O texto a seguir é reproduzido como ele é publicado junto com as tabelas, sem uma palavra mudada — é o dicionário de dados, escrito para quem vai refazer as contas.

Tabelas publicadas

Cada tabela aqui vem acompanhada da consulta que a produziu. Você não precisa acreditar em nenhum número desta pasta: você pode refazê-lo.

Coleta das proposições realizada a partir de 21 de agosto de 2026; das votações, em 26–28 de agosto de 2026. Fontes: a API pública da Câmara Legislativa do Distrito Federal e o Painel de Votação do seu Portal da Transparência. Licença dos dados: CC BY-SA 4.0 (../../LICENSE-data) — re-escolhida na OS-083 para seguir a mesma licença que a maioria dos pacotes de dados.cl.df.gov.br já declara.

O que existe hoje

Duas tabelas desta versão são publicadas só em .csv, e isto é uma decisão registrada, não um arquivo que faltou. O .xlsx deste projeto é escrito sem compressão desde a versão 0.3.0, para que os mesmos dados produzam sempre os mesmos bytes e qualquer pessoa possa reconferir o arquivo. O preço é o tamanho: leis-orcamentarias-dotacao tem 22 MB em .csv e teria 208 MB em .xlsx, acima do limite rígido de 100 MB por arquivo do GitHub — o envio foi de fato recusado. creditos-adicionais-por-emenda tem 9 MB e 62 MB, abaixo do limite rígido e acima do recomendado, e acompanha a primeira por consistência. Nenhuma linha e nenhuma coluna ficam de fora: o .csv publicado é a tabela inteira. Quem usa planilha precisa importar o .csv em vez de abrir o .xlsx — no LibreOffice e no Excel, Dados → De texto/CSV, com UTF-8 e vírgula como separador.

Cobertura, e ela NÃO é a mesma em todas as tabelas. Proposições: 2022–2026 (22.748 registros). Sessões: duas sessões de agosto de 2026, não a janela inteira. Votações: 2023–2026. Presenças em plenário: 2020–2026 (961 sessões) — a janela mais larga deste repositório, e ela começa dois anos antes de todas as outras. Qualquer comparação entre famílias tem de levar essa diferença junto. As convocações herdam as duas janelas ao mesmo tempo: são identificadas em 2022–2026, mas o desfecho só pode vir de 2023–2026 — por isso o REQ 3334/2022 aparece sem deliberação publicada. As CPIs cobrem 2022–2026, a janela do acervo de proposições, e duas CPIs que o próprio acervo cita ficam de fora por serem anteriores a ela — ver a seção do dataset 11. O tempo de tramitação e a relação das proposições sem deliberação cobrem 2022–2026 pelo mesmo motivo, e daí sai um limite que o número esconde: a proposição mais antiga desta relação está aberta há 1.662 dias, e esse máximo é o limite da coleta, não o limite da Casa.

Correção publicada em 27/08/2026. Até esta versão estas duas tabelas de proposições traziam somente 2024 e este texto dizia que "os anos 2022, 2023 e 2025 ainda não foram coletados". Isso era falso desde a versão 0.2.0: a coleta 2022–2025 tinha sido feita e ficou no acervo local sem nunca ser reexportada, e o texto continuou afirmando o contrário. As tabelas agora refletem o acervo — de 4.932 para 22.748 registros. Os números de 2024 não mudaram (a soma de 2024 continua exatamente 4.932); o que havia era ausência, não erro.

Legislaturas anteriores — as 7 tabelas de arquivo

Nenhuma linha foi retirada desta pasta e nenhuma tabela foi despublicada. O que mudou na OS-086 é o painel: ele conta só a 9ª legislatura, 2023–2026, com 2022 ao lado como linha de base da legislatura anterior. As sete tabelas abaixo são inteiramente anteriores a 2023, portanto nenhuma delas alimenta qualquer número da legislatura atual — elas continuam aqui, continuam recalculáveis, e o painel as reúne numa seção declarada, "Legislaturas anteriores".

As outras 95 tabelas não são "atuais" por serem desta lista ou daquela. Muitas delas — a folha 2023–2026, a LOA, os créditos adicionais, as proposições — publicam anos anteriores a 2023 no mesmo arquivo, e continuam publicando. É o painel que corta, receita por receita, nomeando a coluna de ano de cada tabela; a tabela publicada aqui não muda de bytes por causa disso. Quem quiser a série inteira lê o .csv, ou abre o explorador do painel, que não corta nada.

O que estas tabelas NÃO dizem

Atualização de 27/08/2026 — esta seção era verdadeira e deixou de ser. Até esta versão ela dizia, corretamente, que "nenhuma coluna aqui diz se uma proposição foi aprovada". As três tabelas de dataset 1 publicadas hoje dizem. O texto original fica abaixo, riscado pela data, porque explica por que custou tanto: os campos situacaoProposicao e parecer vêm nulos em todo registro do endpoint de listagem, e o resultado só existe proposição por proposição — foram 22.748 consultas individuais, uma por proposição, para chegar aos vereditos.

As duas tabelas antigas (proposicoes-apresentadas-por-ano-e-especie e proposicoes-apresentadas-por-autor) continuam sem dizer nada sobre aprovação, e continuam publicadas com os mesmos bytes. Nelas, "apresentadas" significa apresentadas, e mais nada.

Dataset 1 — apresentadas e aprovadas

As três tabelas novas respondem à primeira das quatorze perguntas que originaram este projeto: proposições apresentadas e aprovadas, por ano e por espécie, com autoria.

Cada linha traz apresentadas e depois cinco colunas de resultado, que somam exatamente apresentadas:

nao_se_aplica não quer dizer "nenhuma aprovada"

É a maior coluna da tabela, e ela é uma constatação sobre o registro, não uma lacuna deste projeto. Indicação (12.138), Requerimento (3.616) e Moção (3.029) — três das oito espécies que a pergunta original cita pelo nome — são lidas e encerradas administrativamente, nunca votadas a favor ou contra, e o sistema do próprio CLDF não carrega veredito nenhum para elas. Ausência e zero são fatos diferentes, e estas tabelas não os confundem.

inclassificavel vale 0 e está publicada assim de propósito

É o estado de falha da própria regra. Publicá-la valendo zero em toda linha é a afirmação de que a regra nunca falhou uma vez em 22.748 registros — uma afirmação que você pode conferir, em vez de uma que você teria de aceitar.

Não há coluna de percentual, e isso é deliberado

Uma "taxa de aprovação" precisaria de um denominador, e o denominador honesto aqui é aprovadas + rejeitadas + pendentes — que para a maioria das espécies é zero. Uma taxa calculada sobre apresentadas dividiria por um número que inclui 18.797 registros aos quais o conceito não se aplica. Aqui estão as contagens; a razão que você conseguir defender, você monta.

aprovada significa "aprovada pela Casa", e nada além

Em nenhum registro o histórico distingue sancionada, vetada ou promulgada sobre veto — o que o Governador faz com um projeto aprovado é ato do Executivo, fora do sistema da Câmara. Nenhuma tabela aqui pode ser lida como "virou lei".

A tabela por autor que esta substitui

proposicoes-apresentadas-e-aprovadas-por-autor usa autor_id, o identificador estruturado que a própria API devolve em /proposicao/autores: 57 autores reais — 39 deputados de duas legislaturas, 13 comissões, e Mesa Diretora, Poder Executivo, Defensoria Pública do DF, Tribunal de Contas do DF e Sugestão Legislativa.

proposicoes-apresentadas-por-autor, publicada antes, divide o campo de texto autoria num separador e chega a 351 nomes distintos só em 2024. As duas discordam sobre quem assinou o quê, e a correta é a nova. A antiga continua publicada, com os mesmos bytes, e não foi recalculada — para que nenhum número já baixado e citado por terceiros mude debaixo de quem o citou. Use a nova; a antiga fica como registro do que já foi publicado.

Nas duas tabelas por autor a advertência é a mesma: uma proposição coassinada aparece na linha de cada signatário, então as colunas não somam entre autores. Nas 22.748 proposições, as linhas proposição × autor são 28.688 — um excesso de 5.940 por coautoria, publicado como número em provenance.json. Para totais exatos, use a tabela por ano e espécie.

Uma proposição não tem autor declarado (a API responde com lista vazia): ela é contada como apresentada na tabela por espécie e não aparece em nenhuma linha de autor. O número está em provenance.json, em proposicoes_sem_autor_declarado.

Dataset 2 — a relação nominal das honoríficas, comemorativas e moções

proposicoes-honorificas-comemorativas-e-mocoes é uma lista, não uma contagem: uma linha por proposição, com número, ano, espécie, autoria, ementa e veredito. 3.952 linhas, 2022–2026.

A regra que decide o que entra e em que categoria está escrita por inteiro em ../../docs/specs/DESIGN-dataset2.md, e cada linha publicada traz a cláusula que a colocou ali (coluna clausula). Nenhuma categoria desta tabela é uma opinião sem endereço.

Se você for filtrar por categoria, leia isto antes

As 18 linhas indeterminada não são lixo nem erro. São proposições que comprovadamente pertencem a esta família — criam uma medalha, reconhecem uma comenda, regulam como um título é concedido, ou revogam um título já concedido — e que a regra não consegue atribuir a uma das quatro categorias. Exemplos reais, do próprio acervo:

PR 39/2024 — "Institui o titulo de Cidadão Pioneiro de Brasília" (cria o título; não o concede a ninguém) PDL 234/2024 — "Revoga o Decreto Legislativo nº 2.386 de 2023 que concedeu o título de Cidadão Honorário de Brasília concedido ao Sr. Ricardo Cappelli" (retira uma honraria)

Quem filtrar por categoria = 'mocao' (ou qualquer outra) não as verá, e o denominador que usar estará menor do que o conjunto real. O número está aqui e em provenance.json justamente para que isso seja descoberto sem ler a tabela inteira. A exportação também verifica, toda vez, que a soma das categorias é igual ao total de linhas: a coluna categoria não pode deixar de responder por tudo sem que a publicação falhe.

data_comemorativa contém eventos, não só datas

O Calendário Oficial de Eventos do DF é um calendário de eventos, e a CLDF põe datas comemorativas e competições esportivas na mesma lista. A regra não separa as duas coisas porque a fonte não separa:

PL 1526/2025 — "Institui e inclui no calendário oficial de eventos do Distrito Federal o IRONMAN 70.3 Brasília."

