Las Cortes y sus bienes

Datos personales, profesionales, institucionales y patrimoniales de los 634 miembros de las Cortes Generales y del Gobierno de España: 350 diputados, 265 senadores y 19 miembros del Gobierno sin escaño. Salen de fuentes oficiales públicas (congreso.es, senado.es, BOE) y, de forma auxiliar, de una base de datos abierta. Las fichas se consultaron el 17 de agosto de 2026. No incluye redes sociales. Se construyó para poder estudiar la composición de las Cortes y lo que declaran sus miembros, no para hacer seguimiento de personas concretas. Ficheros Son dos libros de Excel (.xlsx) y una base de datos SQLite con exactamente los mismos datos. Los libros se leen igual de bien con Excel, LibreOffice, Python (pandas.read_excel) o R (readxl); la base SQLite es para quien prefiera consultas SQL o trabajar con todas las tablas a la vez. Cada hoja es una tabla, y la última de cada libro (diccionario) describe las columnas de las demás: tipo, descripción, fuente y cobertura. datos_procesados.xlsx: todo lo interpretado. Hoja Contenido parlamentarios La tabla principal, una fila por persona: 639 filas (634 en activo y 5 bajas), 76 columnas. inmuebles Una fila por inmueble tras dividir las líneas que nombran varios (2.544 inmuebles: 1.294 del Congreso y 1.250 del Senado), con tipo, porcentaje de titularidad y la casilla de la que sale. partidas_procesadas Las partidas de depósitos y de otros bienes o derechos, con importe, tipo interpretado y la columna de parlamentarios en la que se suman (1.527 filas: 892 del Congreso y 635 del Senado). Los totales de la tabla principal salen de aquí. rentas_alquiler Quién declara rentas de alquiler (617 filas: 349 Congreso y 268 Senado). Ver más abajo. datos_en_bruto.xlsx: el texto de las declaraciones tal como viene, sin interpretar. Hoja Contenido partidas_bruto Una fila por cada línea de contenido de las casillas de las declaraciones de bienes (7.034 filas: 3.700 del Congreso y 3.334 del Senado). El Senado sale del XML oficial; dos declaraciones sin XML (López Torre y Armijo) se transcribieron a mano del PDF, y la columna fuente_lectura lo indica. El Congreso se transcribió de los PDF escaneados; solo se leyeron las páginas 1 a 4, y la 5 solo si tenía texto en observaciones. cabeceras_congreso La cabecera de cada declaración del Congreso (350 filas): nombre escrito, estado civil, fechas, sellos de registro y secciones en blanco. las_cortes_y_sus_bienes.sqlite: las seis tablas de los dos libros más diccionario, en un solo fichero, con tipos (texto, entero, decimal) e índices por id y id_partida. Se abre con cualquier cliente SQLite, con sqlite3 de Python o con RSQLite en R. Los vacíos son NULL. Cómo enlazar las tablas Todas las hojas comparten la clave camara + id (el id ya es único en todo el conjunto, así que basta con él): partidas_bruto → partidas_procesadas: por id_partida (una casilla en bruto puede dar varias partidas procesadas). partidas_bruto → inmuebles: por id_partida (una casilla puede contener varios inmuebles). Cualquier hoja → parlamentarios: por id. cabeceras_congreso tiene una fila por declaración. import pandas as pd libro = "datos_procesados.xlsx" p = pd.read_excel(libro, sheet_name="parlamentarios", dtype={"id": str}) i = pd.read_excel(libro, sheet_name="inmuebles", dtype={"id": str}) viviendas = i[i.tipo == "vivienda"].groupby("id").size().rename("viviendas") p = p.merge(viviendas, on="id", how="left").fillna({"viviendas": 0}) -- Personas con más viviendas declaradas SELECT p.nombre, COUNT(*) AS viviendas FROM parlamentarios p JOIN inmuebles i ON i.id = p.id WHERE i.tipo = 'vivienda' GROUP BY p.id ORDER BY viviendas DESC LIMIT 5; library(readxl) p <- read_excel("datos_procesados.xlsx", sheet = "parlamentarios", col_types = "guess") Los identificadores y las fechas son texto; los importes y los recuentos son números. Una celda vacía significa que no hay dato. Convenciones Una fila por persona en parlamentarios. La clave es id, único en todo el conjunto (los del Gobierno empiezan en 90000 y los asignó el autor). Cuatro ministros son también diputados y aparecen en Congreso con cargo_gobierno relleno; los otros 19 están en Gobierno. estado distingue activo de baja. Las 5 personas que han causado baja desde el 17 de agosto siguen en la tabla, con fecha_baja y sustituido_por; las que las sustituyen llevan sustituye_a. Los dos diputados nuevos no tienen aún declaración de bienes publicada y sus campos de bienes están vacíos. Fechas en ISO (AAAA-MM-DD). Si solo se conoce el año, fecha_nacimiento queda vacío y el