

  • OCDE (OECD): datos comparables de los 38 países de la OCDE (y otros) sobre cuentas nacionales, empleo, salarios, educación (PISA), impuestos, vivienda, salud…

    • Datos generales: aquí. Hay un paquete de R, OECD, que facilita el acceso a esos datos. Aquí un post. La OCDE cambió su API en 2024 y el paquete OECD ya no funciona. Lo más sencillo es copiar la dirección de la consulta desde el OECD Data Explorer y leerla como CSV:

      Código
      # Crecimiento trimestral del PIB de España (tasa interanual)
url <- paste0("https://sdmx.oecd.org/public/rest/data/",
              "OECD.SDD.NAD,DSD_NAMAIN1@DF_QNA_EXPENDITURE_GROWTH_OECD,1.1/",
              "Q..ESP.S1..B1GQ......GY.?startPeriod=2020&format=csvfilewithlabels")
pib <- read.csv(url)

    • Comercio en valor añadido: exvatools es un paquete de R para acceder a la OECD Trade in Value Added Database (TiVA). Aquí explican más.

    • Multinacionales: la OECD-UNSD Multinational Enterprise Information Platform, iniciativa conjunta con Naciones Unidas para entender la estructura de las multinacionales.

  • Naciones Unidas y sus agencias: datos de todos los países del mundo, cada agencia en su campo.

    • Portal general: UNdata agrega las bases de datos estadísticas de Naciones Unidas: población, cuentas nacionales, comercio, energía, medio ambiente, género…

    • Población: la UN Population Division ofrece population estimates from 1950 to the present for 237 countries or areas. Aquí un paquete de R.

    • Comercio: UN Comtrade Database, datos detallados de comercio global. Para usar su API desde R está el paquete comtradr.

    • Refugiados (ACNUR/UNHCR): los datos aquí. Hay un paquete de R, refugees, que facilita el acceso a esos datos (aquí lo explican). Aquí, aquí y aquí tienes gráficos hechos con estos datos. Contiene, por año, país de origen y país de asilo, el número de refugiados, solicitantes de asilo, desplazados internos y apátridas desde 1951.

      Código
      library(refugees)
# Refugiados procedentes de Ucrania desde 2020, por país de acogida
ucrania <- subset(population, coo_iso == "UKR" & year >= 2020)

    • Desarrollo humano (PNUD): el Human Development Index (HDI). The HDI was created to emphasize that people and their capabilities should be the ultimate criteria for assessing the development of a country, not economic growth alone. Puedes descargar los datos aquí.

    • Trabajo (OIT): ILOSTAT, datos sobre empleo, salarios, trabajo infantil, etc. Paquete de R: Rilostat.

      Código
      library(Rilostat)
# Tasa de paro juvenil (15-24 años) en España
paro_joven <- get_ilostat("UNE_DEAP_SEX_AGE_RT_A",
                          filters = list(ref_area = "ESP", sex = "SEX_T",
                                         classif1 = "AGE_YTHADULT_Y15-24"))

    • Agricultura y alimentación (FAO): FAOSTAT, datos sobre agricultura, alimentación, uso de la tierra… Paquete de R: FAOSTAT; ahora pide registrarse con un email y una contraseña para descargar.

    • Educación y cultura (UNESCO): el UNESCO Institute for Statistics, datos sobre educación, ciencia, cultura y comunicación: matriculación, abandono escolar, alfabetización, gasto en educación, investigadores y gasto en I+D…

    • Crisis humanitarias (OCHA): The Humanitarian Data Exchange tiene datos aquí. Aquí un plot con uno de sus datasets.

  • OMS (World Health Organization):

    • Indicadores de salud: los datos aquí y aquí.
    • Desigualdad en salud: el Health Inequality Data Repository, con datos desagregados (por edad, nivel económico, educación, lugar de residencia, sexo…) sobre salud y otros aspectos de la vida. En este paper analizan los datos.

  • DHS Program (Demographic and Health Surveys): has collected population survey data from over 90 countries for over 30 years. Aquí el paquete de R.