48 das 353 linhas desta categoria são desse tipo (data_comemorativa_que_e_evento_e_nao_data em provenance.json). A regra não foi estreitada para escondê-las: estreitá-la excluiria esses 48 registros da tabela por inteiro, trocando uma linha mal rotulada por uma linha ausente — e uma linha ausente é invisível.

O que ficou de fora, e por decisão declarada

Requerimento, Indicação, Recurso, Questão de Ordem e Proc foram excluídos pela espécie, antes de qualquer palavra-chave. As ementas dessas espécies falam sobre uma honraria em vez de concedê-la — "Requer a realização de Sessão Solene para outorga do Título de Cidadão Honorário ao Senhor Fulano" — e mantê-las listaria a mesma honraria duas e três vezes, além de misturar um ato da Casa com um pedido dirigido a outra pessoa. 536 proposições foram excluídas por essa regra apesar de carregarem sinal honorífico, e o número está em provenance.json.

O nome do homenageado não é uma coluna. "Relação nominal" quer dizer uma linha por proposição, não extração de nomes próprios: adivinhar o nome de uma pessoa em texto livre e publicá-lo como campo estruturado é outro produto, e mais arriscado. Quem quer o homenageado lê a coluna ementa, que traz as palavras do próprio registro.

As outras colunas

• veredito segue a mesma regra do dataset 1. A maioria das linhas lê nao_se_aplica, e isso não quer dizer reprovada: para Moção o sistema da CLDF não registra veredito nenhum. Ver a seção do dataset 1 acima, que explica isso por inteiro.
• subtipo_mocao (louvor, aplauso, congratulacao, pesar, outra) é descritivo e nunca foi usado para incluir ou excluir linha alguma. Vazio fora de Moção. outra inclui as 52 moções de repúdio — o oposto de uma homenagem —, e a contagem está em provenance.json.
• autores e autor_ids são listas de coautoria separadas por ; , na ordem que a fonte declara, vindas do autor_id estruturado e nunca do campo de texto autoria. São uma lista, não uma chave: para contagens por autor, use as tabelas do dataset 1.
• ementa é publicada literalmente como consta no acervo, sem correção de espaços, maiúsculas, aspas ou erros de digitação.

Quanto disto foi conferido à mão

60 linhas — 12 de cada categoria — foram lidas contra a própria ementa. 2 divergências, ambas do tipo descrito acima (evento no lugar de data). O registro linha a linha, com as ementas e o procedimento para refazer exatamente a mesma amostra a partir do .csv publicado, está em ../../docs/specs/dataset2-conferencia-manual.md. Zero divergências nunca foi a exigência; publicar o número é.

As duas colunas de autoria, e por que são duas

O campo autoria da API não é o nome de um autor: é uma lista de coautoria, escrita como "Deputado A, Deputado B, Deputado C". Em 2024 existem 351 strings distintas de autoria para 36 autores reais. Quem agrupar pelo campo bruto vai inventar trezentos parlamentares.

Por isso a tabela traz duas contagens, e as duas estão certas:

A segunda coluna é o mesmo número que o filtro autoria da própria API devolve. Ela não pode ser somada entre autores: uma proposição com três signatários aparece nas três linhas. Se você quer "quantas proposições existem", use a tabela por espécie: ela soma exatamente 4.932 em 2024 e 22.748 no período inteiro.

Sessões e quórum — cobertura parcial, declarada

sessoes-plenarias-quorum vem de uma fonte diferente das outras duas: não a API, e sim a Lista de Presença que a CLDF publica em PDF para cada sessão plenária (cl.df.gov.br/sessoes-plenarias). quorum_atingido é derivado por este projeto, não um campo que a CLDF declara: conta como atingido quando total_presentes ≥ 13 de 24 (maioria absoluta, art. 20, II da Lei Complementar nº 13/1996) — o limiar exato que a fonte usa para "quórum de abertura de sessão", especificamente, não foi encontrado na pesquisa; toda linha declara essa ressalva na própria coluna quorum_source.

Cobertura: 2 sessões (64ª e 65ª Ordinárias, agosto de 2026), não a janela 2022–2026. A tabela publicada não é reprodutível pelos mesmos dois comandos abaixo (harvest/export): o PDF da Lista de Presença não pode ser lido por um script determinístico (a explicação técnica está em ../../docs/specs/DESIGN-sessoes.md), então cada sessão publicada aqui foi lida por um modelo, não por código — PYTHONPATH=src python3 -m cldf.sessao refaz apenas a busca dos PDFs, não a extração dos dados.

A coluna data publicava 18/08/2026 e passa a publicar 2026-08-18. Toda outra data derivada por este projeto na camada publicada sempre foi ISO (AAAA-MM-DD); esta não era, porque o valor vinha do PDF na grafia do próprio documento e nada o normalizava no caminho. Quem tiver baixado esta tabela antes de 2026-09-05 tem duas células na grafia antiga: são as mesmas duas datas, escritas de outro jeito, e nenhum outro valor da tabela mudou. A partir daqui a camada inteira é verificada antes de qualquer byte ser escrito — uma coluna nomeada como data carrega uma data ISO, está vazia, ou pertence a uma coluna que a tabela declara publicar verbatim da fonte (é o caso, e o único, da coluna data de verba-indenizatoria-por-comprovante, que é texto livre da própria fonte).

Votações — o que estas três tabelas são, e as quatro armadilhas

Vêm de uma terceira fonte: o Painel de Votação do Portal da Transparência da CLDF, que é um relatório Power BI publicado pela própria Câmara. O dado é da CLDF; o transporte é da Microsoft. Toda leitura aqui é citada ao painel e à data em que foi lida — nunca a "a CLDF diz".

Período: 2023–2026, uma legislatura, a que tomou posse em janeiro de 2023. A fonte publica desde 04/02/2020; os anos anteriores não foram coletados por escolha, não por limite da fonte.

Mudança de 28/08/2026, e ela NÃO é uma correção. As três tabelas de votação passaram a trazer as_of 2026-08-27 no lugar de 2026-08-26. Nenhum outro valor mudou — 8, 3.370 e 9.065 linhas, idênticas coluna a coluna quando se ignora o as_of. O motivo é a seção logo abaixo: a fonte se atualiza todo dia, esta entrega leu a fonte de novo, e a coluna existe justamente para que isso apareça em vez de passar despercebido.

1. A fonte se atualiza todo dia, e por isso existe a coluna as_of

O modelo por trás do painel tem atualização diária. as_of traz a data da última atualização que a própria fonte declara. Duas coletas em dias diferentes podem divergir sem que nada esteja errado — uma correção lá em cima, uma sessão a mais. Por isso a promessa de reprodutibilidade deste projeto, para estas três tabelas, é precisa: refazer a partir da evidência guardada dá os mesmos bytes; refazer a consulta ao vivo é outra coisa, é uma checagem de deriva, e ela informa em vez de reprovar.

2. co_materia é REUTILIZADO — a mesma matéria pode ser votada duas vezes

A fonte usa o mesmo co_materia para ocasiões diferentes, inclusive em anos diferentes (as matérias 3109 e 3112 são votadas em dois anos), e não publica nenhuma coluna que distinga uma ocasião da outra. A chave real é (co_materia, tipo_votacao, ano). Por isso um parlamentar pode aparecer duas vezes na mesma matéria com votos diferentes — são duas votações, não um erro. Este projeto não inventou um número de turno que a fonte não fornece.

3. INVÁLIDO e NÃO SE APLICA não são deputados

Numa votação simbólica não há posição individual, e a fonte registra isso pondo um marcador no lugar do nome — NÃO SE APLICA em 2023–2024 e INVÁLIDO em 2025–2026, dois nomes para a mesma coisa. Esses 2.891 registros foram removidos de votos-nominais-por-deputado (o total está em provenance.json) e continuam no acervo local. Publicá-los criaria um deputado que não existe com milhares de votos.

4. Ausência não é abstenção

Quem não aparece numa votação não está registrado como ausente, nem como abstenção. ABSTENCAO e NAO INFORMADO são valores que a própria fonte registra para quem estava lá. Contar ausências a partir destas tabelas é inventar um dado que a fonte não tem.

Como conferir sem acreditar em nós

Os números anuais desta tabela foram medidos duas vezes, por consultas diferentes: uma que agrega por ano e outra que desce até o voto individual. As duas batem em todas as 3.370 votações e em todos os quatro anos. Se uma coluna tivesse sido lida errado, as duas divergiriam — é essa divergência que o programa procura antes de publicar qualquer coisa.

Dataset 6 — o que a Câmara fez com os projetos do Governo

proposicoes-do-executivo-por-ano-e-especie.csv / .xlsx — 19 linhas. proposicoes-do-executivo.csv / .xlsx — 571 linhas, uma por proposição, 2022–2026.

A pergunta é a sexta das quatorze: das proposições que o Poder Executivo mandou para a Câmara, quantas foram aprovadas como vieram, quantas foram aprovadas com emendas (e quantas emendas foram acatadas), e quantas foram rejeitadas.

São duas tabelas e elas dizem a mesma coisa em dois níveis. A primeira agrega por ano e espécie; a segunda lista proposição por proposição. Elas são conferidas célula a célula a cada publicação e nada é publicado se discordarem — duas tabelas que batem no total geral e discordam linha a linha pareceriam certas em qualquer resumo que alguém escrevesse.

Quem entra, e quem fica de fora

Entra quem tem autoria igual a Poder Executivo — uma string única e literal, nunca misturada com o nome de um deputado. O campo governador não existe como autoria nesta fonte (0 registros). A mesma identificação é conferida contra a autoria estruturada da API (autor_id 6), e as duas leituras apontam exatamente as mesmas 571 proposições.

Ficam de fora, e o número está publicado porque exclusão sem tamanho é exclusão que ninguém pode pesar: 142 proposições de Comissão e 37 da Mesa Diretora — o Legislativo iniciando, não o Executivo. Doze delas são assinadas por uma comissão junto com deputados.

