Population of Ecuador by Province, Canton and Parish (Población del Ecuador por Provincia, Cantón y Parroquia)

Provides the official population estimates and projections of Ecuador published by the National Institute of Statistics and Censuses (INEC, "Instituto Nacional de Estadística y Censos"), Revision 2024: national (1950-2050), provincial (1990-2035) and cantonal (2010-2035) figures by sex, age and urban/rural area, identified by the codes of the political-administrative division (DPA, "División Político-Administrativa") < https://www.ecuadorencifras.gob.ec/proyecciones-poblacionales/>. Because INEC does not publish projections for parishes, the package also offers a parish-level estimate for 2010-2035 that distributes the official cantonal projection among parishes using their shares in the 2010 and 2022 censuses (logistic extrapolation) and their age and sex structure in the 2022 census (iterative proportional fitting); parish figures always add up to the official cantonal ones. Includes helpers to aggregate ages, join population denominators to case tables and compute rates, convert codes of urban parishes and of the 2026 political-administrative division (CONALI, "Comité Nacional de Límites Internos") to census units, and native integration with the 'geoecu' package to map population on the boundaries of provinces, cantons and parishes. Documentation is in Spanish. Includes conditional territorial population scenarios for 1900-2100 using structural time series, damped extrapolation and hierarchical compositional allocation with Monte Carlo bands.

pobecu

pobecu da acceso en una línea de código a la población del Ecuador por provincia, cantón y parroquia, desde 1950 hasta 2050, con los códigos de la División Político-Administrativa (DPA). Está pensado para obtener denominadores de tasas, coberturas e indicadores sin descargar ni limpiar hojas de cálculo.

Nota: pobecu es un paquete independiente, desarrollado a título personal. No es un producto oficial del INEC ni de ninguna otra institución. Las cifras nacionales, provinciales y cantonales son las oficiales del INEC, sin modificar. Las parroquiales son una estimación propia del paquete, documentada abajo.

¿Para qué sirve?

Casi todo indicador de salud pública, educación o planificación necesita un denominador de población: la incidencia de una enfermedad, la mortalidad, la cobertura de vacunación, la razón de médicos por habitante o el tamaño de una población objetivo. En Ecuador esas cifras vienen del INEC en archivos Excel extensos, con formatos que cambian entre revisiones, sin un formato común entre niveles y sin datos parroquiales proyectados.

pobecu resuelve eso:

• Cifras oficiales listas para usar. Las Estimaciones y Proyecciones de Población, Revisión 2024 del INEC: nacional 1950-2050, provincial 1990-2035 y cantonal 2010-2035, por sexo, edad simple y área urbana/rural.
• Parroquias proyectadas hasta 2035. El INEC no publica proyecciones parroquiales. pobecu ofrece una estimación que suma exactamente la cifra oficial de cada cantón, por sexo y edad.
• Grupos de edad a medida. Quinquenales, edades simples, etapas de vida del INEC o cualquier corte, por ejemplo c(0, 1, 5, 15, 65).
• Denominadores y tasas en una línea. pob_unir() y pob_tasa() unen la población con tu tabla de casos por código DPA, aunque los códigos vengan de Excel sin ceros a la izquierda.
• Mapas nativos con geoecu. Ambos paquetes usan los códigos DPA, y pob_mapa() devuelve la capa sf con población y densidad. Las diferencias entre las unidades del Censo 2022 y la DPA del CONALI (2026) que usa geoecu se resuelven automáticamente.
• Coherente y reproducible. Las parroquias suman su cantón, los cantones su provincia y las provincias el total nacional. Todo el procesamiento está en data-raw/ y se regenera cuando el INEC publica una nueva revisión.

Instalación

# install.packages("remotes")
remotes::install_github("f-slg/pobecu", build_vignettes = TRUE)

# Opcional, para mapas
remotes::install_github("f-slg/geoecu")

Los grupos quinquenales vienen dentro del paquete (1,2 MB) y funcionan sin conexión. Las edades simples (2 MB) se descargan automáticamente la primera vez que se piden y se guardan en caché.