año está en anio_nacimiento. Los importes están en euros. Algunos textos literales de las hojas en bruto contienen saltos de línea dentro de la celda. Las listas dentro de una celda se separan con ; (por ejemplo inmuebles_resumen) o con | (cargos_actuales). Sin préstamos, la deuda es 0. deuda_pendiente_declarada vale 0 cuando no se declaró ningún préstamo; queda vacía solo cuando hay préstamos sin saldo o la persona no tiene declaración publicada. Vacío no es cero. Un campo vacío significa que no se declaró, no se pudo leer o no aplica. Por ejemplo, las columnas de bienes parlamentarios están vacías en el Gobierno, porque allí la fuente es el BOE (columnas boe_*). via_acceso es Electo o Designado (este último solo existe en el Senado), sin distinguir género. Los senadores designados no tienen circunscripción: el parlamento que los designó está en parlamento_designante. Cómo se obtuvieron los datos patrimoniales Diputados y senadores rellenan el mismo formulario, pero se publica de forma distinta. El Congreso lo publica como PDF escaneado, sin texto seleccionable; el Senado, como PDF digital acompañado de un XML. Se probaron dos métodos y se descartaron los dos: el OCR dejaba tablas vacías o desordenadas en el Congreso, y el XML no permitía saber cuántos inmuebles había cuando varios estaban descritos en una misma casilla. El Senado se tomó de su XML oficial (dos declaraciones sin XML se transcribieron del PDF). El Congreso se transcribió por lectura visual de cada página del PDF escaneado, por lotes de nueve declaraciones y guardando lo leído tal cual, una sola vez, en la hoja partidas_bruto. Las hojas procesadas se obtienen después sobre ese texto, sin volver a leer los PDF. El enlace al PDF de cada persona está en url_declaracion_bienes. Reglas de interpretación: Una línea cuenta un inmueble por cada componente que nombra: «vivienda con garaje y trastero» son tres. La división se hizo leyendo el texto; el resultado está en la hoja inmuebles. «Gananciales» sin porcentaje se interpreta como titularidad del 100 %, no del 50 %. Un derecho compuesto sobre un mismo bien («50 % nuda propiedad y 50 % pleno dominio») es una propiedad, no dos. Las cantidades explícitas («2 plazas de garaje») se expanden al número indicado. Un plural sin número («fincas», «parcelas») se guarda como un solo inmueble, porque no se sabe cuántos son. Lo que la persona anota en Observaciones se suma. Seguros. activos_seguros_declarado recoge los seguros de vida y de ahorro (PIAS, SIALP…) y no forma parte de activos_financieros_declarados. Está calculado desde las partidas para las dos cámaras. Queda vacío solo en quien no tiene declaración publicada. No hay campo de patrimonio total. El formulario no pide valorar los inmuebles, solo describirlos. Sumar únicamente cuentas y acciones y llamarlo patrimonio haría parecer más pobre a quien tiene varias propiedades y poco ahorro. activos_financieros_declarados es solo eso: cuentas, valores y planes de pensiones. Los inmuebles se dan como recuento por tipo. La excepción es el Gobierno, cuya fuente (BOE) sí publica un valor agregado de inmuebles (boe_bienes_inmuebles_valor). num_prestamos_declarados, hipotecas_vivienda_declaradas y otras_deudas_declaradas son recuentos separados que no suman entre sí: las hipotecas son un subconjunto de los préstamos, y las otras deudas son las que el declarante anota aparte (avales, cuotas pendientes, facturas). Molina León (id 391) no había presentado la declaración; la presentó el 27/08/2026 tras una solicitud a Transparencia del Congreso y sus datos se han introducido a mano. Campos derivados Sexo. Se toma de una base de datos abierta de personas cuando hay una coincidencia fiable; si no, de las marcas de género de la biografía («diputado/a», «licenciada»…), y en 33 casos del nombre de pila. sexo_fuente indica cuál. Contrastado con esa base, las marcas de la biografía coinciden en torno al 98 %. Cuatro casos se corrigieron a mano por datos erróneos en esa base. Estudios y ocupación. Se leyeron las biografías oficiales para extraer la titulación y el nivel de estudios (nivel_estudios_revisado es el recomendable; nivel_estudios es la versión inicial). ocupacion_categoria (13 categorías) se asignó con un clasificador de palabras clave y se revisó biografía a biografía, con 24 correcciones manuales. Sigue siendo una simplificación: cuando la biografía menciona varias profesiones, gana una sola. Derecho / Judicatura es la categoría más numerosa (197 personas); refleja cómo son las Cortes, no un sesgo del clasificador. Sueldo. salario_estimado_* suma