Antes de citar aprovada_no_texto_original: este é o rótulo mais fraco dos quatro

Os outros três são lidos de um campo. Este é uma ausência — nenhuma emenda daquela proposição termina com status Aprovado(a) —, e uma ausência vale o que valer a cobertura do registro.

E a cobertura tem buraco. A Câmara abre prazo de emenda, recebe emendas, e às vezes não registra o que foi feito delas: são 1.646 emendas em 195 proposições que aparecem no registro de tramitação e nunca recebem um status. Onde isso acontece numa proposição aprovada sem nenhuma emenda acatada, o rótulo se apoia no silêncio da fonte e não na resposta dela.

São 22 das 182, e a maior é a LOA de 2023 (PL 2992/2022): 19 emendas protocoladas e assinadas, nenhuma decidida no registro. Essas linhas estão marcadas na própria tabela — a coluna original_com_emenda_nao_decidida na tabela agregada, e emendas_registradas maior que zero com emendas_decididas igual a zero na relação. A regra não foi estreitada para zerar esse número: estreitar tiraria essas proposições da tabela, trocando uma linha discutível por uma linha ausente, e linha ausente é invisível.

As três colunas de emenda, e por que são três

Elas são encaixadas — acatadas ⊆ decididas ⊆ registradas — e a exportação falha se deixarem de ser:

Nenhuma das três é o número de emendas apresentadas, e não existe coluna com esse nome: o registro nomeia uma emenda quando algo acontece com ela, e uma coluna com esse nome seria uma afirmação que o acervo não sustenta.

emendas_acatadas não é subconjunto das aprovadas. 149 emendas acatadas estão em 17 proposições cujo veredito ainda é pendente — a Casa emenda antes de decidir. Quem assumir o contrário vai achar as duas colunas inconsistentes.

De onde vem "houve emenda", e de onde NÃO vem

Vem do registro de tramitação da própria proposição, que anota cada mudança de status de cada documento Emenda com o vocabulário publicado pela fonte: Aprovado(a), Rejeitado(a), Prejudicado(a), Retirado(a), Não apreciado(a), Inadmitido(a). Vale o último status, e não qualquer status já registrado: há emendas marcadas Aprovado e corrigidas minutos depois, e uma regra de "já foi aprovada alguma vez" publicaria a correção como aprovação em três projetos com nome e número.

Não vem do campo etapa, e isso importa. A etapa traz os sufixos Disponibilizada(Emenda) e Retorno(Emenda) em 429 das 571 — mas isso registra a abertura do prazo de emendas ou a chegada de um documento, não uma emenda existente nem acatada. O registro de tramitação aponta 157. Contar pela etapa publicaria quase três vezes o que o registro sustenta, e ainda assim perderia 12 proposições cuja etapa já avançou.

"Com emenda de mérito" — o roteiro pediu, e a fonte não tem

A pergunta original diz aprovadas com emenda de mérito. Nenhum campo em lugar nenhum tipifica uma emenda por mérito. O domínio publicado pela CLDF tem sete valores e todos são de forma**: Orçamentária, Aditiva, Modificativa, Subemenda, Supressiva, de Plenário, Substitutiva. A rota tipo-emenda não existe publicamente.

Por isso a coluna se chama aprovada_com_emendas e não "com emenda de mérito". O que o registro sustenta é que a Casa acatou ao menos uma emenda; que essa emenda mudou a substância do texto é outra afirmação, e ela não pode ser feita a partir desta fonte.

aprovada significa aprovada pela Câmara, e nada além

Sanção, veto e promulgação são atos do Executivo, e nenhum registro aqui os distingue. Esse limite pesa mais neste dataset do que em qualquer outro: quem propôs estas 571 proposições é o mesmo poder que depois as sanciona ou veta, e esta tabela não diz nada sobre esse segundo ato.

Quanto disto foi conferido à mão

46 registros lidos um a um — 2 divergências. Amostra estratificada (até 15 por categoria), sorteada de forma determinística a partir da própria tabela publicada: qualquer pessoa refaz o mesmo sorteio sem precisar deste repositório. As duas divergências são as duas linhas do aprovada_no_texto_original apoiadas no silêncio da fonte — PL 2579/2022 e PL 2992/2022 — e elas estão marcadas na tabela. O relatório linha a linha está em ../../docs/specs/dataset6-conferencia-manual.md.

É amostra, não censo, e a diferença é declarada: os datasets 10 e 11 puderam ler o universo inteiro (45 e 15 registros); 571 não pode ser lido à mão.

E há uma segunda leitura, independente desta. As emendas dos três projetos do ciclo orçamentário de 2024 já tinham sido contadas por outra via — o próprio endpoint de documentos da API, em outro dia, para outro dataset:

3% de diferença, nos dois sentidos, e elas não deveriam bater exatamente: o registro nomeia documentos depois cancelados e não enxerga emendas cuja única movimentação esteja fora das formas que este projeto lê. A diferença está publicada em vez de arredondada — duas medidas próximas apresentadas como iguais são exatamente o número que ninguém confere.

Dataset 10 — convocações de autoridades, e a pergunta que a CLDF não responde

convocacoes-de-autoridades.csv / .xlsx — 26 linhas, 2022–2026. Uma linha por requerimento de convocação: um pedido para que a Câmara convoque alguém a comparecer e prestar esclarecimentos.

LEIA ISTO ANTES DE USAR A TABELA. O roteiro deste projeto pedia três coisas sobre cada convocação: quais foram requeridas, quais a Casa aprovou, e se a autoridade convocada compareceu. Esta tabela responde às duas primeiras. A terceira não tem resposta — e essa ausência é o resultado, não uma falha desta tabela. Ver a seção própria abaixo.

O que conta como convocação aqui

Uma coisa só: um Requerimento que pede à Casa que convoque alguém. Duas fronteiras importam, e as duas foram decisões, não acasos:

• Não é só Secretário de Estado. O roteiro original falava em Secretários. A regra é mais larga de propósito, porque a regra estreita teria perdido uma convocação real: o REQ 16/2023 convoca dois cidadãos que não eram Secretários — Anderson Torres e Fernando de Sousa Oliveira — para prestar esclarecimentos sobre 8 de janeiro de 2023.
• Convite não é convocação. O acervo tem 6 requerimentos que pedem o convite de uma autoridade. Um convite pode ser recusado; uma convocação, não. Eles não estão nesta tabela, e a contagem está em provenance.json. A Casa usa os dois instrumentos deliberadamente: a mesma deputada convidou o Presidente do BRB em março de 2025 (REQ 1934/2025) e o convocou em agosto (REQ 2189/2025).

A armadilha da palavra "convocação"

No registro da CLDF, convocação tem dois sentidos sem relação um com o outro, e o outro é o mais comum: a convocação de aprovados em concurso público. Das 45 proposições cuja ementa contém a palavra, 19 não são convocações de ninguém:

REQ 3466/2022 — "Requer informações ao Senhor Presidente da CAESB, informações acerca de convocação de aprovados em concurso público" REQ 1352/2024 — "Requer informações à SEDUH acerca da convocação da Conferência Distrital das Cidades" (um evento, não uma pessoa)

Quem filtrar o acervo por convocação e contar terá 45. O número certo é 26, e a regra que separa os dois sentidos está escrita em docs/specs/DESIGN-dataset10.md, cláusula por cláusula. As 45 ementas foram lidas uma a uma — não uma amostra, o universo inteiro — e a regra concorda com a leitura manual nas 45: 0 divergências (docs/specs/dataset10-conferencia-manual.md).

cargo_convocado — o cargo como a ementa o escreve

Esta coluna cita, não classifica. Vem com a caixa alta do registro (SECRETÁRIO DE ESTADO DE SAÚDE DO DISTRITO FEDERAL), com os pronomes de tratamento (Excelentíssima Senhora Secretária de Estado de Mobilidade Urbana) e, quando a ementa nomeia uma pessoa em vez de um cargo, com o nome da pessoa.

Não há taxonomia e isso é deliberado: normalizar esses textos em categorias arrumadas seria este projeto afirmando uma classificação que a CLDF nunca publicou — e uma célula arrumada é uma célula que ninguém consegue conferir contra a página de origem.

Quando um requerimento convoca várias autoridades, a linha é uma só e a coluna traz todas. O REQ 2553/2026 convoca quatro; dividi-lo em quatro linhas inventaria três convocações que o registro não tem.

resultado — e o que sem_deliberacao_publicada significa

sem_deliberacao_publicada NÃO significa rejeitada. Significa que o registro público não diz o que aconteceu com aquele requerimento. A maioria das 24 é de 2026 e é recente; o REQ 3334/2022 é anterior à janela do Painel de Votação. Ausência e resultado são fatos diferentes, e somar as 24 às 2 rejeitadas para dizer que "26 convocações foram negadas" seria falso.

As duas rejeitadas foram estas, e vale ler os números:

De onde vem cada desfecho, linha por linha

A coluna resultado_fonte diz qual fonte respondeu, e as duas colunas seguintes trazem a prova literal — para que ninguém precise acreditar na normalização deste projeto:

• resultado_rotulo_painel — o rótulo que o Painel de Votação publica, sem tradução;
• resultado_marcador_api — o marcador de tramitação da API que sustentou o veredito.

Duas fontes independentes, e elas se conferem. Onde as duas falam, o programa para se discordarem. Isso acontece em uma linha (REQ 2974/2026) e as duas concordam.

O resultado NÃO é calculado a partir dos votos, e isso importa. No período coberto, o Painel classifica duas votações nominais contra o sinal da própria apuração: o PDL 275/2025 é REPROVADO com 12 Sim e 5 Não — 12 de 24 não é maioria absoluta — e um destaque de emenda ao PL 1267/2024 é APROVADO com 0 Sim e 21 Não, porque o que se aprovou foi a rejeição do destaque. Um programa que fizesse a conta Sim > Não publicaria as duas ao contrário. O rótulo da fonte é a fonte; a apuração está publicada ao lado dele para ser conferida, não para substituí-lo.