Guía rápida

La función principal es poblacion():

library(pobecu)

poblacion(nivel = "canton",     # "nacional", "provincia", "canton" o "parroquia"
          anio = 2025,          # uno o varios años; NULL = todos
          provincia = NULL,     # filtro por nombre o código: "Loja", "11", 11
          canton = NULL,        # filtro por nombre o código
          sexo = FALSE,         # TRUE: hombre / mujer
          area = FALSE,         # TRUE: urbana / rural (2010-2035)
          edad = NULL)          # NULL, "quinquenal", "simple", "etapas" o cortes

Población de las provincias en 2025:

poblacion("provincia", anio = 2025)
#>   dpa_provin provincia anio poblacion
#> 1         01     Azuay 2025    834958
#> 2         02   Bolívar 2025    204351
#> 3         03     Cañar 2025    237460
#> 4         04    Carchi 2025    177020
#> 5         05  Cotopaxi 2025    493382
#> ...

Un cantón por sexo y año. Los nombres no distinguen tildes ni mayúsculas:

poblacion("canton", anio = 2025:2026, canton = "loja", sexo = TRUE)
#>   dpa_canton canton dpa_provin provincia anio   sexo poblacion
#> 1       1101   Loja         11      Loja 2025 hombre    124296
#> 2       1101   Loja         11      Loja 2025  mujer    134218
#> 3       1101   Loja         11      Loja 2026 hombre    125024
#> 4       1101   Loja         11      Loja 2026  mujer    134953

Grupos de edad

# Menores de 1 año y de 1 a 4: poblaciones objetivo de vacunación
poblacion("canton", anio = 2026, canton = "Loja", edad = c(0, 1, 5))
#>   dpa_canton canton dpa_provin provincia anio edad poblacion
#> 1       1101   Loja         11      Loja 2026    0      3427
#> 2       1101   Loja         11      Loja 2026  1-4     15224
#> 3       1101   Loja         11      Loja 2026   5+    241326

# Etapas de vida del INEC
poblacion("provincia", anio = 2030, provincia = "Pichincha", edad = "etapas")
#>   dpa_provin provincia anio  edad poblacion
#> 1         17 Pichincha 2030  0-11    447539
#> 2         17 Pichincha 2030 12-17    296136
#> 3         17 Pichincha 2030 18-29    620040
#> 4         17 Pichincha 2030 30-64   1665096
#> 5         17 Pichincha 2030   65+    371097

# Urbano y rural, con menores de 5 y adultos mayores
poblacion("canton", anio = 2025, provincia = "Azuay", area = TRUE,
          edad = c(0, 5, 65))

Pirámides y estructura por edad

Con sexo = TRUE y edad = "quinquenal" tienes todo lo necesario para una pirámide de población de cualquier territorio y año:

library(ggplot2)

pir <- poblacion("nacional", anio = c(1950, 1990, 2025, 2050),
                 sexo = TRUE, edad = seq(0, 90, 5))
pir$pct <- 100 * pir$poblacion / ave(pir$poblacion, pir$anio, FUN = sum)

ggplot(pir, aes(ifelse(sexo == "hombre", -pct, pct), edad, fill = sexo)) +
  geom_col(width = 0.9) +
  facet_wrap(~anio, nrow = 1) +
  scale_x_continuous(labels = function(x) paste0(abs(x), "%")) +
  labs(x = NULL, y = NULL)

La transición demográfica también se ve en los grandes grupos de edad, y la desagregación por área permite comparar la población urbana y la rural de cada provincia o cantón:

poblacion("nacional", edad = c(0, 15, 65))                     # 1950-2050
poblacion("provincia", anio = 2025, provincia = "Chimborazo",
          sexo = TRUE, area = TRUE, edad = "quinquenal")

