Tabela 34

Gerar extração de dados

Preços medianos, por materiais e serviços (série encerrada em dezembro de 2002)

Já tem uma URL do SIDRA? Cole aqui para carregar a seleção.

Seleção

Variáveis

Períodos

a
0 período(s) selecionado(s)

Classificações

Materiais e serviços

Territórios / Localidades

Unidade da Federação (27)
Esta consulta retorna ≈ 362.232 valores (27 localidades × 1 variáveis × 86 categorias × 156 períodos)
A API SIDRA limita cada requisição a 100.000 valores. Os snippets Python abaixo já baixam um período por vez para contornar o limite — ou use o sidra-sql (aba fetch.toml), que faz isso automaticamente.
Estimativa recalculada ao vivo — clique em "Gerar" para atualizar os códigos abaixo.

URL de requisição da API SIDRA (/values).

Abrir no navegador 
https://apisidra.ibge.gov.br/values/t/34/n3/all/v/all/p/all/c42/all/h/y/f/a/d/m

Sem dependências Quantilica — apenas requests e pandas.

# Dados da Tabela 34 do IBGE SIDRA (https://apisidra.ibge.gov.br)
# Requisitos: pip install requests pandas
# A seleção completa excede o limite de 100.000 valores por requisição da API;
# baixamos um período por vez e concatenamos.
import pandas as pd
import requests

periodos = [
    "199001", "199002", "199003", "199004", "199005", "199006", "199007", "199008",
    "199009", "199010", "199011", "199012", "199101", "199102", "199103", "199104",
    "199105", "199106", "199107", "199108", "199109", "199110", "199111", "199112",
    "199201", "199202", "199203", "199204", "199205", "199206", "199207", "199208",
    "199209", "199210", "199211", "199212", "199301", "199302", "199303", "199304",
    "199305", "199306", "199307", "199308", "199309", "199310", "199311", "199312",
    "199401", "199402", "199403", "199404", "199405", "199406", "199407", "199408",
    "199409", "199410", "199411", "199412", "199501", "199502", "199503", "199504",
    "199505", "199506", "199507", "199508", "199509", "199510", "199511", "199512",
    "199601", "199602", "199603", "199604", "199605", "199606", "199607", "199608",
    "199609", "199610", "199611", "199612", "199701", "199702", "199703", "199704",
    "199705", "199706", "199707", "199708", "199709", "199710", "199711", "199712",
    "199801", "199802", "199803", "199804", "199805", "199806", "199807", "199808",
    "199809", "199810", "199811", "199812", "199901", "199902", "199903", "199904",
    "199905", "199906", "199907", "199908", "199909", "199910", "199911", "199912",
    "200001", "200002", "200003", "200004", "200005", "200006", "200007", "200008",
    "200009", "200010", "200011", "200012", "200101", "200102", "200103", "200104",
    "200105", "200106", "200107", "200108", "200109", "200110", "200111", "200112",
    "200201", "200202", "200203", "200204", "200205", "200206", "200207", "200208",
    "200209", "200210", "200211", "200212",
]

quadros = []
for periodo in periodos:
    url = f"https://apisidra.ibge.gov.br/values/t/34/n3/all/v/all/p/{periodo}/c42/all/h/y/f/a/d/m"
    resposta = requests.get(url, timeout=120)
    resposta.raise_for_status()
    linhas = resposta.json()
    quadros.append(pd.DataFrame(linhas[1:]).rename(columns=linhas[0]))

df = pd.concat(quadros, ignore_index=True)
print(df.head())

Usa o sidra-fetcher (construtor de URL tipado) + httpx + polars. 

# Dados da Tabela 34 do IBGE SIDRA via sidra-fetcher
# https://github.com/Quantilica/sidra-fetcher
# Requisitos: pip install httpx polars
#             pip install "sidra-fetcher @ git+https://github.com/Quantilica/sidra-fetcher.git"
# A seleção completa excede o limite de 100.000 valores por requisição da API;
# baixamos um período por vez e concatenamos.
import httpx
import polars as pl
from sidra_fetcher.sidra import Parametro

parametro = Parametro(
    agregado="34",
    territorios={"3": ["all"]},
    variaveis=["all"],
    periodos=["all"],
    classificacoes={"42": ["all"]},
)

