{poblador}
Datos de población para Chile y funciones para agregar datos poblacionales fácilmente a otras tablas de datos.
Este paquete ofrece tablas de datos de población desde fuentes oficiales
de Chile, como censo_poblacion_2024, así como funciones para
simplificar el uso de estos datos como complemento a otros conjuntos de
datos, como para agregar población oficial a una tabla de comunas o
regiones con agregar_poblacion(), entre otras.
El funcionamiento interno de este paquete depende bastante del paquete
{territorial}, que
entrega herramientas para trabajar con datos que representan comunas y
regiones de Chile.
Instala el paquete a R desde R-Universe:
install.packages('poblador', repos = c('https://bastianolea.r-universe.dev'))
También puedes instalar desde GitHub:
# install.packages("pak")
pak::pak("bastianolea/poblador")
Para que {poblador} funcione, necesitas tener instalado
{territorial}.
Si no lo tienes, instálalo con:
install.packages("territorial", repos = "https://bastianolea.r-universe.dev")
Uno de los aspectos principales de {poblador} es que contiene bases de
datos de población procesadas a partir de las fuentes
oficiales a
nivel comunal. Las principales son los últimos dos Censos de población
(2017 y 2024), junto a las proyecciones de población oficiales (en base
al Censo 2017).
La función catalogo() te muestra todas las fuentes de datos
disponibles en el paquete, incluído el nombre que tienen para cargarlas
en R, sus características y fuentes:
library(poblador)
catalogo()
Ver el catálogo de datos generado por catalogo()
── Datos disponibles en poblador ───────────────────────────────────────────────
── Población a nivel comunal de Chile (2017) ──
• Objeto: `censo_poblacion_2017`
• Tabla de 346 y 8 columnas
• Años: 2017
• Cantidad de comunas únicas: 346
• Fuente: Instituto Nacional de Estadísticas de Chile (INE),
<https://www.ine.gob.cl/estadisticas-por-tema/demografia-y-poblacion/censo-de-poblacion-y-vivienda>
── Población censada a nivel comunal de Chile (2024) ──
• Objeto: `censo_poblacion_2024`
• Tabla de 346 y 8 columnas
• Años: 2024
• Cantidad de comunas únicas: 346
• Fuente: Instituto Nacional de Estadísticas de Chile (INE),
<https://censo2024.ine.gob.cl/resultados/>
── Proyecciones de población a nivel comunal de Chile (2002-2035), base Censo 2017 ──
• Objeto: `censo_poblacion_proyeccion`
• Tabla de 11764 y 8 columnas
• Las proyecciones de población proporcionan una referencia del futuro tamaño y
estructura por edades de una población, basados en un conjunto de supuestos
sobre el comportamiento de los componentes demográficos fecundidad, mortalidad
y migración. Son un insumo fundamental para la planificación y la toma de
decisiones tanto para el sector público como el privado, dado que permiten
anticipar demandas futuras e identificar desafíos que surgen como consecuencia
de los cambios demográficos.
• Años: entre 2002 y 2035
• Cantidad de comunas únicas: 346
• Fuente: Instituto Nacional de Estadísticas de Chile (INE),
<https://www.ine.gob.cl/estadisticas-por-tema/demografia-y-poblacion/estimaciones-y-proyecciones-de-poblacion>
── Población en situación de pobreza por ingresos a nivel comunal (2024) ──
• Objeto: `mideso_pobreza_ingresos`
• Tabla de 345 y 8 columnas
• Cifras de población en situación de pobreza, calculadas por el Ministerio de
Desarrollo Social y Familia a partir de datos de la Encuesta de Caracterización
Socioeconómica Nacional 2024 (Casen 2024), por medio de la aplicación de la
metodología de áreas pequeñas o SAE.
• Años: 2024
• Cantidad de comunas únicas: 345
• Fuente: Ministerio de Desarrollo Social y Familia (Mideso),
<https://bidat.gob.cl/details/ficha/dataset/base-de-datos-pobreza-comunal-2024>
── Población en situación de pobreza multidimensional a nivel comunal (2024) ──
• Objeto: `mideso_pobreza_multi`
• Tabla de 345 y 8 columnas
• Cifras de población en situación de pobreza, calculadas por el Ministerio de
Desarrollo Social y Familia a partir de datos de la Encuesta de Caracterización
Socioeconómica Nacional 2024 (Casen 2024), por medio de la aplicación de la
metodología de áreas pequeñas o SAE. La medición de pobreza multidimensional se
calcula a partir de 5 dimensiones, cada una con 4 indicadores: Educación,
Salud, Trabajo y Seguridad Social, Vivienda y Entorno, y Redes y Cohesión
Social.