Tasas y denominadores

pob_tasa() agrega a tu tabla la población del territorio y año correspondientes, y calcula la tasa por 100 000 habitantes (u otra base):

casos <- data.frame(dpa_canton = c(1101, 1102, 701),   # códigos como número
                    anio = 2024, casos = c(120, 8, 40))
pob_tasa(casos, "casos")
#>   dpa_canton anio casos poblacion     tasa
#> 1       1101 2024   120    257110 46.67263
#> 2       1102 2024     8     26544 30.13864
#> 3        701 2024    40    321196 12.45346

pob_unir() solo agrega la columna poblacion, lo que sirve para coberturas o tasas específicas por sexo y edad:

vacunas <- data.frame(dpa_provin = c("01", "11"), anio = 2025, edad = "0",
                      vacunados = c(11800, 6900))
v <- pob_unir(vacunas, nivel = "provincia", edad = "simple")
v$cobertura <- 100 * v$vacunados / v$poblacion
v
#>   dpa_provin anio edad vacunados poblacion cobertura
#> 1         01 2025    0     11800     12589  93.73262
#> 2         11 2025    0      6900      7316  94.31383

Los años pueden venir de una columna (anio por defecto) o fijarse con anio = 2025. Si un código o año no existe, la fila queda con NA y se avisa.

Parroquias

poblacion("parroquia", anio = 2030, canton = "Puyango")
#>   dpa_parroq  parroquia dpa_canton  canton dpa_provin provincia anio poblacion
#> 1     111050     Alamor       1110 Puyango         11      Loja 2030      9334
#> 2     111051      Ciano       1110 Puyango         11      Loja 2030      1271
#> 3     111052  El Arenal       1110 Puyango         11      Loja 2030      1287
#> 4     111053    El Limo       1110 Puyango         11      Loja 2030      2440
#> 5     111054 Mercadillo       1110 Puyango         11      Loja 2030      1373
#> 6     111055  Vicentino       1110 Puyango         11      Loja 2030       919

Las unidades son las 1042 parroquias del Censo 2022: 221 cabeceras cantonales (código terminado en 50) y 821 parroquias rurales. El censo no separa las parroquias urbanas: Cuenca, por ejemplo, tiene 15 en muchos registros administrativos, pero en el censo son una sola unidad, la cabecera 010150. Tampoco tiene los cantones y parroquias creados después (Borbón, Sevilla Don Bosco, Sosote, etc.), que sí están en la DPA del CONALI (2026) que usa geoecu desde la versión 0.4.0. Si tus datos usan esos códigos, conviértelos y agrégalos antes de unir:

homologar_parroquia(c("010101", "010115", "010151", "131251"))
#> [1] "010150" "010150" "010151" "131250"
homologar_canton(c("0809", "1413"))
#> [1] "0802" "1401"

casos$dpa_parroq <- homologar_parroquia(casos$dpa_parroq)
casos <- aggregate(casos ~ dpa_parroq + anio, casos, sum)
pob_tasa(casos, "casos", nivel = "parroquia")

Mapas con geoecu

geoecu contiene los límites de provincias, cantones y parroquias con códigos DPA, según la Organización Territorial del Estado del CONALI (2026). pob_mapa() une ambos paquetes y devuelve un objeto sf con la población y la densidad (hab/km²). Antes de unir, convierte la capa a las unidades del Censo 2022 con agrupar_unidades(): por ejemplo, el cantón Borbón se dibuja dentro de Eloy Alfaro, que lo incluía en el censo, para que la densidad sea correcta.

mapa <- pob_mapa("canton", anio = 2025, provincia = "Loja")
plot(mapa["densidad"])

# Nivel parroquial, dos años
pob_mapa("parroquia", anio = c(2025, 2035))

# Una tasa sobre el mapa, con la capa en unidades del censo
capa <- agrupar_unidades(geoecu::read_cantones())
merge(capa, pob_tasa(casos, "casos"), by = "dpa_canton", all.x = TRUE)

La viñeta vignette("pobecu-geoecu") tiene ejemplos completos con ggplot2: densidad, tasas y mapas por año o grupo de edad.

Metodología

Cifras oficiales del INEC

Las cifras nacionales, provinciales y cantonales son las de la Revisión 2024 del INEC, basada en el Censo de Población y Vivienda 2022 y calculada por edad simple y año calendario. Son estimaciones hasta 2022 y proyecciones desde 2023, siempre al 30 de junio de cada año.

pobecu no modifica estas cifras. Solo las pasa a formato largo, agrupa edades y agrega códigos y nombres.