As colunas de votos só existem em votação NOMINAL

votos_sim, votos_nao e abstencoes ficam vazias quando não houve votação nominal. Numa votação simbólica a fonte não registra posição individual alguma, e publicar 0 × 0 ali faria uma votação simbólica parecer uma rejeição unânime. Célula vazia é ausência de registro, nunca zero.

O comparecimento: a CLDF não publica se a autoridade apareceu

Não existe coluna compareceu nesta tabela, e a razão não é que faltou coletar. A razão é que o registro público da Câmara Legislativa do Distrito Federal não informa isso.

Foi procurado, em 2026-08-28, em tudo que a CLDF publica:

Uma coluna vazia diria "faltou dado". A verdade é mais forte e é outra: a CLDF não tem esse dado consolidado. É exatamente o tipo de constatação que este projeto existe para produzir — e é uma resposta publicável a uma das quatorze perguntas, não uma pergunta que ficou sem resposta.

Um efeito prático disto: ninguém — nem a imprensa, nem um pesquisador, nem um deputado — pode hoje responder, a partir do registro oficial, se um Secretário convocado pela Câmara Legislativa efetivamente compareceu. Não porque o dado seja secreto, mas porque não é publicado em lugar nenhum.

Dataset 11 — as CPIs, e as duas colunas vazias que são o resultado

Duas tabelas. comissoes-parlamentares-de-inquerito tem 5 linhas; a de assinaturas, 63.

Primeiro, o que estas 5 linhas são — e o que não são

Cada linha é um requerimento que pediu à Casa a criação de uma Comissão Parlamentar de Inquérito, entre 2022 e 2026. Não é a lista das CPIs que a Câmara Legislativa já teve.

A diferença importa e tem um exemplo concreto: o próprio acervo cita a CPI do Feminicídio e a CPI dos Maus-tratos aos Animais, mas só através de outros requerimentos — uma audiência pública, um pedido de informações, uma prorrogação, uma indicação sobre o relatório final delas. Os requerimentos que criaram essas duas são anteriores à janela de coleta deste projeto e não estão aqui. Ler 5 como "a CLDF teve 5 CPIs" seria errado.

Também não estão aqui os 7 requerimentos que citam uma CPI sem pedir a criação de nenhuma: três prorrogações, duas audiências públicas, um pedido de informações e uma oitiva. Publicá-los duplicaria comissões que já têm linha própria.

As duas colunas vazias, e por que a coluna vazia é a notícia

instalada e relatorio_final estão publicadas e estão vazias em todas as 5 linhas.

Isso não é dado que faltou coletar. É que a CLDF não publica registro nenhum das suas CPIs. Procurou-se, em 28/08/2026, em tudo o que a CLDF publica sem senha:

Célula vazia aqui significa "a fonte não tem", nunca "não aconteceu". E há prova disso dentro do próprio acervo: o REQ 795/2023 diz, com todas as letras, que a CPI criada pelo REQ 1/2023 foi "instalada"; o REC 5/2023 descreve destaques votados ao "Relatório final apresentado pelo Relator, no dia 29 de novembro de 2023". Os dois fatos estão no registro — como texto livre na ementa de outra proposição, nunca como campo.

Por que não preenchemos só a linha que dava

A superfície de reuniões marcaria uma das cinco linhas e deixaria quatro em branco. Um leitor leria essas quatro como "não instalada" — e isso é falso pelo menos uma vez, porque o REQ 795/2023 diz o contrário. Uma coluna toda vazia diz a verdade; uma coluna com uma linha preenchida diria uma mentira sobre as outras quatro. É a mesma decisão da coluna de comparecimento do dataset 10, tomada pelo mesmo motivo.

assinaturas — o que a coluna conta

É o número de autores declarados do requerimento, como a API os publica (a coluna assinaturas_fonte nomeia o endpoint em toda linha). Três avisos:

1. É coautoria, não um livro de assinaturas. Para um requerimento de CPI as duas coisas coincidem na prática, mas são registros diferentes, e este projeto não afirma uma equivalência que a fonte nunca declarou.
2. Não há coluna dizendo se o mínimo regimental foi atingido. A fonte não publica nem o limiar nem quantos deputados estavam em exercício no dia. Quem tiver o Regimento em mãos faz a conta em uma subtração; nós publicamos o número, não o juízo.
3. O trâmite registra mais assinaturas do que há autores — em todos os 5 casos (27 contra 23, 10 contra 9, 13 contra 11, 13 contra 12, 9 contra 8). Os dois números estão lado a lado em provenance.json. A diferença não é erro de nenhum dos dois: cada requerimento tem 2 ou 3 documentos no trâmite, e quem assina no log são usuários do sistema, incluindo servidores da Casa — nomes que este projeto não publica. Se você contar as assinaturas no PDF e der outro número, a divergência já está escrita aqui.

A ordem da tabela de assinaturas não é a ordem de assinatura

O campo ordem da fonte vem nulo nas 28.689 linhas de coautoria do acervo. A tabela é ordenada por autor_id, o que é determinístico e não é uma afirmação sobre quem assinou primeiro.

Dataset 12 — quanto tempo leva, e as 21.764 que nunca foram deliberadas

Duas tabelas. tempo-de-tramitacao-por-ano-e-especie tem 52 linhas — as mesmas 52 células de ano × espécie das tabelas de dataset 1, de propósito: dá para colocar as três lado a lado e a coluna apresentadas bate célula por célula. proposicoes-sem-deliberacao tem 21.764 linhas, uma por proposição, e é a maior tabela deste repositório.

O relógio: onde começa e onde termina

Começa na dataLeitura — presente nas 22.748 de 22.748 proposições do acervo, então nenhuma fica de fora por falta de data de início. Termina no marcador de etapa terminal que a própria CLDF registra (Sanção Veto ou Promulgação ou Arquivar), presente em 984. As outras 21.764 não têm data de fim porque não terminaram — e é exatamente isso que a segunda tabela publica.

Medido nas 984: mínimo 1 dia, máximo 1.508, e nenhuma duração negativa.

Não existe coluna de média, e isso é a resposta e não uma omissão

O roteiro pedia "tempo médio de tramitação". Esta tabela publica a distribuição e nenhuma média, porque uma média sozinha sobre um tempo de tramitação é o número mais fácil de citar e mais difícil de ser verdade sobre qualquer proposição concreta: a distribuição global é n = 984, p25 = 24 dias, mediana = 100, p75 = 293, máximo = 1.508. Metade das proposições decididas levou até 100 dias; um quarto delas levou mais de 293; e existe uma que levou mais de quatro anos. Uma média esconderia as três coisas ao mesmo tempo.

Antes de conferir dias_mediana numa planilha, leia isto. As três colunas de quantil usam o método do posto mais próximo: para uma lista ordenada de n durações e um quantil p, o valor de índice teto(p × n) − 1. Isso garante que todo número publicado é a duração real de uma proposição real — dá para apontar a linha que o produziu. O preço é que, quando n é par, o Excel, o pandas e o statistics.median do Python fazem a média dos dois valores centrais e esta tabela toma o menor dos dois. Se o seu número deu meio dia de diferença, é isto, e está escrito aqui em vez de virar uma discussão.

Quando deliberadas é 0, as quatro colunas de distribuição vêm VAZIAS, nunca 0. São 25 das 52 células — todas as de Indicação, quatro das cinco de Moção, três das cinco de Requerimento. Um zero ali diria que essas proposições foram decididas instantaneamente, que é o contrário do que aconteceu.

As duas colunas de "sem deliberação", e por que são duas

Esta é a decisão que dá forma à tabela, e ela foi tomada para que você escolha o denominador em vez de herdar o nosso:

A diferença — 18.797 — é exatamente a coluna nao_se_aplica do dataset 1: Indicação, Requerimento, Moção, Recurso e Questão de Ordem, para as quais o sistema do CLDF não registra veredito nenhum, porque são lidas e encerradas administrativamente e nunca votadas a favor ou contra.

Olhe a tabela e a diferença fica impossível de não ver: em toda linha de Indicação o estrito é 0 e o amplo é a célula inteira; em toda linha de Projeto de Lei os dois são iguais. Uma coluna só faria uma dessas duas famílias parecer a outra.

NENHUMA DAS DUAS PODE SER CITADA SOZINHA. A exportação falha se uma linha trouxer uma sem a outra — é a única maneira de uma regra escrita num README continuar valendo depois que alguém copiar a tabela.

A armadilha desta tabela: "sem deliberação" não quer dizer "ainda em movimento"

18.759 das 21.764 linhas têm no seu histórico um evento ENCERRAR_PROPOSICAO — o sistema encerrou o registro sem que a Casa tenha decidido nada. Não usamos esse evento como fim do relógio, por três motivos verificáveis: ele não carrega resultado nenhum, ele é reversível (3.478 proposições do acervo têm REABRIR_PROPOSICAO), e ele também aparece em 982 das 984 proposições que foram deliberadas — ou seja, não separa as duas populações.

Encerrado e decidido são fatos diferentes nesta fonte, e só o segundo vira resultado publicado.

as_of — a data que viaja em toda linha

dias_em_aberto é a distância entre a dataLeitura e a data em as_of, hoje 2026-08-21. Essa data é o evento de tramitação mais recente que este acervo contém — "o registro até onde esta cópia dele vai" — e não é "hoje". Um "hoje" faria os arquivos mudarem de bytes todo dia e quebraria a reprodutibilidade, que é a única coisa que este projeto pede que você não tenha de acreditar.

Ela viaja em toda linha, não só neste texto, para que uma linha copiada da tabela leve junto a sua própria data. A exportação falha se alguma linha publicar dias em aberto sem ela.

"Há mais de 2 anos" — contado, não filtrado

O roteiro pedia as proposições sem deliberação há mais de 2 anos. A tabela publica todas as 21.764 com o dias_em_aberto de cada uma, para que você use o corte que quiser; o corte do roteiro está contado ao lado, em provenance.json: em 21/08/2026, 12.659 passam de 730 dias — 1.778 no conjunto estrito e 10.881 no amplo. Uma tabela que já tivesse aplicado o filtro não responderia nenhuma outra pergunta.