  • FRED (Reserva Federal de St. Louis): más de 800.000 series económicas (no solo de EE. UU.). Paquete de R: fredr. Contiene series de PIB, empleo, inflación, tipos de interés, tipos de cambio, precios de la vivienda… Necesitas una API key gratuita, que se pide en la web de FRED.

    Código
    library(fredr)
fredr_set_key("TU_API_KEY")
# Tasa de paro de EE. UU., mensual
paro_usa <- fredr(series_id = "UNRATE", observation_start = as.Date("2000-01-01"))

  • EconDataverse (aquí): conjunto de paquetes de R para trabajar con datos económicos (por ejemplo wbwdi, que aparece más arriba). El paquete econdatasets permite descargar algunos de esos conjuntos de datos ya preprocesados, que están alojados en Hugging Face.

Listados de paquetes para estadísticas oficiales


2 Buscadores y repositorios de datos

  • Google Dataset Search: esta herramienta puede ser útil para encontrar datos. Aquí tienes un post y aquí el artículo de lanzamiento del producto en 2018. Lo he usado poco (o nada), ¡pero te da hasta una lista de artículos que han usado un conjunto de datos!

  • Kaggle: es una plataforma de competiciones de machine learning. Puedes encontrar datos, análisis y el código. Impresionante. Hay mucho código en R, pero digamos que es más territorio Python. Los datos aquí. En este artículo hay más plataformas de competiciones de datos, por ejemplo CodaLab o DrivenData.

  • Data is Plural: es una newsletter semanal con datos interesantes. Puedes buscar en el archivo de la newsletter, que está aquí y aquí con más información.

  • Tidy Tuesday: es un proyecto semanal de datos organizado por la comunidad de R. Cada semana se hacen visualizaciones sobre un nuevo conjunto de datos. En GitHub hay muchísimos repos con el hashtag #tidytuesday, con el código (y a menudo los datos) de las visualizaciones.

  • Hugging Face: es una plataforma de IA. Puedes encontrar datasets y modelos, pero no os lo recomiendo: suelen ser conjuntos de datos para tareas de audio, visión por computador y procesamiento del lenguaje natural (NLP). Se nos escapa un poco (al menos a mí).

  • Opendatasoft: portal con miles de conjuntos de datos abiertos.

  • Socrata: plataforma de datos abiertos (ahora de Tyler Technologies) que usan muchas administraciones públicas, sobre todo en EE. UU. Hay un paquete de R, RSocrata, que te permite bajar datos, por ejemplo de aquí.

    Código
    #devtools::install_github("Chicago/RSocrata", ref = "dev")
library(RSocrata)
allSitesDataFrame <- ls.socrata("https://soda.demo.socrata.com")
df <- RSocrata::read.socrata("https://data.delaware.gov//api//odata//v4//6i7v-xnmf")

  • rdataretriever: R interface to the Data Retriever. Provides access to cleaned versions of hundreds of commonly used public datasets with a single line of code.

  • Information is Beautiful: ofrece más de 300 datasets, aquí y aquí.

  • Real World Data Science: un proyecto de la Royal Statistical Society que presenta aplicaciones reales de la ciencia de datos. Aquí están los casos de estudio.

  • Open Case Studies Project: is an educational resource of experiential guides that demonstrate how to effectively derive knowledge from data in real-world challenges. Aquí tienes los casos disponibles y aquí An Educator’s Guide to the Open Case Studies. Además, hay un paquete de R: OCSdata.

  • Awesome Public Datasets: enorme listado de datasets públicos organizados por temas (agricultura, economía, deportes, transporte…).

  • Zenodo: repositorio abierto del CERN donde investigadores de todo el mundo depositan datos, código y artículos.

  • UCI Machine Learning Repository: el repositorio clásico de datasets para machine learning, muchos de ellos pequeños y bien documentados.

  • data.world: plataforma colaborativa con miles de datasets subidos por la comunidad.