la asignación base, los complementos de cargo (Mesa, portavocías, comisiones) y la indemnización por gastos, según la tabla de régimen económico de cada cámara. Los ministros llevan el sueldo fijado en los Presupuestos (12 pagas; los diputados y senadores, 14). Se contrastó con sueldode.com y transparentia.newtral.es sobre unas 400 personas: el 74,5 % difiere en menos de 50 € al mes, con una mediana de error de unos 31 €. Puede quedarse corto en quien acumula varios cargos de comisión, porque solo se suma el de mayor rango. Alquileres (hoja rentas_alquiler). Sale de la sección «Rentas percibidas» de la primera página de cada declaración, leída como el resto. Columnas: tiene_renta_alquiler (si/no), importe_eur, concepto_texto_literal, casilla_formulario y notas. Hay 121 si. Si el alquiler está en otro apartado por error (por ejemplo «otros bienes»), se cuenta aquí y no como activo. Los 15 casos dudosos entre alquiler real y renta imputada por una vivienda vacía se resolvieron uno a uno. Un importe sin concepto («otras rentas» con una cifra y nada más) no se cuenta como alquiler. El formulario pide el rendimiento neto anual, pero hay quien declara mensualidades; el importe se deja tal y como se declaró, sin convertirlo (notas lo indica en los tres casos en que el texto decía «mensual»). Controles de calidad Antes de esta versión se hizo una auditoría sistemática, y estos son los problemas que se encontraron y se corrigieron: Recuentos de inmuebles y préstamos inflados en 29 senadores por filas de relleno («Nada que declarar»). Desaparecieron al pasar a la lectura visual. Cuatro sexos mal inferidos por homónimos o por títulos en masculino genérico. Tres sesgos en el clasificador de ocupación («asesor fiscal» leído como fiscal; «oficial de notaría» como notaria; «técnico superior» a secas como ingeniería). Once personas recategorizadas. Una fila con las columnas desplazadas en el Senado. Nombres del Senado en mayúsculas (265), pasados a formato normal. via_acceso marcaba «Electo» a todas las diputadas y «Designado» a los ministros; ahora es Electo/Designado sin género y vacío en el Gobierno. Fechas de nacimiento con solo el año (19) o con texto libre (1). Se separó anio_nacimiento. Dos fechas del 1 de enero que eran marcadores de posición se dejaron solo como año. grupo_parlamentario mezclaba siglas del Senado (GPP, GPS…) con nombres completos; ahora son todos nombres completos. Un senador figuraba en el Grupo Vasco cuando su ficha lo sitúa ya en el Socialista. partido_siglas tenía variantes de la misma sigla (PSE-EE (PSOE)/PSE-EE(PSOE), PSdeG/PsdeG, JxCat/JxCAT-JUNTS, ERC/ERC/ESQUERRA, PSC/PSC-PSOE). Dos senadores sin sigla se completaron a partir de su grupo. regimen_economico_declarado tenía 17 variantes de mayúsculas y erratas para cuatro valores. 19 celdas con coma decimal, y 9 recuentos de préstamos vacíos. Se eliminaron dos columnas: confianza_bienes (tenía un único valor) e inmuebles_detalle (idéntica a inmuebles_resumen). Comprobado: ids y nombres únicos, el desglose de inmuebles suma el total en todas las filas, todas las fechas son ISO. Limitaciones Es lo que cada persona declara. Ningún organismo comprueba el contenido antes de publicarlo, y el formulario es de texto libre: unos remiten a la legislatura anterior en lugar de rellenarlo, otros ponen bienes en «Observaciones» en vez de en la tabla. Se reproduce el dato como está, con notas en observaciones_bienes_relevantes y notas_extraccion_bienes cuando hay algo que aclarar. Es una foto fija a 17 de agosto de 2026. No hay versiones anteriores. Cambios de grupo o de partido posteriores no aparecen (por ejemplo, un diputado que dejó su partido puede figurar todavía con sus siglas anteriores). total_iniciativas no es comparable entre el Congreso y el Senado: cada cámara cuenta cosas distintas. Los datos del Gobierno vienen del BOE y corresponden al año de la declaración publicada (boe_fuente_anio), que a veces es de un cargo anterior (boe_cargo_declarado). Los eurodiputados no están incluidos. El estado civil y los hijos, que las fuentes oficiales a veces recogen, no se incluyen. Sí consta el régimen económico matrimonial cuando la persona lo declara. Una parte de la lectura de las declaraciones la hizo un modelo de lenguaje. Ante una cifra llamativa conviene mirar el PDF oficial. Licencia y cita CC0 1.0 (dominio público). Los datos originales son públicos y este conjunto se puede reutilizar sin condiciones. No es obligatorio, pero se agradece citarlo mediante su DOI (la ficha de Zenodo indica cómo).