Tu primer análisis con Python: salarios en España

Si en España «se cobra de media» 29.540 euros al año, ¿por qué casi nadie que conocés cobra eso? Porque la media no describe a la persona típica. Con los datos definitivos del INE para 2024, casi dos de cada tres asalariados (62,5 %) cobran menos que la media. Este tutorial te enseña a verlo con Python, y a no caer en la trampa que cae la mayoría de los titulares.¹

La media engaña: mirá la distribución

Una distribución salarial no es simétrica. Hay muchas personas en los tramos bajos y unas pocas con sueldos muy altos que tiran la media hacia arriba. Por eso el INE publica tres medidas, y por eso un análisis serio empieza por el gráfico de la distribución y no por un promedio.

Fijate en tres cosas. El tramo más frecuente es el de 16.000 a 17.000 euros (3,8 % de los asalariados). Entre 17.000 y 23.000 todos los tramos superan el 3,5 %. Y a partir de 30.000 la curva baja despacio: es la «cola larga» que explica por qué la media queda 5.000 euros por encima de la mediana.

La brecha salarial: 16,1 % menos de media

En 2024 la ganancia media de las mujeres fue de 26.904,90 euros y la de los hombres de 32.057,55 euros. Dicho de otra manera, el salario promedio femenino fue el 83,9 % del masculino.¹ La diferencia existe en todas las comunidades, pero su tamaño cambia mucho: va del 6,3 % de Canarias al 20,6 % de Cantabria.

Dónde se cobra más: 10.191 € de diferencia entre comunidades

País Vasco tuvo el salario medio más alto (35.170 €), seguido de Madrid (34.410 €) y Navarra (32.605 €). En el otro extremo, Extremadura (24.979 €), Canarias (25.120 €) y Castilla-La Mancha (26.062 €). Cambiá la serie para ver qué pasa al separar por sexo: el orden se mueve bastante.

Antes de leer este ranking como «dónde conviene vivir», recordá dos cosas. La primera: refleja sobre todo qué sectores y ocupaciones pesan en cada territorio, no lo que cobra la misma persona en un sitio u otro. La segunda: son salarios brutos, sin ajustar por coste de vida.

Sector y ocupación pesan más que el territorio

La distancia entre comunidades es de 1,4 veces. Entre sectores supera las 3 veces, y entre ocupaciones llega casi a 4: el salario medio de directores y gerentes (63.865 €) fue un 116,2 % superior a la media, y el de los trabajadores no cualificados en servicios (16.063 €) un 45,6 % inferior.¹

Cuatro preguntas antes de escribir una línea de código

Un análisis correcto empieza por entender qué mide la fuente. Si no podés responder estas cuatro preguntas, todavía no estás listo para calcular nada:

Tutorial: del CSV a una conclusión defendible

Podés hacerlo en Google Colab sin instalar nada, o en tu ordenador con un entorno virtual. Descargá la tabla del INE y guardala como salarios_ine_2024.csv con las columnas indicador, grupo y euros.

1. Cargá y mirá antes de calcular

   Dimensiones, tipos, ausentes y duplicados. No calcules un promedio sin saber si la columna son euros anuales, brutos y por trabajador.

2. Limpiá sin esconder decisiones

   Convertí textos a números y anotá cada filtro. Un ausente no es un cero: significa que el dato no se publicó.

3. Describí la distribución

   Media, mediana y moda juntas. Si la tabla ya trae agregados, no recalcules como si tuvieras microdatos.

4. Compará grupos con cuidado

   Diferencias absolutas y relativas, siempre con la misma base. La brecha va con su etiqueta: «no ajustada».

5. Visualizá para comprobar

   Un histograma muestra la forma; unas barras ordenadas comparan territorios. Unidad, periodo y fuente en cada gráfico.

6. Redactá con límite

   Qué observaste, en qué población y periodo, por qué importa y qué no se puede inferir.

import pandas as pd

df = pd.read_csv("salarios_ine_2024.csv")

print(df.shape)              # filas y columnas
print(df.dtypes)             # ¿euros es numérico?
print(df.isna().sum())       # ausentes por columna
print(df.duplicated().sum()) # filas repetidas

resumen = df[df["grupo"] == "Total"].set_index("indicador")["euros"]

for medida in ["Salario medio", "Salario mediano", "Salario modal"]:
    print(f"{medida}: {resumen[medida]:,.2f} €")

# com: una fila por comunidad con columnas "mujeres" y "hombres"
com["brecha_pct"] = (com["hombres"] - com["mujeres"]) / com["hombres"] * 100

print(com.sort_values("brecha_pct", ascending=False)
         [["comunidad", "brecha_pct"]].round(1).head())

# tramos: columnas "desde" (euros) y "pct" (% de asalariados en [desde, desde+1000))
def porcentaje_por_debajo(salario, tramos, ancho=1000):
    total = 0.0
    for desde, pct in zip(tramos["desde"], tramos["pct"]):
        if salario >= desde + ancho:
            total += pct
        elif salario > desde:
            total += pct * (salario - desde) / ancho
    return total

print(round(porcentaje_por_debajo(29540.26, tramos), 1))  # la media

import matplotlib.pyplot as plt

orden = com.sort_values("total")
ax = orden.plot.barh(x="comunidad", y="total", legend=False, figsize=(8, 6))
ax.axvline(29540.26, linestyle="--", linewidth=1)    # media de España
ax.set_xlabel("Euros brutos anuales")
ax.set_title("Salario medio por comunidad · INE 2024")
plt.tight_layout()
plt.savefig("salidas/salario_comunidades.png", dpi=200)

Colab o tu ordenador: qué conviene

python -m venv .venv
.venv\Scripts\activate          # en macOS o Linux: source .venv/bin/activate
python -m pip install pandas openpyxl matplotlib
python -m pip freeze > requirements.txt

Qué podés afirmar y qué todavía no

Errores normales del primer notebook

Para seguir practicando

• Repetí el análisis por ocupación y compará la distancia con la que viste por comunidad.
• Calculá diferencias absolutas y relativas, y escribí una conclusión de cien palabras con su límite.
• Hacé el gráfico de la distribución desde cero y marcá media, mediana y moda.
• Pedile a otra persona que ejecute tu notebook sin tu ayuda: si no puede, todavía no es reproducible.

Si querés seguir con un caso más cercano al trabajo, mirá cómo está el mercado de Data Analyst en España o los fundamentos del análisis de datos.

Fuentes

1. INE. Encuesta Anual de Estructura Salarial. Año 2024. Datos definitivos. Nota de prensa, 28 de mayo de 2026.
2. INE. INEbase: Encuesta Anual de Estructura Salarial, tablas de resultados.
3. pandas. Documentación: primeros pasos.
4. Matplotlib. Getting started.
5. Google. Google Colab.