peso_por_dolar.py

gistfile1.txt

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
# Copyright (C) 2023 Schmidt Cristian Hernán

# Este script descarga el histórico de los valores del precio del dólar en la
# República Argentina y los gráfica, agregando además los cambios de presidentes
# que hubieron en el rango de los valores disponibles.
#
# Se almacenan además los datos en un archivo csv y se guarda la imagen en formato
# png y svg. Los tres archivos en la misma carpeta donde donde esté este archivo,
# cada uno con su respectiva extensión.

import os
import sys
import math
import json
import time
import urllib
import datetime

try:
    import requests
    import bs4
    import pandas
    import matplotlib
    matplotlib.use('GTK3Agg')
    import matplotlib.pyplot as plt
    import matplotlib.patches as mpatches
except ImportError:
    print('Debe tener instalado: requests bs4 pandas matplotlib\n')
    print('Ejecute: python3 -m pip install --user requests bs4 pandas matplotlib')
    sys.exit(-1)

pandas.plotting.register_matplotlib_converters()

BASE = os.path.splitext(__file__)[0]
CSV = BASE + '.csv'
SVG = BASE + '.svg'
PNG = BASE + '.png'
TMP = BASE + '.tmp'

url = 'https://www.bcra.gob.ar/PublicacionesEstadisticas/Principales_variables_datos.asp'
now = datetime.datetime.now()

ini = '2010-06-01'  # límite del servidor (url)
fin = now.strftime('%Y-%m-%d')

tmp_exists = os.path.exists(TMP)

if tmp_exists and time.time() - os.path.getmtime(TMP) < 3600:  # cache de 1 hora
    with open(TMP, mode='r') as fid:
        head, _x, _y = json.load(fid)
else:
    if tmp_exists:
        os.remove(TMP)
    data = {# Extraído del form de la pagina (url)
        'fecha_desde': ini,
        'fecha_hasta': fin,
        'primeravez': '1',
        'serie': '7927',
        'serie1': '0',
        'serie2': '0',
        'serie3': '0',
        'serie4': '0',
        'detalle': 'Tipo de Cambio Minorista ($ por US$) Comunicación B 9791',
    }
    response = requests.post(url, data=data)
    response.encoding = response.apparent_encoding
    html = bs4.BeautifulSoup(response.text, 'html.parser')
    table = html.find(name='table', attrs={'class': 'table-BCRA'})
    head, *rows = table.findAll(name='tr')
    head = [c.string for c in head.findAll(name='th')]
    _x = []
    _y = []
    for row in rows:
        cell = row.findAll(name='td')
        _x.append(cell[0].string.strip())
        _y.append(cell[1].string.replace(',', '.').strip())

    with open(TMP, mode='w') as fid:
        json.dump((head, _x, _y), fid, indent=4)

_xx = [datetime.datetime.strptime(i, '%d/%m/%Y') for i in _x]
_yy = [float(i) for i in _y]
df = pandas.Series(data=_yy, index=_xx, name=r'Valor ARS/USD')

plt.plot(df, 'k-', linewidth=0.8) # Dólar oficial SIN impuestos

# https://www.argentina.gob.ar/normativa/buscar

# IMPUETO PAIS

# Ley 27541, art 39 → 30%, vigencia 2019-12-24
# https://www.argentina.gob.ar/normativa/nacional/ley-27541-333564
# https://servicios.infoleg.gob.ar/infolegInternet/verNorma.do?id=333564

# ADELANTO DE GANANCIAS

# Resolución General 4815/2020, art 5 → 35%, vigencia 2020-09-16
# https://www.argentina.gob.ar/normativa/nacional/resoluci%C3%B3n-4815-2020-342273
# https://www.afip.gob.ar/regimen-devolucion-percepciones/percepcion/que-es.asp

# Resolución General 5393/2023, art 2 → 45%, vigencia 2023-07-26
# https://www.argentina.gob.ar/normativa/nacional/resoluci%C3%B3n-5393-2023-387216

# Resolución General 5430/2023, art 1 → 45% y 25% (70%), vigencia 2023-10-10
# http://biblioteca.afip.gob.ar/dcp/REAG01005430_2023_10_09

df_base = df.copy()

mod1 = ('2019-12-26', 'Ley 27541\nart 39') # "26" siguiente día hábil
mod2 = ('2020-09-16', 'RG 4815\nart 5')
mod3 = ('2023-07-26', 'RG 5393\nart 2')
mod4 = ('2023-10-10', 'RG 5430\nart 1')

df[mod1[0]:] = df_base[mod1[0]:] * 1.30 # Impuesto PAIS
df[mod2[0]:] = df_base[mod2[0]:] * 1.65 # Impuesto PAIS + adelanto de ganancias
df[mod3[0]:] = df_base[mod3[0]:] * 1.75 # Impuesto PAIS + adelanto de ganancias
df[mod4[0]:] = df_base[mod4[0]:] * 2.00 # Impuesto PAIS + adelanto de ganancias

plt.plot(df, 'k-', linewidth=1.5) # Dólar oficial CON impuestos (para compra de billetes)