• Años: 2024
• Cantidad de comunas únicas: 345
• Fuente: Ministerio de Desarrollo Social y Familia (Mideso),
<https://bidat.gob.cl/details/ficha/dataset/base-de-datos-pobreza-comunal-2024>
Luego de consultar catalogo(), vemos que la tabla del Censo 2024 se
llama censo_poblacion_2024, así que podemos explorarla:
library(dplyr)
censo_poblacion_2024 |>
head() |>
glimpse()
Rows: 6
Columns: 8
$ codigo_region <dbl> 1, 1, 1, 1, 1, 1
$ nombre_region <chr> "Tarapacá", "Tarapacá", "Tarapacá", "Tarapacá", "Tara…
$ codigo_provincia <dbl> 11, 11, 14, 14, 14, 14
$ nombre_provincia <chr> "Iquique", "Iquique", "Tamarugal", "Tamarugal", "Tama…
$ codigo_comuna <dbl> 1101, 1107, 1401, 1405, 1404, 1402
$ nombre_comuna <chr> "Iquique", "Alto Hospicio", "Pozo Almonte", "Pica", "…
$ año <dbl> 2024, 2024, 2024, 2024, 2024, 2024
$ poblacion <int> 199587, 142086, 16878, 6272, 2858, 1335
Puedes usar estas fuentes de datos para consularlas, cruzarlas con
otras tablas, o su uso
principal, que es usarlas para alimentar a la función
agregar_poblacion(), como veremos a continuación.
Todas las tablas de datos del paquete siguen esta estructura de
codigo_region, nombre_region, codigo_comuna y nombre_comuna
(heredada del paquete
{territorial}), además de
contener año y poblacion.
El fuerte de {poblador} es agregar datos de población a otras fuentes
de datos con las que trabajes. La función agregar_poblacion() recibe
una tabla de datos o dataframe y le agrega una columna poblacion con
los datos oficiales de población.
Para probar agregar_poblacion(), creemos una tabla de datos de nivel
comunal como ejemplo.
library(dplyr)
comunas <- tibble::tribble(
~nombre_comuna, ~codigo_comuna,
"La Florida", 13110,
"Puente Alto", 13201,
"La Pintana", 13112,
"San Joaquín", 13129
)
comunas
# A tibble: 4 × 2
nombre_comuna codigo_comuna
<chr> <dbl>
1 La Florida 13110
2 Puente Alto 13201
3 La Pintana 13112
4 San Joaquín 13129
Ahora, a estos datos de ejemplo les agregamos la población que corresponde a cada fila:
library(poblador)
comunas |>
agregar_poblacion()
! Se detectó la columna `codigo_comuna`. Se asumirá el nivel "comunal".
! Considerando datos para el año actual (2026). Cambiar con el argumento `años`.
ℹ Agregando datos de población de nivel comunal del año 2026 desde la base `poblador::censo_poblacion_proyeccion()`.
# A tibble: 4 × 3
nombre_comuna codigo_comuna poblacion
<chr> <dbl> <dbl>
1 La Florida 13110 408195
2 Puente Alto 13201 674064
3 La Pintana 13112 188629
4 San Joaquín 13129 102504
Así de simple! La tabla recibió una columna con la población oficial,
descrita por el mensaje en la consola. La función detectó
automáticamente que se trataba de datos comunales (por la presencia de
las columnas codigo_comuna o nombre_comuna, y por defecto agregó la
población del año actual.
Por defecto, la población se obtiene de las proyecciones oficiales del
INE
(ver poblador::censo_poblacion_proyeccion). Esto significa que puedes
agregar datos de cualquier otro año, por ejemplo, del año 2020:
comunas |>
agregar_poblacion(
nivel = "comunal",
años = 2020)
ℹ Agregando datos de población de nivel comunal del año 2020 desde la base `poblador::censo_poblacion_proyeccion()`.