"Arquivadas por decurso de prazo ou fim de legislatura" — a fonte não diz o motivo

A terceira coisa que o roteiro pedia no item 12 não tem coluna aqui, e a ausência é o resultado (achado F-077). A CLDF marca Arquivar como etapa e nunca registra o motivo:

• nenhum dos 17 valores distintos de descricaoTramitacao em 585.282 eventos de tramitação é um verbo de arquivamento — %arquiv% casa com 0 eventos;
• as palavras decurso e legislatura aparecem em 0 desses 585.282 eventos, e decurso de prazo em 0 das 22.748 ementas.

Distinguir arquivamento por decurso de prazo de arquivamento por fim de legislatura seria inferir um motivo que o registro nunca dá. Não há coluna vazia: a ausência é a resposta.

Cobertura, e o limite que o próprio número esconde

2022–2026, a janela do acervo de proposições. Uma proposição lida antes de 01/02/2022 não está no acervo e portanto não está em nenhuma das duas tabelas, por mais tempo que esteja aberta. A linha mais antiga desta relação tem 1.662 dias em aberto — e esse máximo é o limite da coleta, não o limite da Casa. A CLDF certamente tem proposições abertas há mais tempo do que esta tabela consegue mostrar.

E o limite herdado do dataset 1, porque o fim do relógio é o mesmo marcador: aprovada significa "aprovada pela Casa Legislativa" e nada além disso. Sanção, veto e promulgação sobre veto são atos do Executivo, e nenhum registro aqui os distingue.

Dataset 14 — frequência em plenário, e a única armadilha que importa

Três tabelas novas. frequencia-deputados-em-plenario-por-ano tem 173 linhas — uma por ano e deputado, de 2020 a 2026, cobrindo 961 sessões e 40 deputados.

Antes de citar qualquer percentual: leia estas quatro linhas

frequencia_pct é presencas ÷ sessoes_no_ano. O denominador são todas as sessões de plenário daquele ano. Quem não estava empossado o ano inteiro — suplentes, quem assumiu no meio do mandato, quem saiu — aparece com percentual baixo por esse motivo, e não por falta:

LUZIA DE PAULA esteve em todas as sessões em que era deputada. Publicar "3,8%" sozinho seria dizer o contrário do que o registro diz.

Por isso cada linha traz também primeira_sessao, ultima_sessao, sessoes_no_periodo e frequencia_no_periodo_pct — as sessões realizadas entre a primeira e a última presença daquele deputado, e o percentual contra esse período. Compare as duas colunas antes de escrever qualquer frase. A última linha da tabela acima mostra por quê: o período de JOSÉ GOMES cobre quase o ano inteiro, então os 16,4% dele são ausência de verdade. São as duas colunas que separam um caso do outro.

O que esta tabela NÃO é

1. Não é a frequência total do deputado. A fonte só tem plenário. Nenhuma reunião de comissão aparece — nem sob outro nome, nem parcialmente (achado F-044). Quem trabalha muito em comissão aparece aqui com menos presenças do que teve.
2. A fonte não registra faltas. Só existe linha quando houve presença. A ausência é deduzida por nós, nunca lida do registro. "O registro não diz que ele estava" e "o registro diz que ele faltou" são coisas diferentes, e só a primeira é verdade aqui.
3. Não há justificativa de ausência. Missão oficial, licença médica e falta sem motivo são indistinguíveis nesta fonte: todas as três são simplesmente a ausência de uma linha.

A conferência com uma segunda fonte

conferencia-presenca-pdf-x-painel compara, nome por nome, duas fontes independentes das mesmas sessões: a Lista de Presença em PDF que a CLDF publica e o Painel de Votação. As duas só se encontram em 2 sessões (18 e 19/08/2026), porque é o que a extração dos PDFs cobre hoje.

Resultado: 29 nomes conferidos, 0 divergências — e sem nenhuma normalização de nome.

O tamanho da amostra é a limitação, e está dita aqui em vez de escondida: 2 sessões não provam que as duas fontes concordam sempre. Provam que, nas duas em que dá para comparar, concordaram inteiramente. Uma divergência futura será publicada como achado, não tratada como erro: assinar uma lista de papel e registrar login no painel são dois atos diferentes e podem legitimamente divergir.

Três coisas estranhas na fonte, publicadas como estão

• registros_na_fonte — o painel guarda até 3 linhas para o mesmo deputado na mesma sessão (achado F-041). São 1.489 pares assim, de 15.819. A tabela conta sessões distintas, não linhas; a coluna guarda o número original para quem quiser conferir.
• partido com INVÁLIDO ou NÃO INFORMADO (achado F-042) — são deputados reais cuja legenda a fonte não preencheu. Não foram removidos: apagá-los tiraria JORGE VIANNA e PAULA BELMONTE do registro publicado.
• tipo_sessao com duas grafias (achado F-043) — SESSAO ORDINARIA e ORDINARIA são a mesma coisa. A tabela traz as duas colunas: o rótulo literal da fonte e um normalizado, para que agrupar por tipo não gere dois baldes para uma coisa só.

Quem trocou de partido

24 pares ano × deputado têm mais de uma legenda no mesmo ano, a maioria na janela partidária de

1. A coluna partido traz todas, separadas por / . Escolher uma seria inventar um fato.

Datasets 3 e 4 — o parecer da CCJ, e a proposição aprovada contra ele

Quatro arquivos: pareceres-ccj-admissibilidade, juizo-de-admissibilidade-por-comissao, aprovadas-contra-parecer-da-ccj e aprovadas-contra-parecer-agregado.

Antes de citar qualquer linha: leia estas três

1. admissibilidade NÃO é inconstitucionalidade, e a diferença não é sutil. O juízo de admissibilidade é uma decisão processual sobre se a proposição pode seguir tramitando. Uma declaração de inconstitucionalidade é decisão do Judiciário e não acontece aqui. Nenhuma coluna destas tabelas se chama inconstitucional, e isso é deliberado: de 11 pareceres da CCJ lidos à mão, 0 continham a palavra inconstitucional. A palavra que o registro usa é admissibilidade, e é ela que está publicada.

2. Nem todo juízo de admissibilidade é da CCJ — e é por isso que existe a segunda tabela. A CEOF (Comissão de Economia, Orçamento e Finanças) também emite juízo de admissibilidade, mas sobre adequação orçamentária (RICLDF, art. 64, II, § 1º), não sobre admissibilidade jurídica (art. 63, I, que é da CCJ). Os dois pareceres usam as mesmas palavras, e um leitor que filtrasse só pelo veredito publicaria um projeto cujo orçamento a comissão de finanças questionou como se a CCJ o tivesse considerado inadmissível. juizo-de-admissibilidade-por-comissao publica todas as comissões justamente para que se veja o que ficou de fora do dataset 3.

3. contradiz_parecer compara dois registros — não mede desobediência. A Casa pode aprovar uma proposição contra o parecer da CCJ por razões que o registro declara em outro lugar, inclusive um substitutivo que sana o vício apontado. A coluna diz que dois registros discordam. Quem quiser dizer mais que isso precisa ler o parecer, e o documento_id está publicado para isso.

De onde vem a comissão (e por que não vem de um campo)

A fonte não publica a comissão do parecer em nenhum campo estruturado. O campo que parece servir, sigla_unidade, traz o gabinete do relator — GAB DEP PAULA BELMONTE, GAB DEP FÁBIO FÉLIX — em 24 dos 25 primeiros pareceres lidos. Ele está publicado como coluna própria, para que se veja quem relatou, mas não decide nada.

A comissão é lida da cláusula que o próprio parecer escreve: Da COMISSÃO DE CONSTITUIÇÃO E JUSTIÇA, sobre o Projeto de Lei nº …. A coluna comissao_fonte diz qual regra respondeu:

A fonte erra o nome da própria comissão, de duas formas, e as duas foram aceitas de propósito: CONSTITUIIÇÃO (um I a mais) e CONSTITUIÇÃO DE JUSTIÇA (de no lugar de e). Não existe comissão com esses nomes na CLDF — são erros de digitação, e recusá-los descartaria pareceres reais da CCJ deixando comissões fantasmas de uma linha na tabela por comissão.

contradiz_parecer — o vocabulário inteiro, sem resto

Um valor fora desta lista interrompe a publicação. Ausência é coluna, nunca linha filtrada.

A coluna clausula — corrigida em 2026-08-29, e vale saber o que mudou

A clausula existe por um motivo só: conferir o rótulo contra as palavras do próprio parecer. Uma conferência à mão das 488 linhas encontrou dois defeitos nela — nenhum deles no rótulo, os dois na frase publicada ao lado.

1. A fonte cola duas palavras, e isso custava uma linha inteira. Alguns pareceres concluem "pela ADMISSIBILIDADEconstitucional e jurídica", sem espaço. A regra exigia que a palavra terminasse ali, então não a reconhecia:

• no PL 332/2023 ela recuava para a última frase que reconhecia — uma decisão judicial citada no meio do parecer, sobre outra lei (RE 1.330.817/DF, sobre a Lei Distrital 4.949/2012). O rótulo saía certo; a frase publicada ao lado era de um caso diferente;
• no PL 583/2023 ela não reconhecia nada, e um parecer de admissibilidade real da CCJ era publicado como sem_clausula. Esse é o erro invisível: a linha estava lá, bem formada, e faltava o veredito.

Medido sobre os 30.389 documentos guardados, a correção muda exatamente esses dois.

2. A citação passava do fim da frase. A clausula era uma janela fixa de caracteres em volta do trecho encontrado, e nestes documentos o que está em volta não é enchimento:

• depois dela, a nota de rodapé que copia o art. 63 do Regimento — o texto que descreve o trabalho da CCJ, não a decisão dela sobre a proposição;
• antes dela, o parecer de outra comissão — no PL 801/2023, a opinião de mérito da CDESCTMAT colada à decisão de admissibilidade da CCJ. Duas comissões dentro de uma "cláusula" só.

Agora a citação para no fim da própria frase. Medido sobre as 2.682 cláusulas guardadas: 217 iguais, 2.465 mais curtas, 0 mais longas — a correção só encurta, nunca amplia. O tamanho médio caiu de 343 para 193 caracteres.

