🚀 Quick Start
Aceda aos dados de qualquer município português através de um simples GET request:
// Obter dados de Lisboa (código DICO: 1106)
fetch('https://datahpt.github.io/data/v1/municipalities/1106.json')
.then(res => res.json())
.then(data => {
console.log(data.metadata.name); // "Lisboa"
console.log(data.dimensions.coesao_territorial);
});https://datahpt.github.io/data/v1/
📍 Endpoints Disponíveis
Município Individual
GET /v1/municipalities/{dico}.json
Dados completos de um município com estrutura hierárquica.
Ver exemplo: Lisboa →Lista de Municípios
GET /v1/municipalities/index.json
Lista completa com códigos DICO, nomes e URLs de todos os 308 municípios.
Ver lista completa →💾 Download Completo (Bulk)
GET /v1/bulk/all-municipalities.json
Todos os 308 municípios num único ficheiro (~2 MB). Ideal para análise offline.
Download bulk →Metadata
GET /v1/metadata/*.json
- indicators.json - 41 indicadores
- hierarchy.json - Estrutura dimensional
- sources.json - Fontes de dados
📥 Downloads CSV
Perfeito para Excel, R, Python e análise estatística.
📊 Formato Longo
Uma linha por município-indicador (12,618 linhas)
- raw-data.csv (570 KB)
- normalized-data.csv (759 KB)
📈 Formato Largo
Uma linha por município, colunas por indicador (308 linhas)
- raw-data-wide.csv (82 KB)
- normalized-data-wide.csv (195 KB)
🏗️ Estrutura dos Dados
Exemplo de Resposta
{
"metadata": {
"dico": "1106",
"name": "Lisboa",
"last_updated": "2025-10-25T21:00:14Z",
"api_version": "1.0.0"
},
"dimensions": {
"coesao_territorial": {
"sub_dimensions": {
"dinamicas_sociais": {
"gavetas": {
"desigualdade": {
"indicators": {
"beneficiarios_rsi": {
"normalized": 76.04,
"raw": 36.46,
"unit": "%"
}
}
}
}
}
}
}
}
}💻 Exemplos de Código
// Obter e processar dados de múltiplos municípios
const municipios = ['1106', '1301', '0801']; // Lisboa, Porto, Braga
Promise.all(
municipios.map(dico =>
fetch(`https://datahpt.github.io/data/v1/municipalities/${dico}.json`)
.then(res => res.json())
)
).then(data => {
data.forEach(mun => {
console.log(`${mun.metadata.name}:`,
mun.dimensions.coesao_territorial.sub_dimensions.dinamicas_sociais
.gavetas.desigualdade.indicators.beneficiarios_rsi.normalized
);
});
});import requests
import pandas as pd
# Carregar dados CSV para análise
url = "https://datahpt.github.io/data/v1/downloads/normalized-data-wide.csv"
df = pd.read_csv(url)
# Análise básica
print(f"Municípios: {len(df)}")
print(f"Indicadores: {len(df.columns) - 2}")
# Top 10 municípios por indicador
top_10 = df.nlargest(10, 'beneficiarios_rsi')
print(top_10[['municipality_name', 'beneficiarios_rsi']])library(tidyverse)
library(jsonlite)
# Opção 1: Carregar CSV
data <- read_csv("https://datahpt.github.io/data/v1/downloads/normalized-data-wide.csv")
# Opção 2: Carregar JSON bulk
bulk <- fromJSON("https://datahpt.github.io/data/v1/bulk/all-municipalities.json")
# Análise
summary(data)
# Visualização
ggplot(data, aes(x = beneficiarios_rsi)) +
geom_histogram(bins = 30, fill = "#FB923C") +
theme_minimal() +
labs(title = "Distribuição: Beneficiários RSI")🌐 Sobre o Projeto DataH
O DataH nasceu com o objetivo de contribuir para a reflexão e para a construção de soluções mais informadas, eficazes e justas nas políticas públicas de habitação em Portugal.
A partir de uma abordagem colaborativa e baseada em dados, o DataH procura apoiar a administração pública no desenho, implementação e monitorização de políticas de habitação mais alinhadas com a realidade dos territórios.