# A tibble: 4 × 3
nombre_comuna codigo_comuna poblacion
<chr> <dbl> <dbl>
1 La Florida 13110 402433
2 Puente Alto 13201 645909
3 La Pintana 13112 189335
4 San Joaquín 13129 103485
Como vimos antes, las funciones de {poblador} detectan automáticamente
el nivel de los datos. Probemos ahora con datos regionales, creando una
nueva tabla de ejemplo.
regiones <- tibble::tribble(
~nombre_region, ~codigo_region,
"Maule", 7,
"Ñuble", 16,
"Biobío", 8,
"La Araucanía", 9
)
regiones
# A tibble: 4 × 2
nombre_region codigo_region
<chr> <dbl>
1 Maule 7
2 Ñuble 16
3 Biobío 8
4 La Araucanía 9
A esta nueva tabla de datos le agregamos la población con
agregar_poblacion():
regiones |>
agregar_poblacion()
! Se detectó la columna `codigo_region`. Se asumirá el nivel "regional".
! Considerando datos para el año actual (2026). Cambiar con el argumento `años`.
ℹ Agregando datos de población de nivel regional del año 2026 desde la base `poblador::censo_poblacion_proyeccion()`.
# A tibble: 4 × 3
nombre_region codigo_region poblacion
<chr> <dbl> <dbl>
1 Maule 7 1189907
2 Ñuble 16 525925
3 Biobío 8 1694602
4 La Araucanía 9 1039468
Nuevamente el nivel territorial se asume automático.
El argumento base de agregar_poblacion() permite usar otras fuentes
de datos de población, ya sean las incluídas en el paquete (ver
catalogo()), o incluso tus propias tablas de población (que sigan las
convenciones del paquete).
Probemos agregando a la tabla de regiones los datos de un Censo oficial
específico, en este caso del Censo 2017 (disponible en el objeto
censo_poblacion_2017):
regiones |>
agregar_poblacion(
nivel = "regional",
base = censo_poblacion_2017)
! Considerando el año más reciente (2017) para la base "censo_poblacion_2017".
ℹ Agregando datos de población de nivel regional del año 2017 desde la base `poblador::censo_poblacion_2017()`.
# A tibble: 4 × 3
nombre_region codigo_region poblacion
<chr> <dbl> <dbl>
1 Maule 7 1044950
2 Ñuble 16 480609
3 Biobío 8 1556805
4 La Araucanía 9 957224
Como las tablas de datos usadas por {poblador} vienen en nivel
comunal, al procesar datos regionales, agregar_poblacion() toma los
datos comunales y los suma para obtener los regionales.
Entre las distintas bases de datos incluídas, el paquete incluye datos
socioeconómicos, como las estimaciones de pobreza a nivel comunal en las
tablas mideso_pobreza_ingresos y mideso_pobreza_multi (usa
poblador::catalogo() para ver todas las bases).
Por ejemplo:
mideso_pobreza_ingresos
# A tibble: 345 × 8
codigo_region nombre_region codigo_provincia nombre_provincia codigo_comuna
<dbl> <chr> <dbl> <chr> <dbl>
1 1 Tarapacá 11 Iquique 1101
2 1 Tarapacá 11 Iquique 1107
3 1 Tarapacá 14 Tamarugal 1401
4 1 Tarapacá 14 Tamarugal 1402
5 1 Tarapacá 14 Tamarugal 1403
6 1 Tarapacá 14 Tamarugal 1404
7 1 Tarapacá 14 Tamarugal 1405
8 2 Antofagasta 21 Antofagasta 2101
9 2 Antofagasta 21 Antofagasta 2102
10 2 Antofagasta 21 Antofagasta 2103
# ℹ 335 more rows
# ℹ 3 more variables: nombre_comuna <chr>, año <dbl>, poblacion <dbl>
Creemos una tabla de comunas de ejemplo para probar los datos socioeconómicos.
library(dplyr)
comunas <- tibble::tribble(
~nombre_comuna, ~codigo_comuna,
"La Florida", 13110,
"Puente Alto", 13201,
"La Pintana", 13112,
"Las Condes", 13114
)
comunas
# A tibble: 4 × 2
nombre_comuna codigo_comuna
<chr> <dbl>
1 La Florida 13110
2 Puente Alto 13201
3 La Pintana 13112
4 Las Condes 13114
Para usar las bases de datos socioeconómicos, simplemente las agregamos
al argumento base de agregar_poblacion() o de obtener_poblacion():
comunas |>
agregar_poblacion(base = mideso_pobreza_ingresos)
! Se detectó la columna `codigo_comuna`. Se asumirá el nivel "comunal".
! Considerando el año más reciente (2024) para la base "mideso_pobreza_ingresos".
ℹ Agregando datos de población de nivel comunal del año 2024 desde la base `poblador::mideso_pobreza_ingresos()`.