O que ainda fica: 227 cláusulas começam no meio de uma frase, porque a conclusão é mais longa que o limite de 220 caracteres para trás. É o mesmo limite de antes e ele não foi alargado de propósito — alargá-lo quebraria a única garantia que torna esta correção conferível sem reler tudo. O documento_id está em cada linha: o parecer inteiro pode ser lido na fonte.

O universo, e o que ele não alcança

As tabelas cobrem as proposições cujo log de tramitação registra um documento de parecer. Isso é um recorte do acervo, não o acervo inteiro, e tem um limite que nenhum número aqui mostra: um parecer que exista sem que o log o registre está fora do universo, e nem a regra nem uma conferência humana o encontrariam. O tamanho do universo e das duas contagens está em provenance.json.

Dataset 5 — os vetos do Governador, e a pergunta que muda de direção

Dois arquivos: vetos-do-governador e vetos-cobertura.

Antes de citar qualquer linha: leia estas duas

1. Não existe coluna dizendo se o veto foi mantido ou derrubado, e isso é deliberado. A pergunta posta em votação nem sempre é "o veto se mantém?". Um bloco lê BLOCO DE VETOS 29/04/2026 - PELA REJEIÇÃO e sai REPROVADO: era uma moção para rejeitar os vetos, e ela foi derrotada — logo os vetos ficaram de pé. A mesma família de rótulo em VETO TOTAL PROJETO DE LEI 2886/2022 significa o contrário. 12 vetos estão do lado invertido.

Para ler o desfecho, use três colunas juntas: resultado_rotulo (o rótulo literal do Painel), votacao_materia (a pergunta) e pergunta_invertida.

2. Isto não é a contagem de vetos que o Governador enviou. É a contagem de vetos que este registro consegue ver. Um veto nunca levado a voto e nunca relatado pela CCJ não aparece em nenhuma das fontes públicas lidas.

A tabela é a união de duas fontes, e nenhuma delas basta

24 vetos aparecem só no relatório da CCJ. Uma tabela feita só do Painel os omitiria sem que ninguém percebesse.

Cobertura — leia vetos-cobertura antes de somar qualquer coisa

168 das 325 proposições vetadas estão fora da janela de coleta 2022–2026. Elas estão publicadas, com na_janela_de_coleta = nao e sem ementa, porque descartá-las daria uma contagem de vetos com cara de completa.

Três coisas estranhas na fonte, publicadas como estão

• 2 documentos que a fonte marca como Relatório de Veto são Despachos e não falam de veto nenhum. Excluídos e contados;
• 4 relatórios se contradizem sobre o tipo do veto. Vale a linha de assunto do documento; as menções seguintes costumam ser sobre emendas dentro do projeto, não sobre o projeto. A contradição vai marcada em tipo_veto_conflito;
• 245 vetos sem tipo — os blocos não dizem, item a item, se cada veto foi total ou parcial.

Dataset 7 — o regime de urgência, e a coluna que está vazia de propósito

Arquivo: proposicoes-em-regime-de-urgencia. Cinco linhas em 22.748 proposições.

A coluna prazo_dias está vazia em toda linha, e isso é um resultado

O roteiro pede "prazo observado". Nenhum dos cinco requerimentos diz um número de dias. Os cinco corpos foram lidos inteiros, à mão. O que eles dizem é a base legal — nos termos dos arts. 145, inciso XVI e 164 do Regimento Interno — e isso está publicado na coluna base_regimental, ao lado da ausência, para que ela venha com o motivo.

A coluna vazia quer dizer "não publicado", não "sem prazo". O prazo é regimental: quem quiser calculá-lo precisa do Regimento Interno, que esta tabela não lê.

O que cada coluna responde

O que esta tabela NÃO diz

Não diz que estas cinco são todas as proposições que tramitaram em urgência. São todas aquelas para as quais existe um requerimento pedindo o regime neste registro. O campo regimeUrgencia da API é servido e vem false nas 22.748, e nenhum evento de tramitação das cinco menciona urgência — se o regime chegou a ser aplicado é coisa que este registro não diz.

A quinta linha aponta para PL 230/2019, fora da janela de coleta 2022–2026. Ela está publicada com alvo_identificado = nao em vez de descartada, porque a falha do elo é visível na tabela e não ao lado dela.

Como refazer

PYTHONPATH=src python3 -m cldf.harvest --ano 2024     # refaz a coleta
PYTHONPATH=src python3 -m cldf.export                 # refaz as tabelas
PYTHONPATH=src python3 -m cldf.verify                 # confere contra a API de hoje

PYTHONPATH=src python3 -m cldf.painel                 # coleta as votações (2023-2026)
PYTHONPATH=src python3 -m cldf.painel --replay        # refaz a partir da evidência guardada

PYTHONPATH=src python3 -m cldf.presenca               # coleta as presenças em plenário (2020-2026)
PYTHONPATH=src python3 -m cldf.presenca --replay      # refaz a partir da evidência guardada

Só é preciso Python 3.12. Nenhuma biblioteca externa — o programa inteiro usa apenas a biblioteca padrão, para que quem audita um número consiga ler todas as linhas que o produziram.

Se os seus números derem diferente

verify responde à pergunta que decide tudo: a API mudou, ou este projeto errou?

O arquivo ../raw-manifest.json guarda o hash de cada resposta que este projeto recebeu. verify refaz as consultas e compara. Se ele disser que nenhuma resposta que alimenta as tabelas mudou, então as tabelas têm de bater byte a byte — e se as suas não baterem, o erro é deste projeto e a evidência para encontrá-lo está aqui.

Duas coisas que verify trata como não sendo mudança de dado, e por quê:

• A ordem das chaves no JSON da API varia entre execuções. Na primeira reprodução completa, 40 de 66 respostas mudaram em bytes sem mudar em conteúdo. O veredito é dado sobre o conteúdo (sha256_canonico), não sobre os bytes literais.
• O total geral da base da CLDF muda o tempo todo. Ele subiu de 155.965 para 155.971 durante a própria sessão que gerou estas tabelas. Isso não afeta 2024 e não é tratado como falha; consultas que alimentam as tabelas publicadas estão marcadas com fonte_das_tabelas: true no manifesto.

Reprodutibilidade byte a byte

Os .csv e os .xlsx são reproduzíveis byte a byte: exportar duas vezes os mesmos dados gera arquivos com o mesmo SHA-256. Isso exigiu escrever o .xlsx à mão, porque um .xlsx é um ZIP que normalmente carrega a hora em que foi criado — e um arquivo que carrega "agora" nunca é igual a si mesmo.

Nenhum arquivo publicado aqui contém data ou hora interna. As datas ficam neste texto, onde não custam nada.

Verificado de novo em 27/08/2026, com o dataset 2. O acervo local foi apagado, reconstruído apenas a partir das 45.917 respostas guardadas em data/raw/ — sem nenhuma chamada de rede — e reexportado: proposicoes-honorificas-comemorativas-e-mocoes.csv e .xlsx saíram idênticos byte a byte aos publicados aqui. As nove tabelas anteriores também não mudaram um único byte.

Dataset 8 — emendas à LOA por deputado e partido, e as duas coisas que a tabela não é

Arquivos: emendas-loa-por-deputado, emendas-loa-por-deputado-e-ano, emendas-loa-cobertura. 3.286 emendas, exercícios 2023–2026, lidas do Painel de Emendas Parlamentares do Portal da Transparência da CLDF — um relatório Power BI publicado pela Câmara, o segundo que este projeto lê.

Por que este dataset existe agora, se a OS-013 disse que não podia existir

A OS-013 leu a API JSON e achou a emenda sem autor (1.242 de 1.242), o autor sem partido (227 de 227) e nenhum bloco. Tudo isso continua verdadeiro para a API. O painel é outra superfície, e nela cada emenda vem com NO_PARLAMENTAR e NO_PARTIDO. O que mudou foi onde se olhou.

O que status_execucao é, e o que não é

O roteiro pede acatadas, rejeitadas, prejudicadas. Essa informação não está aqui. O painel diz se a emenda está ATIVO ou CANCELADO na execução orçamentária — outra pergunta. A API tem o domínio de status legislativo (Rejeitado(a), Prejudicado(a)…) mas não tem o deputado. Nenhuma superfície pública da CLDF liga as duas coisas, e esta tabela não finge que liga.

Antes de somar por partido, leia isto

partido é o rótulo atual do painel para o parlamentar, não o partido na data da emenda. Oito parlamentares aparecem como GDF — Agaciel Maia, Arlete Sampaio, Cláudio Abrantes, Fernando Fernandes, José Gomes, Júlia Lucy, Leandro Grass, Rafael Prudente — e todas as emendas deles na janela estão canceladas. Estão publicados exatamente como o painel os publica.

Os valores são as medidas do painel, não a soma das linhas

vl_lei_alteracao, vl_empenhado, vl_bloqueado, vl_disponivel são as medidas DAX que a página mostra. A soma da coluna VL_EMENDA das linhas de fato discorda delas em 260 de 1.024 emendas de 2023 e não é publicada. registros_na_fonte diz sobre quantas linhas a medida foi calculada. Detalhe: docs/specs/DESIGN-dataset8.md §3.

Cobertura

O painel traz 2021 a 2026; publicado 2023 a 2026, por decisão do operador (OS-051). Os dois exercícios de fora estão contados em emendas-loa-cobertura. as_of = lastRefreshTime do modelo, 2026-09-01.

