{
  "markdown": "---\nlicense: cc0-1.0\ntask_categories:\n- tabular-regression\n- time-series-forecasting\nlanguage:\n- pt\ntags:\n- fipe\n- veiculos\n- brasil\n- carros\n- precos\npretty_name: fipeX - Dados de Veículos da Tabela FIPE\nsize_categories:\n- 1M<n<10M\n---\n\n# fipeX: Dataset Completo da Tabela FIPE\n\nEste dataset contém preços históricos e atuais de veículos comercializados no Brasil, baseados na Tabela FIPE (Fundação Instituto de Pesquisas Econômicas).\n\nOs dados são extraídos e organizados pelo projeto [fipeX](https://fipex.com.br) — uma iniciativa independente para facilitar o acesso a dados automotivos públicos, com [API pública gratuita](https://fipex.com.br/dados-e-api) e este dataset em domínio público.\n\n**Licença:** [CC0-1.0](LICENSE) — domínio público. Use livremente, inclusive comercialmente, sem necessidade de atribuição (atribuição é bem-vinda, claro).\n\n## Sobre o Dataset\n\nEste conjunto de dados é ideal para:\n- Análise de depreciação de veículos\n- Previsão de preços (Machine Learning)\n- Estudos econômicos sobre o mercado automotivo brasileiro\n- Criação de aplicações de consulta e análise\n\n## Como Obter os Dados\n\nO dataset é distribuído em três canais:\n\n### 1. GitHub Releases (recomendado para download direto)\n\nAs snapshots completas (~1 GB CSV / ~120 MB Parquet) são publicadas como **release assets** em [github.com/fipex-labs/dataset/releases](https://github.com/fipex-labs/dataset/releases). Cada tag (`v2026.05.0`, `v2026.04.0`, etc.) corresponde a uma referência mensal da FIPE.\n\n```bash\n# Download direto do release mais recente\ncurl -L -o fipex-prices-latest-merged.parquet \\\n  https://github.com/fipex-labs/dataset/releases/latest/download/fipex-prices-latest-merged.parquet\n\n# Ou via gh CLI\ngh release download --pattern '*.parquet' -R fipex-labs/dataset\n```\n\n### 2. Hugging Face Datasets\n\nMirror oficial em [huggingface.co/datasets/alanwgt/fipex-veiculos-brasil](https://huggingface.co/datasets/alanwgt/fipex-veiculos-brasil) — ideal para integração com a stack ML (`datasets`, `polars`, etc.).\n\n### 3. Dumps mensais individuais (no git)\n\nDumps por período de referência (`2026/01/`, `2026/02/`, …) ficam **dentro deste repositório**. São arquivos menores, versionáveis, e úteis para análises pontuais sem precisar baixar o histórico completo.\n\n## Arquivos Disponíveis\n\n### Histórico Completo (via GitHub Releases)\n\n4 arquivos por release, combinando duas versões dos dados e dois formatos:\n\n| Arquivo                              | Versão      | Formato | Descrição                                       |\n|--------------------------------------|-------------|---------|-------------------------------------------------|\n| `fipex-prices-latest.csv`            | Original    | CSV     | Dados históricos como publicados pela FIPE      |\n| `fipex-prices-latest-merged.csv`     | Consolidada | CSV     | Visão consolidada com nomes de modelos atuais   |\n| `fipex-prices-latest.parquet`        | Original    | Parquet | Versão original em formato colunar otimizado    |\n| `fipex-prices-latest-merged.parquet` | Consolidada | Parquet | Versão consolidada em formato colunar otimizado |\n\n### Por Período de Referência (`YYYY/MM/`)\n\nDumps individuais por período de referência FIPE, disponíveis apenas na versão **original**:\n\n| Arquivo                            | Formato | Descrição                                         |\n|------------------------------------|---------|---------------------------------------------------|\n| `YYYY/MM/fipex-prices.csv`        | CSV     | Preços do período como publicados pela FIPE       |\n| `YYYY/MM/fipex-prices.parquet`    | Parquet | Mesmos dados em formato colunar otimizado         |\n\n> **Por que apenas versão original nos dumps por período?**\n> A versão consolidada (merged) reflete o estado *atual* das fusões de modelos, que muda ao longo do tempo conforme a FIPE renomeia veículos. Um dump merged feito hoje seria diferente de um feito daqui a 6 meses. Para dados por período, a versão original é a única que permanece imutável e reproduzível.\n\n### Qual versão usar?