# A tibble: 4 × 3
nombre_comuna codigo_comuna poblacion
<chr> <dbl> <dbl>
1 La Florida 13110 48429.
2 Puente Alto 13201 92515.
3 La Pintana 13112 44008.
4 Las Condes 13114 9558.
En este ejemplo agregamos la población comunal estimada de habitantes en situación de pobreza por ingresos, según la encuesta Casen.
Si usamos agregar_poblacion() consecutivamente, podemos agregar tanto
la población comunal como la población en situación de pobreza, a partir
de lo cual podemos calcular el porcentaje de pobreza en pocas
líneas:
comunas |>
# agregar habitantes en 2024
agregar_poblacion(
base = censo_poblacion_2024) |>
# agregar población en situación de pobreza
agregar_poblacion(
base = mideso_pobreza_ingresos,
nombre = "pobreza") |>
# calcular porcentaje
mutate(porcentaje = (pobreza/poblacion)*100)
! Se detectó la columna `codigo_comuna`. Se asumirá el nivel "comunal".
! Considerando el año más reciente (2024) para la base "censo_poblacion_2024".
ℹ Agregando datos de población de nivel comunal del año 2024 desde la base `poblador::censo_poblacion_2024()`.
! Se detectó la columna `codigo_comuna`. Se asumirá el nivel "comunal".
! Considerando el año más reciente (2024) para la base "mideso_pobreza_ingresos".
ℹ Agregando datos de población de nivel comunal del año 2024 desde la base `poblador::mideso_pobreza_ingresos()`.
# A tibble: 4 × 5
nombre_comuna codigo_comuna poblacion pobreza porcentaje
<chr> <dbl> <int> <dbl> <dbl>
1 La Florida 13110 374836 48429. 12.9
2 Puente Alto 13201 568086 92515. 16.3
3 La Pintana 13112 175421 44008. 25.1
4 Las Condes 13114 296134 9558. 3.23
También se puede obtener la población de territorios específicos con
obtener_poblacion(). Funciona casi idéntico a agregar_poblacion(),
sólo que sobre vectores de datos como nombres o códigos territoriales.
De esta manera podemos obtener fácilmente la población de una o varias comunas (notando que la función infiere automáticamente que se trata de comunas):
obtener_poblacion("La Florida")
! Se detectó que los datos son nombres de comunas. Se asumirá el nivel "comunal".
! Considerando datos para el año actual (2026). Cambiar con el argumento `años`.
ℹ Agregando datos de población de nivel comunal del año 2026 desde la base `poblador::censo_poblacion_proyeccion()`.
[1] 408195
También podemos entregar códigos únicos territoriales:
obtener_poblacion(c(13102, 13201))
! Se detectó que los datos son códigos comunales. Se asumirá el nivel "comunal".
! Considerando datos para el año actual (2026). Cambiar con el argumento `años`.
ℹ Agregando datos de población de nivel comunal del año 2026 desde la base `poblador::censo_poblacion_proyeccion()`.
[1] 90328 674064
Esta forma de obtener datos de población sirve principalmente para reportes Quarto o aplicaciones Shiny; por ejemplo, en la redacción de un párrafo basado en datos:
comuna <- "Ñuñoa"
glue::glue("La comuna de {comuna} tiene una población de {obtener_poblacion(comuna)} habitantes.")
La comuna de Ñuñoa tiene una población de 274180 habitantes.
Al igual que con agregar_poblacion(), al basarse por defecto en las
proyecciones de población del INE se puede solicitar la proyección de
población de cualquier territorio en un año específico:
obtener_poblacion("La Florida", años = 2030)
! Se detectó que los datos son nombres de comunas. Se asumirá el nivel "comunal".
ℹ Agregando datos de población de nivel comunal del año 2030 desde la base `poblador::censo_poblacion_proyeccion()`.
[1] 409368
También puedes usar obtener_poblacion() dentro de mutate() al crear
o modificar columnas de un dataframe:
library(dplyr)
comunas <- territorial::territorios |>
filter(codigo_region == 15) |>
select(nombre_comuna, codigo_comuna)
comunas |>
mutate(poblacion = obtener_poblacion(codigo_comuna, años = 2027))
! Se detectó que los datos son códigos comunales. Se asumirá el nivel "comunal".
ℹ Agregando datos de población de nivel comunal del año 2027 desde la base `poblador::censo_poblacion_proyeccion()`.
# A tibble: 4 × 3
nombre_comuna codigo_comuna poblacion
<chr> <dbl> <dbl>
1 Arica 15101 262679
2 Camarones 15102 1251
3 Putre 15201 2594
4 General Lagos 15202 791