  • Wikidata: la base de conocimiento estructurada de Wikipedia. Se puede consultar desde R con el paquete WikidataQueryServiceR.


3 Periodismo de datos y divulgación

  • Civio: es una ONG que trabaja con datos para intentar aumentar la transparencia y controlar a los poderes públicos. Evidentemente, tiene una sección de datos abiertos.

  • Datadista: colectivo de periodistas y programadores que trabajan con datos: “Investigación, datos y narrativas para salir del ruido”. Tienen una sección de datos abiertos.

  • European Data Journalism Network (EDJNet): is a network of media organisations from all across Europe, producing and promoting data-driven coverage of European issues. Los datos aquí. Por ejemplo, datos sobre prisión preventiva en Europa en 2020.

  • FiveThirtyEight: a veces llamado 538, era un medio estadounidense centrado en el análisis político y las encuestas, aunque también hacía análisis de datos sobre otras temáticas. ABC News lo cerró en 2025, pero sus datos siguen disponibles. En este repo se encuentran los datos utilizados en los artículos; aquí tienes un índice de los datos y aquí los datos. Hay un paquete de R, también llamado fivethirtyeight, que puede ayudar a cargarlos.

  • BuzzFeed News: era un periódico digital que publicaba artículos/historias basadas en datos; cerró en 2023. Aquí tienes un listado de artículos y datos, y aquí el repo de GitHub con el código de los artículos. En clase solemos replicar un gráfico chulo de un artículo sobre Social Sentinel, una empresa que vigilaba las redes sociales para los colegios; el código y los datos están aquí.

  • Our World in Data: es una publicación que hace análisis empíricos sobre las condiciones de vida. Trata temas como la pobreza, educación, salud… Hay un paquete de R, owidR, que facilita el uso de esos datos.

  • Gapminder: es una fundación sueca sin ánimo de lucro que utiliza datos para intentar cambiar algunas concepciones erróneas sobre problemas globales. Los datos están aquí. El paquete tidygapminder facilita cargar algunas series de datos; por ejemplo, la esperanza de vida anual desde 1800 a 2018.

  • Datos.org: “Reunimos, almacenamos y procesamos datos abiertos para la sociedad colombiana para que particulares, universidades, ONGs y entidades del estado puedan cumplir metas que beneficien a la población más necesitada y se reduzca la brecha social en Colombia.”


4 Datos por temas

Algunos conjuntos de datos que en su día me llamaron la atención; seguramente pensé que podrían usarse para los trabajos.

Economía y desigualdad

  • The Maddison Project Database: based on the work of Angus Maddison (1926-2010), “provides information on comparative economic growth and income levels over the very long run”. Incluye estimaciones históricas del PIB per cápita para 169 países, en muchos casos durante varios siglos. La última versión, de 2023, aquí. Hay un paquete de R, MaddisonData, con la versión de 2023.

  • Penn World Table: information on relative levels of income, output, input and productivity. La versión 11.0 cubre 185 países entre 1950 y 2023. Aquí el paquete de R, de momento solo con la versión 10.01 (hasta 2019).

  • The Global Economy: recopila datos económicos de 200 países. Para descargar los datos, aquí.

  • subincomeR: paquete de R para acceder a la MCC-PIK Database Of Sub-national Economic Output (DOSE), un dataset global de renta subnacional que cubre más de 1.600 regiones de 83 países entre 1960 y 2020. Incluye geometrías de cada región.

  • LIS: The Luxembourg Income Study is a data archive and research center dedicated to cross-national analysis, con dos bases de datos sobre renta y riqueza. Hay un paquete de R, lissyrtools.

  • World Inequality Database (WID): aims to provide open and convenient access to the most extensive available database on the historical evolution of the world distribution of income and wealth, both within countries and between countries. Aquí hay un repositorio de Stata. Aquí y aquí usan esos datos.

  • Billionaires and Taxes: datos scrapeados de los 400 individuos más ricos de EE. UU. según la renta declarada al gobierno federal.

  • Atlas of the Offshore World: proyecto del EU Tax Observatory sobre evasión fiscal.

