The hardware and bandwidth for this mirror is donated by METANET, the Webhosting and Full Service-Cloud Provider.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]metanet.ch.

geoAr & georeaf-ar

Dice la documentación oficial de la API del Servicio de Normalización de Datos Geográficos de la Argentina (georef-ar):

Permite normalizar y codificar los nombres de unidades territoriales de la Argentina (provincias, departamentos, municipios y localidades) y de sus calles, así como ubicar coordenadas dentro de ellas.

En la Guía para la identificación y uso de entidades interoperables se explica cómo funcionan las unidades territoriales internas de la Argentina y la relación entre ellas.

Ejemplos mínimos de uso

NORMALIZAR (con R)

¿Cómo normalizar? Tomemos como ejemplo el siguiente listado de nombres de provincias crudo:

library(geoAr) # Argentina's Spatial Data Toolbox, CRAN v0.1.4.2.1
library(dplyr) # A Grammar of Data Manipulation, CRAN v1.1.0

normalizar_provincia <- tibble::tribble(
  ~provincia,
  "S. CRUZ",
  "Santiago",
  "TUCUMAN",
  "Sgo. del Estero",
  "mendoza",
  "CABA"
)

Veamos que sucede cuando pedimos a la API nos devuelva los datos de uno de los distritos de ese listado (CABA, el sexto elemento):

  geoAr::get_provincias(nombre = normalizar_provincia$provincia[6], max = 1)
#> # A tibble: 1 × 4
#>   centroide_lat centroide_lon id    nombre                         
#>           <dbl>         <dbl> <chr> <chr>                          
#> 1         -34.6         -58.4 02    Ciudad Autónoma de Buenos Aires

La función get_provincia devuelve el nombre del distrito, el id y las coordenadas de latitud y longitud del centroide.

Podemos generar una función como la que sigue para luego iterar la consulta para todo el listado:


normalizar <- function(base){

  tmp <- get_provincias(nombre = base, max = 1)

  tmp$nombre
}

Tomamos el data.frame original y generamos una nueva columna (mutate) dentro de la cual iteramos. Con ayuda de map_chr del paquete purrr pasamos la función antes creada al vector de nombres de provincias de nuestra base normalizar_provincia.


(base_normalizada <- normalizar_provincia %>%
  dplyr::mutate(normalizada = purrr::map_chr(.x = provincia,
                                      .f = ~ normalizar(base = .x)
                                      )
         ))
#> # A tibble: 6 × 2
#>   provincia       normalizada                    
#>   <chr>           <chr>                          
#> 1 S. CRUZ         Santa Cruz                     
#> 2 Santiago        Santiago del Estero            
#> 3 TUCUMAN         Tucumán                        
#> 4 Sgo. del Estero Santiago del Estero            
#> 5 mendoza         Mendoza                        
#> 6 CABA            Ciudad Autónoma de Buenos Aires

ENRIQUECER DATOS

Supongamos ahora que tenemos las coordenadas de lo que nos dicen es la ubicación del estadio del mejor equipo de fútbol del mundo, pero solo tenemos esa información:

enriquecer_coordenadas <- tibble::tribble(
  ~latitud, ~longitud,
  -26.8129225,-65.1998249
)

leaflet::leaflet() %>%
  leaflet::addCircles(lng = enriquecer_coordenadas$longitud,
                      lat = enriquecer_coordenadas$latitud) %>%
  geoAr::addArgTiles()
#> Error in s$close(): attempt to apply non-function

Con get_ubicacion podemos agregarle información a nuestros datos de entrada:


geoAr::get_ubicacion(lat = enriquecer_coordenadas$latitud,
                     lon = enriquecer_coordenadas$longitud)
#> # A tibble: 1 × 8
#>   departamento_id departamento_nombre   lat   lon municipio_id municipio_nombre     provincia_id provincia_nombre
#>   <chr>           <chr>               <dbl> <dbl> <chr>        <chr>                <chr>        <chr>           
#> 1 90084           Capital             -26.8 -65.2 900014       San Miguel de Tucum… 90           Tucumán

GENERAR EL TOKEN

Los usuarios de organismos de la Administración Pública Nacional de Argentina pueden pedir un token para incrementar su cuota de uso de la API de Georef (ver https://datosgobar.github.io/georef-ar-api/jwt-token/).

Una vez que recibimos el secret y el key de la API de Georef, debemos generar el token y guardarlo en el Renviron. Las funciones de geoAr que consultan a la API de Georef van a buscar si existe el token en nuestro Renviron y van usarlo para realizar las consultas a la API.

Para generar el token a partir del secret y el key se puede usar el paquete jose

key <- "codigokey"
secreto <- "codigosecreto"

token <- jose::jwt_encode_hmac(claim = jose::jwt_claim(iss = key),
                               secret = secreto)

print(token)

El token generado debe ser guardado en el .Renviron con el siguiente formato:

GEOREFAR_TOKEN = "Xkxka1011skzlkz20201"

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.