Dataset 13, segunda leitura — todas as sessões que o painel nomeia, e o que "sem presença" não quer dizer

Arquivo: sessoes-plenarias-por-sessao. 1.259 sessões, 2020–2026, lidas da dimensão DM_SESSAO do Painel de Votação — 1.264 linhas na dimensão, 5 sentinelas da própria fonte (códigos negativos, data 1900-01-01) excluídas e contadas. A tabela de 2 linhas lida das Listas de Presença em PDF (sessoes-plenarias-quorum, OS-018) continua publicada ao lado; as duas sessões que ela cobre conferem com esta em presentes (21 e 8), e a exportação recusa divergência.

presenca_registrada = nao não é "cancelada por falta de quórum"

O roteiro pede sessões previstas, realizadas, canceladas por falta de quórum. O painel tem status_sessao ABERTA ou FECHADA e nada mais — nenhuma coluna diz "prevista" nem "cancelada". O que a tabela diz é: 961 sessões têm presença registrada (FT_PRESENCA) e 298 não têm. Das 298, 294 são sessões solenes (2025 e 2026), para as quais o painel não registra presença; 4 são ordinárias ou extraordinárias sem registro. Uma sessão sem presença registrada é uma sessão sobre a qual a fonte cala, não uma sessão que não houve.

quorum_atingido é derivação, e fica vazia quando não há o que derivar

sim quando presentes ≥ 13 de 24 (maioria absoluta, LC nº 13/1996, art. 20, II); nao quando há presença registrada e ela fica abaixo; vazia quando não há presença registrada. Nas 961 com registro: 752 atingiram, 209 não. presentes conta parlamentares distintos; o painel traz mais de uma linha para 1.489 pares (achado F-041), e isso não muda a contagem.

Uma linha traz tipo_sessao = CODIGO 4

A dimensão de tipos do painel nomeia nove códigos; a sessão 2021, remota, traz o código 4, que a dimensão não nomeia. Publicado como código, não como palavra inventada.

Dataset 1, segunda superfície — o Painel de Proposições, e por que 5.099 e 4.932 são o mesmo ano

Arquivos: proposicoes-painel-conferencia, proposicoes-painel-tema, proposicoes-painel-autoria. 19.503 proposições, 2023–2026, lidas do Painel de Proposições do Portal da Transparência — o terceiro relatório Power BI que este projeto lê. O dataset 1 continua sendo o que a API JSON diz; estas tabelas ficam ao lado dele, não no lugar.

A diferença de 2024 é de ano, não de cobertura

Para 2024 a API tem 4.932 proposições e o painel tem 5.099. A chave é o identificador interno da proposição, o mesmo nas duas superfícies (19.392 pares conferidos: mesmo PROPOSICAO, mesma DATA_LEITURA). Casando por ele, a diferença se decompõe inteira: 4.885 estão nas duas em 2024; 214 estão no painel em 2024 e na API em 2025; 45 estão na API em 2024 e no painel em 2023; 2 estão só na API. Nenhuma proposição de 2024 está só no painel. O ano da API é o ano do número (PL 971/2024); o ANO do painel é a coluna da dimensão dmProposicao, que em 293 proposições da janela é um ano antes do ano do número — o que essa coluna significa, a CLDF não diz em lugar nenhum que este projeto alcance. A tabela de conferência mostra os dois lados; ninguém foi ajustado.

O que mais a conferência diz

• 111 proposições de 2026 estão só no painel — todas lidas pela CLDF depois de 2026-08-20, a última data de leitura que a coleta da API alcançou (o painel foi atualizado em 2026-09-01). É a idade da coleta, não uma lacuna.
• 17 proposições estão só na API (15 de 2023, 2 de 2024): o painel não as traz. Publicado como está; não sabemos por quê.
• A coluna so_no_painel_ausente_da_api é 0 em todas as linhas.

tema e tipo_autor

dmTema classifica cada proposição em um ou mais de 48 temas (Saúde, Educação, Trânsito…); a API JSON não tem essa classificação. dmAutor.tipo_autor diz se o autor é PARLAMENTAR, ORGAO_EXTERNO, UNIDADE_INTERNA, INICIATIVA_POPULAR ou SUGESTAO_LEGISLATIVA; a API traz o nome, não o tipo. Uma proposição (QO 3/2025) não tem tema nem autor no painel. ano nessas duas tabelas é o do painel. as_of = lastRefreshTime do modelo, 2026-09-01. Detalhe: docs/specs/DESIGN-proposicoes-painel.md.

Produção e resultado por deputado — uma linha por deputado, e o que ela não é

Arquivos: producao-por-deputado, deputados-chave. 25 deputados distritais da 9ª Legislatura (2023–2026): quem consta como autor de ao menos uma proposição do período na API JSON. Nenhuma coluna é uma leitura nova: cada uma é a re-soma de uma tabela já publicada aqui, no mesmo período, e provenance.json → deputados diz quais conferências passaram antes de o arquivo ser escrito. Zero consultas à CLDF.

O que cada grupo de colunas soma

• apresentadas, ind/req/moc/pl/pdl/plc/pelo/pr/outras_especies, aprovadas, rejeitadas, pendentes, nao_se_aplica, inclassificavel: proposicoes-apresentadas-e- aprovadas-por-autor, somada por deputado. Uma proposição em coautoria conta para cada autor, como o dataset 1 já faz. aprovada = aprovada pela Casa, nunca "virou lei".
• deliberadas_com_data, dias_mediana_ate_deliberacao: o relógio do dataset 12 (data de leitura → marcador terminal) sobre as aprovadas e rejeitadas com data; mediana de posto mais próximo, então toda mediana publicada é a duração real de uma proposição real.
• emendas_gabinete e os desfechos (aprovadas, rejeitadas, nao_apreciadas, prejudicadas, retiradas, sem_desfecho): as emendas que o gabinete protocolou (documento do tipo Emenda, unidade GAB DEP …, data do documento no período) pelo desfecho estrutural do documento — nenhuma leitura de prosa. São as emendas do deputado a projetos de qualquer autor, não as emendas recebidas pelos projetos dele.
• sessoes_presente, sessoes_registradas, primeira_sessao, ultima_sessao, partidos_no_periodo: frequencia-deputados-em-plenario-por-ano, somada. O denominador é o que o Painel de Votação registra (547 sessões no período), não o calendário. Os partidos vêm como o painel os grava, sentinelas incluídas (INVÁLIDO, NÃO INFORMADO).
• loa_emendas, loa_canceladas, loa_vl_lei, loa_vl_empenhado, loa_vl_bloqueado, loa_vl_disponivel: emendas-loa-por-deputado, somada ao centavo. As 169 emendas sob nomes GDF não entram em nenhuma linha e são contadas em provenance.json.
• ccj_pareceres, ccj_admissivel, ccj_admissivel_com_ressalva, ccj_inadmissivel, ccj_outro_veredito: quantos pareceres da CCJ (pela regra do dataset 3 — a comissão lida na cláusula do próprio parecer, nunca pelo cabeçalho) recaíram sobre proposições que o deputado assina. 419 pareceres no período, 29 deles inadmissivel; 75 recaem sobre proposições sem deputado signatário (Executivo, Mesa, comissões) e não entram em linha nenhuma.

Antes de ordenar por qualquer coluna, leia isto

Não é ranking, e a tabela não normaliza por tempo de mandato. O acervo não tem calendário de licenças e suplências; um deputado que assumiu depois ou saiu antes tem contagens menores, e a tabela mostra isso pelas datas (primeira_sessao, ultima_sessao) em vez de corrigir. Rafael Prudente está na tabela com uma indicação, dez emendas à LOA canceladas a zero e nenhuma sessão: a linha fica, e deputados-chave diz em quantas fontes ele aparece (2 de 4).

Contagens, nunca taxa. As colunas ccj_* são as primeiras por deputado derivadas de uma leitura de prosa, e por isso vêm com o denominador ao lado e sem nenhuma divisão: uma taxa sobre verdict_prosa é o gatilho registrado do projeto, testado aqui contra um candidato real e deliberadamente não disparado. A exportação recusa uma coluna cujo nome prometa percentual e qualquer número quebrado numa coluna de contagem.

deputados-chave

O mesmo nome está escrito de quatro jeitos: Deputado Fábio Felix (API), FÁBIO FELIX (Painel de Votação), FÁBIO FELIX (Painel de Emendas), GAB DEP FÁBIO FÉLIX (cabeçalho do documento). A chave é sem acento, em maiúsculas, sem o prefixo de cada fonte, e com uma abreviação declarada (PR DANIEL DE CASTRO → PASTOR DANIEL DE CASTRO). As quatro colunas de nome trazem a grafia original; vazia = a fonte não tem esse deputado no período. Detalhe: docs/specs/DESIGN-deputados.md.

Ausência e frequência — o voto que não foi dado e a sessão a que não se foi

Quatro arquivos, e uma advertência antes de todos: este projeto não publica veredito. A norma que define o limite de faltas ressalva expressamente licença, afastamento, ausência justificada ou missão autorizada, e nenhuma fonte pública que este projeto alcança traz esse registro. No que está aqui, uma falta e uma licença são a mesma linha. As tabelas dão os números; a conclusão é de quem lê, com essa ressalva à vista. A norma, artigo por artigo, está em docs/specs/NORMA-frequencia.md; a derivação, em docs/specs/DESIGN-frequencia.md.

Verba indenizatória: o gasto de gabinete, e as duas contas que a CLDF publica dele

A verba indenizatória é o recurso que a Casa repassa para custear os trabalhos dos gabinetes — locação de imóvel e de veículo, combustível, material, consultoria, divulgação. A CLDF publica esse gasto em dois lugares, e eles não dizem a mesma coisa.

verba-indenizatoria-por-deputado-e-mes — o Quadro Demonstrativo

É a consolidação da própria Casa, lida do painel que ela publica na página de Verbas Indenizatórias do Portal da Transparência. Uma linha por deputado e mês, nas nove rubricas que a CLDF usa, com o teto mensal autorizado ao lado do gasto.

R$ 10.608.419,85 gastos na 9ª Legislatura, contra R$ 19.922.934,96 de teto autorizado.

Em 24 das 1.008 linhas a soma das nove rubricas não é o total que o painel mostra. Os dois números estão publicados lado a lado e a coluna rubricas_somam diz quando não batem. É um fato sobre a fonte, não um erro consertado aqui.

verba-indenizatoria-por-comprovante — as notas

2.226 comprovantes, um por linha, com fornecedor, CNPJ, número, data, valor e a classificação como a fonte a escreveu. A fonte usa 64 grafias diferentes para as mesmas nove rubricas — só "combustível" aparece em cinco — e deixa 74 células em branco. Este projeto não normaliza essa coluna: a rubrica normalizada já existe e é a da própria Casa, na tabela acima.