  • Global Contract-level Public Procurement Dataset: datos oficiales de contratación pública de más de 72 millones de contratos de 42 países entre 2006 y 2021. Los datos están aquí.

  • Datos de emancipación de jóvenes: en este artículo hablan del tema y enlazan a un informe del Consejo de la Juventud en el que usan datos de Eurostat, por ejemplo esta tabla y esta otra.

  • HIPGDAC-ES: Historical Population Grid Data Compilation for Spain (1900-2021): del IVIE y Paco Goerlich.

  • IPUMS: microdatos armonizados de censos y encuestas de todo el mundo (IPUMS International) y de EE. UU. Hay que registrarse. Paquete de R: ipumsr.

  • Energy Institute Statistical Review of World Energy: datos históricos de producción y consumo de energía por países (antes lo publicaba BP).

  • Ember: datos abiertos sobre generación eléctrica y transición energética en todo el mundo.

Salud

  • Global Burden of Disease (GBD): The GBD study is the largest and most comprehensive effort to quantify health loss across places and over time. Estos datos se usaron en este estudio, que nos cuenta que la esperanza de vida ya no aumenta tanto; los resultados se recogieron en este artículo de La Marea. Nicola Rennie hizo un plot con datos del GBD, puedes verlo aquí. El gráfico se enmarca en la sexta semana de 2025 del proyecto Tidy Tuesday, dedicada a explorar datasets que la administración Trump había eliminado. Por eso, los datos del GBD se guardaron en archive.org; puedes verlos aquí.

  • malariaAtlas: paquete de R con datos sobre malaria.

Política, conflictos y democracia

  • democracyData: paquete con diversos datos relacionados con la calidad democrática. Aquí un plot con ellos.

  • Datos del proyecto Tidy Tuesday sobre democracias y dictaduras 1950-2020. Aquí un plot de Nicola Rennie con estos datos.

  • Henley Passport Index: número de países a los que se puede entrar sin visado con el pasaporte de cada país. Fue el dataset de la semana 36 de 2025 de Tidy Tuesday. Aquí un plot con estos datos.

  • demcon: paquete de R que ayuda a obtener varios datasets muy usados en ciencia política (polity, democracia, instituciones y constituciones).

  • ACLED: datos sobre violencia política y protestas en todo el mundo. The Armed Conflict Location & Event Data Project (ACLED) is a disaggregated data collection, analysis, and crisis mapping project. ACLED recoge, evento a evento, los episodios de violencia política y de protesta en todo el mundo: batallas, ataques contra civiles, explosiones, manifestaciones, disturbios… Para cada evento registra la fecha, el lugar, los actores implicados y el número de muertos. Los datos se descargan aquí (hay que registrarse). Aquí un artículo que usa estos datos.

  • Vision of Humanity: proporciona datos relacionados con la paz y la seguridad, concretamente aquí.

  • The Uppsala Conflict Data Program (UCDP): is the world’s main provider of data on organized violence and the oldest ongoing data collection project for civil war, with a history of almost 40 years. Puedes ver sus datos aquí y descargarlos aquí.

  • Geographical Research On War (GROWup): ofrece datos desagregados y georreferenciados sobre grupos étnicos y conflictos internos, en formato grupo-año y país-año, listos para el análisis estadístico.

  • Gastos militares del SIPRI, el Instituto Internacional de Investigación para la Paz de Estocolmo.

  • troopdata: paquete de R con información oficial y pública sobre tropas, gasto y bases militares de EE. UU.

  • The Border Crossings of the World (BCW): registra la infraestructura física (puertas, edificios oficiales, carriles de inspección…) que los estados han construido donde las autopistas cruzan fronteras internacionales. Aquí un post que usa los datos.

  • Datos sobre pena de muerte: aquí un post que usa estos datos.

  • V-Dem: Varieties of Democracy, probablemente la base de datos más completa sobre democracia (cientos de indicadores para casi todos los países desde 1789). Paquete de R: vdemdata.

