Censo da Educação Superior

microdados_educacao_superior_AAAA/
├── dados/
│   ├── MICRODADOS_CADASTRO_IES_AAAA.CSV      # Dados das IES
│   ├── MICRODADOS_CADASTRO_CURSOS_AAAA.CSV    # Dados dos cursos
│   └── SUP_DOCENTE_AAAA.CSV                   # Dados dos docentes
├── anexos/
│   ├── DICIONARIO_DE_DADOS.xlsx               # Dicionário de dados
│   └── tabelas_auxiliares/
│       ├── TAB_AREA_CINE.xlsx                 # Áreas de conhecimento CINE
│       └── TAB_MUNICIPIO.xlsx                 # Tabela de municípios
├── leia-me/
│   └── leia-me.txt
└── inputs/
    └── INPUT_SAS_*.sas

# Exemplo de download (o link exato pode mudar a cada publicação)
wget "https://download.inep.gov.br/microdados/microdados_censo_da_educacao_superior_2023.zip"

import zipfile
import pandas as pd
from pathlib import Path
 
# Após baixar o ZIP da página do INEP
ZIP_PATH = Path("microdados_censo_da_educacao_superior_2023.zip")
DESTINO = Path("./dados_censo_superior")
 
# Extrair
with zipfile.ZipFile(ZIP_PATH, "r") as zf:
    zf.extractall(DESTINO)
 
# Localizar o arquivo de IES
arquivo_ies = list(DESTINO.rglob("*CADASTRO_IES*.CSV"))[0]
 
# Ler o CSV
df_ies = pd.read_csv(
    arquivo_ies,
    sep=";",
    encoding="latin-1",
    dtype=str,
    low_memory=False,
)
 
print(f"Total de IES: {len(df_ies):,}")
print(f"Colunas: {list(df_ies.columns[:10])}...")
print(df_ies.head())

# TP_CATEGORIA_ADMINISTRATIVA:
# 1=Pública Federal, 2=Pública Estadual, 3=Pública Municipal,
# 4=Privada com fins lucrativos, 5=Privada sem fins lucrativos,
# 7=Especial (ex: SENAI, SESC)
categoria_map = {
    "1": "Pública Federal",
    "2": "Pública Estadual",
    "3": "Pública Municipal",
    "4": "Privada (com fins lucrativos)",
    "5": "Privada (sem fins lucrativos)",
    "7": "Especial",
}
 
contagem_ies = (
    df_ies["TP_CATEGORIA_ADMINISTRATIVA"]
    .map(categoria_map)
    .value_counts()
)
 
print("Quantidade de IES por categoria administrativa:")
print(contagem_ies.to_string())

# Carregar dados de cursos
arquivo_cursos = list(DESTINO.rglob("*CADASTRO_CURSOS*.CSV"))[0]
 
df_cursos = pd.read_csv(
    arquivo_cursos,
    sep=";",
    encoding="latin-1",
    dtype=str,
    low_memory=False,
)
 
# Converter campos numéricos
for col in ["QT_VAGAS_TOTAL", "QT_INSCRITO_TOTAL", "QT_INGRESSO_TOTAL",
            "QT_MATRICULA_TOTAL", "QT_CONCLUINTE_TOTAL"]:
    df_cursos[col] = pd.to_numeric(df_cursos[col], errors="coerce")
 
# Top 10 cursos com mais matrículas
top_cursos = (
    df_cursos.groupby("NO_CURSO")["QT_MATRICULA_TOTAL"]
    .sum()
    .sort_values(ascending=False)
    .head(10)
)
 
print("Top 10 cursos por total de matrículas:")
for curso, matriculas in top_cursos.items():
    print(f"  {curso}: {matriculas:,.0f}")

# TP_MODALIDADE_ENSINO: 1=Presencial, 2=EAD
modalidade_map = {"1": "Presencial", "2": "EAD"}
 
vagas_modalidade = (
    df_cursos.groupby("TP_MODALIDADE_ENSINO")
    .agg(
        vagas=("QT_VAGAS_TOTAL", "sum"),
        matriculas=("QT_MATRICULA_TOTAL", "sum"),
        concluintes=("QT_CONCLUINTE_TOTAL", "sum"),
    )
)
 
vagas_modalidade.index = vagas_modalidade.index.map(modalidade_map)
print("Vagas, matrículas e concluintes por modalidade:")
print(vagas_modalidade.to_string())

# Carregar dados de docentes
arquivo_docentes = list(DESTINO.rglob("*DOCENTE*.CSV"))[0]
 
df_docentes = pd.read_csv(
    arquivo_docentes,
    sep=";",
    encoding="latin-1",
    dtype=str,
    low_memory=False,
)
 
# TP_ESCOLARIDADE: 1=Sem graduação, 2=Graduação, 3=Especialização,
#                   4=Mestrado, 5=Doutorado
titulacao_map = {
    "1": "Sem graduação",
    "2": "Graduação",
    "3": "Especialização",
    "4": "Mestrado",
    "5": "Doutorado",
}
 
contagem_titulacao = (
    df_docentes["TP_ESCOLARIDADE"]
    .map(titulacao_map)
    .value_counts()
)
 
print("Docentes por titulação:")
for titulo, qtd in contagem_titulacao.items():
    pct = qtd / len(df_docentes) * 100
    print(f"  {titulo}: {qtd:,} ({pct:.1f}%)")

import pandas as pd
 
# 1. Carregar dados de IES
df_ies = pd.read_csv(
    "dados_censo_superior/MICRODADOS_CADASTRO_IES_2023.CSV",
    sep=";",
    encoding="latin-1",
    dtype=str,
)
 
# Filtrar apenas IES privadas
df_privadas = df_ies[
    df_ies["TP_CATEGORIA_ADMINISTRATIVA"].isin(["4", "5"])
].copy()
 
print(f"IES privadas: {len(df_privadas):,}")
 
# 2. Carregar base CNPJ (previamente baixada)
df_empresas = pd.read_csv(
    "dados_rfb/Empresas0.csv",
    sep=";",
    header=None,
    names=["cnpj_basico", "razao_social", "natureza_juridica",
           "qualificacao_responsavel", "capital_social",
           "porte_empresa", "ente_federativo_responsavel"],
    dtype=str,
    encoding="latin-1",
)
 
# 3. Cruzar por CNPJ da mantenedora
# O campo CO_MANTENEDORA contém o CNPJ da mantenedora
df_privadas["cnpj_basico"] = df_privadas["CO_MANTENEDORA"].str[:8]
 
df_cruzado = df_privadas.merge(
    df_empresas[["cnpj_basico", "razao_social", "capital_social"]],
    on="cnpj_basico",
    how="left",
)
 
print("\nIES privadas com dados da mantenedora:")
print(df_cruzado[["NO_IES", "razao_social", "capital_social"]].head(10))