Estimación parroquial (pobecu)

Como el INEC no proyecta parroquias, pobecu aplica un nivel más abajo la misma lógica que usa el INEC entre provincia y cantón:

1. Participación en el cantón. Se calcula la proporción de la población del cantón que vive en cada parroquia en los censos 2010 y 2022, ambos con los límites de 2022. Esa proporción se interpola y extrapola de forma lineal en la escala logit (curva logística), y luego se reescala para que sume 1 en cada cantón.
2. Total parroquial = proporción × población oficial del cantón.
3. Sexo y edad por ajuste proporcional iterativo (IPF o raking). Se parte de la estructura de cada parroquia en el Censo 2022 y se ajusta a dos márgenes: el total parroquial y la estructura oficial del cantón por sexo y edad.
4. Redondeo por mayor residuo, de modo que las parroquias suman exactamente la cifra oficial del cantón por sexo y grupo de edad.

Hay dos excepciones. En los 17 cantones con parroquias creadas después de 2010 se usa la participación constante de 2022. En los 41 cantones de una sola parroquia, esa parroquia recibe todo el cantón. La columna metodo de dpa_pob indica qué se aplicó a cada parroquia.

Verificaciones

Los scripts se detienen si falla cualquiera de estas condiciones:

• en cada año, el total nacional es igual a la suma de las provincias y a la de los cantones;
• urbano + rural = total en cada cantón, año, sexo y edad;
• las parroquias suman su cantón en cada año, sexo y grupo de edad;
• las 1042 parroquias tienen código DPA único y su estructura censal suma su total.

Los tests comparan además con cifras publicadas por el INEC; por ejemplo, Guayaquil tiene 2 908 589 habitantes en 2022 y 3 218 450 en 2035.

Limitaciones

• La estimación parroquial prolonga la tendencia 2010-2022: las parroquias que crecieron o decrecieron mucho entre los censos siguen esa dirección hasta 2035. La incertidumbre aumenta con la distancia a 2022.
• Las parroquias no tienen desagregación urbana/rural, y su último grupo de edad es 85+.
• Las cifras de 2022 no coinciden con el conteo censal, porque la proyección del INEC corrige la omisión censal y se refiere a junio. En promedio, la estimación es un 4% mayor que el conteo.
• Los límites son los de la DPA vigente en el Censo 2022.

La metodología completa, con fórmulas, gráficos de validación y referencias, está en vignette("metodologia").

Datos incluidos

Todas las tablas usan el mismo formato largo (anio, area, sexo, grupo_edad, poblacion), pero lo más cómodo es consultarlas con poblacion(). pob_fuentes() muestra la revisión y el periodo de cada nivel.

Funciones

Actualización

Cuando el INEC publique una nueva revisión de sus proyecciones, los scripts de data-raw/ descargan los tabulados, reconstruyen todas las tablas y la estimación parroquial, y regeneran las figuras de este README:

Cada versión de los datos se publica como un release (datos-vX.Y.Z), y el número de versión del paquete indica la revisión del INEC que usa.

Cómo citar

citation("pobecu")

Salas Guerrero, R. F. (2026). pobecu: Población del Ecuador por provincia,
cantón y parroquia. Paquete de R versión 0.2.0.
https://github.com/f-slg/pobecu

Cita también la fuente de los datos: INEC (2024). Estimaciones y Proyecciones de Población, Revisión 2024. Si usas cifras parroquiales, indica que son una estimación de pobecu y no cifras oficiales.

Paquetes relacionados

• geoecu: capas geográficas de provincias, cantones y parroquias del Ecuador, con códigos DPA (CONALI, 2026).

Contribuir

Las preguntas de uso van en Discussions, y los errores y propuestas en issues. Consulta la guía de contribución. Este proyecto sigue un código de conducta: al participar, te comprometes a respetarlo.

Licencia

El código se distribuye bajo licencia MIT. Los datos provienen del INEC, que los publica en acceso abierto.