  • World Values Survey: encuesta internacional sobre valores y creencias (religión, género, política, confianza…) realizada en oleadas desde 1981.

  • The Quality of Government (QoG) Institute: base de datos que reúne cientos de variables sobre calidad de gobierno, corrupción, instituciones… de muchas fuentes distintas.

Deportes

  • Datos de olimpiadas:

  • f1dataR: paquete de R para acceder a datos de la Fórmula 1 (API de Jolpica, antes Ergast, y el data stream oficial de la F1 vía FastF1).

  • euroleaguer: datos de la Euroliga de baloncesto a través de un paquete de R.

  • Euro2024_data: paquete de R con datos sobre la Eurocopa 2024.

  • nflplotR: paquete con datos de fútbol americano (NFL).

  • Fútbol: worldfootballR es un paquete de R para obtener datos de FBref, Transfermarkt y otras webs. StatsBomb publica gratis datos de eventos de algunas competiciones (Mundiales, Eurocopas, La Liga con Messi…).

  • Tenis: el Match Charting Project de Jeff Sackmann tiene datos punto a punto de miles de partidos profesionales, recogidos por voluntarios. Más estadísticas en su web Tennis Abstract. Para el tenis femenino, el paquete matchpointR descarga datos de la web de la WTA: biografías de jugadoras, historial de partidos, rankings y estadísticas.

  • Baloncesto: hoopR para datos de la NBA y del baloncesto universitario de EE. UU.

  • Béisbol: Lahman, la clásica base de datos de estadísticas del béisbol desde 1871.

Medio ambiente y naturaleza

  • Desastres naturales: el Geocoded Disasters (GDIS) Dataset de la NASA, v1 (1960–2018), proporciona 39.953 localizaciones de 9.924 desastres ocurridos en todo el mundo entre 1960 y 2018. Una visualización con estos datos aquí.

  • U.S. Drought Monitor: mapa semanal que muestra dónde hay sequía en EE. UU. y lo grave que es.

  • Historical Weather Data & Weather Forecast Data.

  • Long Term Ecological Research (LTER) Network: paquete de R con datasets educativos del Long Term Ecological Research program.

  • Copernicus Climate Data Store: datos climáticos del programa europeo Copernicus (temperatura, precipitación, reanálisis ERA5…).

  • NASA GISTEMP: la serie de anomalías de temperatura global de la NASA. Ideal para el típico gráfico del calentamiento global.

  • Global Carbon Budget: datos de emisiones de CO₂ por países desde 1750. Our World in Data los tiene muy bien organizados en este repo.

  • OpenAQ: datos abiertos de calidad del aire de estaciones de todo el mundo.

  • GBIF: Global Biodiversity Information Facility, millones de registros de observaciones de especies. Paquete de R: rgbif. ¿Tiburones? Aquí los tienes.

  • Global Shark Attack File: registro histórico de ataques de tiburón en todo el mundo.

  • NASA Open Data Portal: miles de datasets de la NASA; entre ellos el famoso de caídas de meteoritos (Meteorite Landings).

Música, cine y cultura

  • spotifyr: paquete de R para acceder a la API de Spotify (características de las canciones, popularidad, artistas…). Necesitas una cuenta de desarrollador y Spotify ha ido restringiendo su API, así que puede que algunas funciones ya no funcionen.

  • MusicBrainz: enciclopedia musical abierta con información sobre artistas, discos y canciones.

  • Billboard Hot 100: datos históricos de la lista Billboard Hot 100 desde 1958.

  • IMDb Non-Commercial Datasets: datos de IMDb sobre películas, series, actores y valoraciones, para uso no comercial.

  • The Movie Database (TMDB): base de datos colaborativa de cine y televisión con una API gratuita.

Historia y otros


5 Papers con datos

  • Harvard Dataverse: un servicio de Harvard con artículos científicos que hacen públicos sus datos.

  • Finding Economic Articles with Data: un shiny de Sebastian Kranz que te ayuda a encontrar artículos con datos.