periodos = [
    "199001", "199002", "199003", "199004", "199005", "199006", "199007", "199008",
    "199009", "199010", "199011", "199012", "199101", "199102", "199103", "199104",
    "199105", "199106", "199107", "199108", "199109", "199110", "199111", "199112",
    "199201", "199202", "199203", "199204", "199205", "199206", "199207", "199208",
    "199209", "199210", "199211", "199212", "199301", "199302", "199303", "199304",
    "199305", "199306", "199307", "199308", "199309", "199310", "199311", "199312",
    "199401", "199402", "199403", "199404", "199405", "199406", "199407", "199408",
    "199409", "199410", "199411", "199412", "199501", "199502", "199503", "199504",
    "199505", "199506", "199507", "199508", "199509", "199510", "199511", "199512",
    "199601", "199602", "199603", "199604", "199605", "199606", "199607", "199608",
    "199609", "199610", "199611", "199612", "199701", "199702", "199703", "199704",
    "199705", "199706", "199707", "199708", "199709", "199710", "199711", "199712",
    "199801", "199802", "199803", "199804", "199805", "199806", "199807", "199808",
    "199809", "199810", "199811", "199812", "199901", "199902", "199903", "199904",
    "199905", "199906", "199907", "199908", "199909", "199910", "199911", "199912",
    "200001", "200002", "200003", "200004", "200005", "200006", "200007", "200008",
    "200009", "200010", "200011", "200012", "200101", "200102", "200103", "200104",
    "200105", "200106", "200107", "200108", "200109", "200110", "200111", "200112",
    "200201", "200202", "200203", "200204", "200205", "200206", "200207", "200208",
    "200209", "200210", "200211", "200212",
]

quadros = []
for periodo in periodos:
    p = parametro.assign("periodos", [periodo])
    resposta = httpx.get(p.url(), timeout=120)
    resposta.raise_for_status()
    linhas = resposta.json()
    quadros.append(pl.DataFrame(linhas[1:]).rename(linhas[0]))

df = pl.concat(quadros)
print(df.head())
O sidra-sql sempre baixa todos os períodos da tabela (uma requisição por período) — a seleção de períodos acima não se aplica a este bloco. Filtre períodos no SQL de transformação.

Bloco [[tabelas]] para um catálogo de pipelines do sidra-sql.

Baixar pipeline (.zip) 
[[tabelas]]
tabela_sidra = "34"
variables = ["allxp"]
territories = {3 = []}
classifications = {42 = ["allxt"]}

Cole o bloco acima em um fetch.toml existente do seu plugin sidra-sql, ou instale e rode um pipeline novo já configurado para esta tabela: 

sidra-sql plugin install <url-do-seu-repo> --alias meu_plugin
sidra-sql run meu_plugin tabela_34
sidra-sql export meu_plugin tabela_34
Pressupõe o schema normalizado do sidra-sql (ibge_sidra) já carregado via sidra-sql run para esta tabela.

Consulta filtrada pela seleção acima.

-- Tabela 34 — Preços medianos, por materiais e serviços (série encerrada em dezembro de 2002)
-- Consulta ao banco carregado pelo sidra-sql (schema ibge_sidra)
-- https://github.com/Quantilica/sidra-sql
-- Pressupõe `sidra-sql run` já executado para a tabela 34.
SELECT
    p.codigo AS periodo,
    p.ano,
    l.nc  AS nivel_territorial,
    l.d1c AS localidade_codigo,
    l.d1n AS localidade_nome,
    dim.d2c AS variavel_codigo,
    dim.d2n AS variavel,
    dim.mn  AS unidade,
    dim.d4c AS materiais_e_servicos_codigo,
    dim.d4n AS materiais_e_servicos,
    CASE WHEN d.v ~ '^-?[0-9]' THEN d.v::numeric END AS valor
FROM ibge_sidra.dados AS d
JOIN ibge_sidra.periodo    AS p   ON d.periodo_id = p.id
JOIN ibge_sidra.dimensao   AS dim ON d.dimensao_id = dim.id
JOIN ibge_sidra.localidade AS l   ON d.localidade_id = l.id
WHERE d.tabela_sidra_id = '34'
  AND d.ativo = TRUE
  AND (l.nc = '3')
ORDER BY p.codigo, l.d1c;
Entrar para salvar esta seleção como receita

Usamos cookies de análise para entender como o site é usado. Você pode aceitar ou recusar.