\n\nAmbas as versões do histórico completo contêm **o mesmo número de registros de preços**. A diferença está na atribuição dos nomes de modelos:\n\n**Versão Original** (`fipex-prices-latest.csv` / `.parquet`):\n- Usa os nomes de modelos exatamente como foram publicados pela FIPE em cada período\n- Se a FIPE renomeou um modelo (ex: \"Gol 1.0 Mi\" → \"Gol 1.0 12V\"), os preços antigos mantêm o nome original\n- Ideal para análises históricas que precisam rastrear renomeações ao longo do tempo\n\n**Versão Consolidada/Merged** (`fipex-prices-latest-merged.csv` / `.parquet`):\n- Unifica modelos renomeados sob o nome atual em **todos os períodos**\n- Se um modelo foi renomeado, os preços históricos também aparecem com o nome novo\n- Ideal para consultas e análises onde se quer acompanhar a evolução de preço de um veículo sem se preocupar com mudanças de nomenclatura\n\n**Formato CSV** (`.csv`):\n- Separado por tabulação (`\\t`) - TSV format\n- Compatível com Excel, Google Sheets, e qualquer ferramenta de análise de dados\n- Fácil de ler e inspecionar visualmente\n- Tamanho maior que Parquet\n\n**Formato Parquet** (`.parquet`):\n- Formato colunar binário otimizado para análise\n- Compressão eficiente (~70% menor que CSV)\n- Leitura 3-5x mais rápida que CSV\n- Ideal para processamento em Python/Pandas, Spark, DuckDB\n- Preserva tipos de dados nativamente\n\n## Estrutura dos Dados\n\nTodos os arquivos compartilham a mesma estrutura de 12 colunas:\n\n| Coluna               | Tipo   | Descrição                                                     |\n|----------------------|--------|---------------------------------------------------------------|\n| `tipo_veiculo`       | string | Categoria do veículo (carro, moto, caminhão)                  |\n| `codigo_fipe`        | string | Código único do veículo na FIPE                               |\n| `nome_modelo`        | string | Nome do modelo (ex: Palio 1.0, Corolla XEi)                   |\n| `nome_marca`         | string | Fabricante do veículo (ex: Fiat, Toyota)                      |\n| `nome_combustivel`   | string | Tipo de combustível (Gasolina, Diesel, Flex, etc)             |\n| `sigla_combustivel`  | string | Sigla do combustível (g, e, d, l, f, h, n)                    |\n| `ano_modelo`         | int    | Ano de fabricação do modelo                                   |\n| `zero_km`            | bool   | Se o veículo é zero quilômetro (true/false)                   |\n| `valor_centavos`     | int    | Valor do veículo em centavos (evita erros de ponto flutuante) |\n| `valor_formatado`    | string | Valor do veículo em Reais (R$) para facilidade de leitura     |\n| `mes_referencia`     | int    | Mês de referência da tabela FIPE (1-12)                       |\n| `ano_referencia`     | int    | Ano de referência da tabela FIPE                              |\n\n## Exemplos de Uso\n\n### Python - Polars\n\n```python\nimport polars as pl\n\n# Carregar CSV (note o separador tab)\ndf = pl.read_csv(\"fipex-prices-latest-merged.csv\", separator=\"\\t\")\n\n# Carregar Parquet (mais rápido!)\ndf = pl.read_parquet(\"fipex-prices-latest-merged.parquet\")\n\n# Estatísticas básicas\nprint(f\"Total de registros: {df.height:,}\")\nprint(f\"Total de marcas: {df['nome_marca'].n_unique():,}\")\n\n# Top 10 marcas\nprint(df.group_by(\"nome_marca\").len().sort(\"len\", descending=True).head(10))\n```\n\nPara mais exemplos completos, veja [`examples/python.py`](examples/python.py).\n\n### SQL - DuckDB\n\n```sql\n-- Carregar Parquet diretamente\nSELECT nome_marca, COUNT(*) as total\nFROM 'fipex-prices-latest-merged.parquet'\nGROUP BY nome_marca\nORDER BY total DESC\nLIMIT 10;\n```\n\nMais consultas prontas em [`examples/duckdb.sql`](examples/duckdb.sql).\n\n## Aviso Legal\n\nEste dataset é derivado de informações públicas disponibilizadas pela FIPE. O fipeX é um projeto independente e **não possui afiliação** com a Fundação Instituto de Pesquisas Econômicas (FIPE).\n\nOs dados são fornecidos \"como estão\", sem garantias de precisão absoluta. Recomenda-se utilizar com cautela para decisões financeiras críticas.\n\n## Atualização\n\nOs dados são extraídos do banco de dados do FipeX. A intenção é manter este dataset atualizado mensalmente conforme a FIPE libera novas tabelas.\n\n## Como contribuir\n\nVeja [CONTRIBUTING.md](CONTRIBUTING.md). Scripts de exemplo em outras linguagens (R, Julia, Spark, etc.) são especialmente bem-vindos.\n\n## Projetos relacionados\n\n| Recurso                                                      | Conteúdo                                              |\n|--------------------------------------------------------------|-------------------------------------------------------|\n| [fipex-labs/dataset](https://github.com/fipex-labs/dataset) | Este repositório — dataset (CC0)                      |\n| [fipex.com.br](https://fipex.com.br)                        | Consulta da Tabela FIPE, gratuita e sem cadastro      |\n| [API pública](https://fipex.com.br/dados-e-api)             | API REST gratuita, sem chave, 10 req/s por IP         |\n",
  "bytes": 8974,
  "sha": "bc4e13310ed1d64d2617c3fa2670050c39f57d01ea27e87fe2d345b23b07f9e8",
  "repo_slug": "fipex-labs/dataset",
  "fonte": "repo",
  "truncated": false,
  "api": "https://agentalog.com/api/listings/mcp_br_com_fipex_mcp_c9eceb5f/readme"
}