  • Journal of Comments and Replications in Economics (JCRE): reemplaza al International Journal for Re-Views in Empirical Economics (IREE). JCRE remains the premier journal for publishing replication studies and also publishes commentaries on original studies in Economics.

  • AEA Data and Code Repository: repositorio de la American Economic Association con los datos y el código de los artículos publicados en sus revistas.

  • ICPSR: el mayor archivo de datos de ciencias sociales del mundo, de la Universidad de Michigan.


6 Para docencia

  • Un hilo de Twitter sobre datos para docencia aquí.

  • El paquete Rdatasets agrupa más de 2000 conjuntos de datos relacionados con el entorno R. Quizás sean más adecuados con fines didácticos. El listado de datos está aquí.

  • Datos en paquetes R aquí.

  • El paquete HistData contiene una colección de pequeños conjuntos de datos interesantes e importantes en la historia de la estadística y la visualización de datos.

  • historydata: datos para historiadores que quieren aprender R.

  • palmerpenguins: datos de pingüinos de la Antártida; la alternativa moderna a iris.

  • dslabs: datasets del libro Introduction to Data Science de Rafael Irizarry (asesinatos en EE. UU., encuestas electorales, gapminder…).

  • OpenIntro datasets: cientos de datasets usados en los libros de estadística de OpenIntro, todos con su documentación.

  • nycflights13: todos los vuelos que salieron de Nueva York en 2013. Es el que se usa en R for Data Science.


7 Datos geográficos (GIS)

  • Overture Maps: proyecto de Microsoft, Amazon, Meta… para producir datasets geoespaciales estandarizados y abiertos: límites administrativos, elementos de tierra y agua, huellas de edificios, puntos de interés (POIs) y capas de transporte. En el post Getting and visualizing Overture Maps buildings data in R se explica cómo obtener y visualizar datos de edificios de Overture Maps en R.

  • OpenLandMap: un Compendium of Global Gridded Environmental Data Sets. Me enteré por este toot.

  • All The Places: datos de localización, teléfono, etc. de tiendas y negocios de todo el mundo, obtenidos con un conjunto de web scrapers.

  • mregions2: paquete de R para acceder a datos de regiones marinas.

  • Fronteras históricas: CShapes 2.0 maps the borders and capitals of independent states and dependent territories from 1886 to 2019. Aquí usan estos datos.

  • Ciudades con más de 1000 habitantes: tiene la población, el país y la geolocalización. Aquí un post que usa estos datos.

  • Con geometrías también: spanishoddata (distritos municipales de España) y subincomeR (regiones subnacionales de 83 países); ver más arriba.

  • giscoR: paquete de R para descargar geometrías de GISCO (Eurostat): países, regiones NUTS, municipios, etc. Combina muy bien con el paquete eurostat.

  • mapSpain: geometrías de España (comunidades autónomas, provincias, municipios…) listas para usar en R.

  • rnaturalearth: mapas del mundo de Natural Earth (países, costas, ríos…).

  • geobounds: paquete de R para descargar los límites administrativos de geoBoundaries, una base de datos abierta con las fronteras de casi todos los países del mundo, a varios niveles (país, regiones, provincias, municipios…). Es del mismo autor que giscoR y mapSpain. Si compartes mapas hechos con estos datos, hay que citar a geoBoundaries.

    Código
    library(geobounds)
# Provincias de España (nivel ADM2)
provincias <- gb_get_adm2("Spain")
plot(provincias$geometry)

  • osmdata: paquete de R para descargar datos de OpenStreetMap (calles, edificios, bares, colegios…).

  • geodata: descarga datos geográficos como clima (WorldClim), elevación, límites administrativos (GADM), cultivos…


8 APIs

  • Public APIs: a collective list of free APIs for use in software and web development. No vamos a ver cómo acceder a APIs, pero no está mal tenerlas en este listado.

  • Internet Archive: el paquete internetarchive is intended primarily for searching for items, retrieving metadata for items, and downloading the files associated with items.


9 Para inspirarse


10 Otros listados

Reutilizar