events = (
    None,
    '2011',
    ('2011-08-14', 'Primarias', 'dotted'),
    ('2011-10-23', 'Generales', 'dashed'),
    ('2011-12-10', 'Cristina Fernández', 'solid'),
    None,
    '2015',
    ('2015-08-09', 'Primarias', 'dotted'),
    ('2015-10-25', 'Generales', 'dashed'),
    ('2015-11-22', 'Balotaje', 'dashdot'),
    ('2015-12-10', 'Mauricio Macri', 'solid'),
    None,
    '2019',
    ('2019-08-11', 'Primarias', 'dotted'),
    ('2019-10-27', 'Generales', 'dashed'),
    ('2019-12-10', 'Alberto Fernández', 'solid'),
    None,
    ('2022-08-03', 'Asume Sergio Massa como Ministro de Economía', 'solid', 'blue'),
    None,
    '2023',
    ('2023-08-13', 'Primarias', 'dotted'),
    ('2023-10-22', 'Generales', 'dashed'),
    ('2023-11-19', 'Balotaje', 'dashdot'),
    ('2023-12-10', '?', 'solid'),
)

xmin = df.keys()[0]
xmax = df.keys()[-1]
xspan = xmax - xmin

ymean = df.mean()
ymin = df.min()
ymax = df.max()
yspan = ymax - ymin

handles = []

for data in events:
    if data is None:
        handles.append(mpatches.Patch(alpha=0))
    elif isinstance(data, str):
        handles.append(mpatches.Patch(alpha=0, label=data))
    else:
        date, text, linestyle, *color = data
        color = color[0] if color else 'green'
        date = datetime.datetime.strptime(date, '%Y-%m-%d')
        handles.extend(plt.plot([date, date], [ymin, ymax],
                                alpha=0.5, linewidth=1, color=color,
                                linestyle=linestyle, label=text))


def including_delta(plt, tini, tfin, df):
    dat = df[tini:tfin]
    x = dat.index.mean().date()
    y1 = float(dat[0])
    y2 = float(dat[-1])
    d = y2 - y1
    p = y2 / y1 * 100
    yoffset = yspan / 33

    if d > ymean:
        va = 'center'
        ym = y1 + d / 2
    elif y1 > ymean and y2 > ymean:
        va = 'top'
        ym = y1 - yoffset
    else:
        va = 'bottom'
        ym = y2 + yoffset

    plt.annotate('', xy=(x, y1), xytext=(x, y2),
                 arrowprops=dict(arrowstyle='|-|', connectionstyle='arc3', color='red'))

    code = '$\$\,{:.2f}$\n$~{:.0f}\,\%$'

    params = {'color': 'red', 'fontsize': 10, 'ha': 'center', 'va': va,
              'bbox': {'boxstyle': 'round', 'fc': 'white', 'ec': 'red'}}
    plt.text(x, ym, code.format(d, p), **params)

including_delta(plt, '2011-12-10', '2015-12-10', df)
including_delta(plt, '2015-12-10', '2019-12-10', df)
including_delta(plt, '2019-12-10', fin, df)


#for fecha, texto in (mod1, mod2, mod3, mod4):
#    x = datetime.datetime.strptime(fecha, '%Y-%m-%d')
#    y1 = df[:x][-2]
#    y2 = df[:x][-1]
#    ym = (y2 + y1) / 2
#    plt.annotate(texto, xy=(x, ym), xytext=(-3, 3),
#                 fontsize='x-small', ha='center', va='center',
#                 textcoords='offset fontsize', arrowprops={'arrowstyle': '->', 'color': 'indigo'},
#                 bbox={'boxstyle': 'round', 'fc': 'white', 'lw': 1, 'ec': 'indigo'})

point = '2020-12-21'
x = datetime.datetime.strptime(point, '%Y-%m-%d')
y = df_base[point]

plt.annotate('Sin impuestos', xy=(x, y), xytext=(0, -3),
             fontsize='x-small', ha='center', va='center',
             textcoords='offset fontsize', arrowprops={'arrowstyle': '->'},
             bbox={'boxstyle': 'round', 'fc': 'white', 'lw': 0})


plt.xlabel(head[0])
plt.ylabel(head[1])

ini = ini.replace('-', '/')
fin = fin.replace('-', '/')
plt.title('Valor del dólar oficial (mas impuestos) •  {} ─ {}  •  {}'.format(
    ini, fin, urllib.parse.urlsplit(url).netloc))

plt.legend(handles=handles, loc='upper left', fontsize='x-small', frameon=False)

plt.text(0.01, 0.01, 'Schcriher',
         fontsize='x-small', ha='left', va='bottom',
         transform=plt.gca().transAxes,
         bbox={'boxstyle': 'round', 'fc': 'white', 'lw': 0})

plt.text(0.99, 0.01, 'Datos obtenidos el ' + now.strftime('%Y-%m-%d %H:%M'),
         fontsize='x-small', ha='right', va='bottom',
         transform=plt.gca().transAxes,
         bbox={'boxstyle': 'round', 'fc': 'white', 'lw': 0})


plt.tight_layout()

fig = plt.gcf()
fig.set_size_inches(9, 6, forward=True)
fig.set_dpi(90)

df.to_csv(CSV, sep=',', encoding='utf-8', index_label=head[0], header=True)
plt.savefig(PNG, format='png')
plt.savefig(SVG, format='svg')

plt.show()