Nenhum CPF é publicado, nem do deputado nem do prestador, embora a fonte traga os dois. Um CPF público numa planilha é uma coisa; consolidá-lo numa tabela feita para ser baixada e cruzada é outra. O CNPJ do fornecedor É publicado — é registro de empresa e é o que identifica quem recebeu — mas só quando os seus dígitos verificadores conferem, e a célula bruta da fonte não sai: em 19 linhas ela traz um CPF, e o que se publica no lugar é forma_do_registro_na_fonte, que diz o que a célula era sem repetir o número.

Uma linha publica uma data que este projeto não corrige e um mês que ele não afirma. O comprovante 6469 traz data = 1907-01-17 numa linha cujo próprio ano é 2023 — 116 anos de distância. A data continua publicada exatamente como veio: este projeto não corrige fonte, e pode ser o que o papel diz. O que saiu foi o mes, que não é da fonte — era este projeto que o derivava da data — e que publicava 1907-01, uma competência que fonte nenhuma declara. A célula está vazia e a linha é contada (data_fora_do_ano_declarado). O recibo de R$ 718,00 segue publicado, com valor, fornecedor e CNPJ.

O contorno da regra foi medido, não arbitrado. Sobre os 2.226 comprovantes, a distância entre o ano da data e o ano da linha é: +0 em 2.107, +1 em 19, −1 em 1 e −116 em 1. A população ±1 é contabilidade ordinária — 13 comprovantes de janeiro/2024 arquivados sob o ano-verba de 2023, uma despesa de dezembro paga em janeiro — e mantém o seu mês. Só a distância maior que um ano esvazia a célula.

conferencia-verba-comprovantes-x-quadro — o achado

Comparando as duas publicações, por deputado e mês:

• 100 de 1.012 pares batem ao centavo.
• 729 existem só no Quadro — meses inteiros de gabinete cujo gasto a Casa consolida e para os quais nenhuma nota foi publicada.
• 4 existem só nos comprovantes. Eram cinco: a quinta era IOLANDO, 1907, 1 — uma competência que só existia porque este projeto a derivava da data acima, e que saiu com ela.
• Somados, os comprovantes publicados são R$ 3.984.937,03: 37,6 % do que a Casa consolida.

Um mês sem nota publicada aparece com a coluna vazia, nunca com zero. Zero diria que o gabinete não gastou; o que a fonte diz é que nada foi publicado.

verba-indenizatoria-fornecedores — quem recebeu

233 fornecedores, agrupados pelo CNPJ, com todas as grafias que a fonte usa para cada registro (nenhuma escolhida como canônica). 81 deles atendem mais de um gabinete.

O agrupamento é aritmético e não tipográfico, e isso não é preciosismo: a primeira versão completava todo CNPJ com zeros à esquerda, e com isso juntou o Auto Posto Andrade com o Posto Colina, e o Facebook com uma locadora de vídeo, sob um mesmo "fornecedor". A regra final verifica os dois dígitos verificadores do próprio CNPJ — o que recupera 746 registros cujos zeros à esquerda uma coluna numérica tinha perdido, e recusa os 100 valores que não são registro nenhum.

As duas colunas de data — corrigidas na v0.27.1, e vale dizer o que estava errado. primeiro_comprovante e ultimo_comprovante saem só de datas que a fonte escreveu como data (AAAA-MM-DD): 2.128 dos 2.226 comprovantes. A fonte escreve os outros 98 como texto livre cortado em dez caracteres — 3/31/2026, 01 de sete (cortado no meio da palavra), 31/052026 — e um deles é TOTAL GERA, o rótulo da linha de total da própria planilha. Esses 98 não entram em nenhuma das duas pontas. Um fornecedor cujos comprovantes não tragam nenhuma data legível publica as duas células vazias — são 2 dos 233. Célula vazia aqui quer dizer «a fonte não escreveu uma data que dê para ler», nunca «não houve comprovante»: a coluna comprovantes continua inteira.

Até a v0.27.0 estas duas colunas eram o menor e o maior texto daquela coluna, o que é uma comparação alfabética entre coisas que não são datas — e como letra ordena depois de dígito, a linha sem CNPJ publicava ultimo_comprovante = TOTAL GERA. Nove das 233 linhas mudaram. Nada foi adivinhado: ler 3/31/2026 exigiria decidir que o primeiro campo é o mês, e a fonte não diz isso em lugar nenhum. É a mesma recusa de prazo_dias, dos dois meses de 0 bytes das diárias e das 13.245 células de rótulo vazias do orçamento — este projeto publica vazio antes de publicar palpite.

A derivação inteira, com o guard e as medições, está em docs/specs/DESIGN-verba.md.

Diárias, e a parte da ausência que passa a ter nome

Até aqui este projeto descrevia o que um deputado produz e onde ele está. Não descrevia um único real do que ele custa. Estas quatro tabelas abrem esse eixo, e a primeira coisa que elas fazem é fechar — em parte — o maior limite declarado da tabela de frequência.

frequencia-em-sessoes-ordinarias não tem coluna de veredito porque o art. 19, grupo II, do Código de Ética ressalva do limite a "licença, afastamento, ausência justificada ou missão autorizada pela Câmara Legislativa", e nenhuma fonte alcançável publicava esse registro. A folha de diárias publica uma parte dele: cada pagamento nomeia um período de afastamento e o Ato da Mesa Diretora que o autorizou.

diarias-por-beneficiario

Um pagamento por linha, como a CLDF o publica no seu portal de dados abertos: 163 pagamentos, R$ 1.090.115,28, de 2023 a 2026. 44 a deputados e 119 a servidores, consultores, assessores e diretores — a diária é da Casa, não do gabinete, e a tabela publica as duas coisas.

Três colunas da fonte são texto livre e foram lidas por este projeto, com o texto original ao lado de cada leitura:

• o período — 01/02 a 08/02/2026 é um intervalo, mas 24/06 e 07/07/2025 são dois dias, não seis semanas. A coluna periodo_forma diz qual dos dois (ou data_unica, ou ilegivel). Duas linhas têm período ilegível e não cobrem nada.
• o valor — a fonte escreve R$ 20.443,50 num lugar e 13880.25 no outro; há uma devolução negativa. Uma célula ilegível deixa a coluna vazia, nunca vira zero.
• a quantidade — 3 diárias e meia, meia diária, e a grafia diárais. Uma não foi legível.

ausencias-e-afastamento-autorizado

A partição, por deputado e sessão legislativa: 93 das 3.586 faltas às ordinárias da 9ª Legislatura — 2,6 % — caem dentro de um período de afastamento autorizado por Ato da Mesa.

Leia o nome da terceira coluna com cuidado. ausencias_sem_cobertura_conhecida é o que a fonte não explica, não o que é injustificado. A diária cobre missão oficial e mais nada: não é licença médica, não é licença para tratar de interesse particular, não é licença-maternidade, não é luto, não é ausência justificada — e nenhuma dessas tem fonte pública consolidada. Os outros 3.493 casos continuam exatamente tão indeterminados quanto estavam.

Dezessete dos 24 deputados receberam ao menos uma diária; sete não receberam nenhuma, e as linhas deles trazem zero na coluna do meio — o que não diz nada sobre as faltas que têm.

ordinarias-em-afastamento-autorizado

A tabela em que a coluna acima se confere linha a linha: cada sessão ordinária que caiu dentro de um período autorizado, com a data, o Ato da Mesa, o destino e o motivo que a própria CLDF publicou. São 102, e em 9 delas o deputado compareceu assim mesmo (presente = sim). Essas nove não contam como falta coberta — não houve falta a cobrir — e estão aqui porque são a prova de que a cobertura não é mecânica.

conferencia-diarias-planilha-x-portal-de-dados

A mesma folha de diárias é publicada em dois lugares: uma planilha por mês no Portal da Transparência e um recurso estruturado no portal de dados abertos, que é a fonte das três tabelas acima. Esta tabela compara as duas, mês a mês, no ano corrente.

Seis dos sete meses legíveis batem ao centavo — inclusive contra o total que a própria planilha imprime na última linha. Os outros três casos estão publicados em vez de omitidos:

• abril e julho de 2026 — o portal lista o arquivo do mês e serve zero bytes. O mês não foi conferido, e linhas_na_planilha = -1 diz isso em vez de fingir um mês sem diárias.
• agosto de 2026 — as duas publicações discordam duas vezes: o portal de dados traz uma quarta linha (R$ 1.300,00) que a planilha não tem, e para uma linha que ambos têm eles declaram quantidades diferentes de diárias (4 diárias e meia contra 2 diárias e meia) pelo mesmo valor. É um fato sobre a fonte. Não foi corrigido aqui.

A conferência cobre o ano corrente e mais nada — a página serve um ano por vez, e o denominador está dito na regra da tabela em vez de ficar implícito.

O nome, pela quinta vez

As outras quatro fontes escrevem o nome parlamentar; as diárias escrevem o nome civil completo — e não de forma consistente: seis dos dezessete deputados que receberam diária aparecem sob duas grafias na mesma fonte (Martins Machado e Marcos Martins Machado; Doutora Jane e Jane Klebia Reis). deputados-chave ganhou a coluna nome_nas_diarias com todas as grafias, e cada equivalência está declarada no código, nunca inferida por semelhança. A coluna fontes continua contando quatro: as diárias são fonte de pagamento, não de produção, e um deputado que nunca viajou não tem cobertura menor por isso.

A derivação inteira, com o guard e as medições, está em docs/specs/DESIGN-diarias.md.

ausencias-em-votacoes-nominais e ausencias-por-votacao-nominal

votos-nominais-por-deputado mostra 9.068 votos dados. Falta o outro lado, e é este: o deputado constava presente na sessão daquele dia e não registrou voto. São 1.606 casos em 10.637 oportunidades, ao longo das 482 votações nominais de 2023 a 2026 — de 28 em 459 a 118 em 388, conforme o deputado.

Duas colunas de denominador, de propósito:

• votacoes_nominais_presente / presente_e_nao_votou — a medida defensável: ele estava na Casa.
• votacoes_nominais_da_sessao_legislativa / nao_votou — todas as nominais do período, presente ou não. É o número que a maioria presume; mistura falta à sessão com falta ao voto, e está aqui para que a mistura seja visível em vez de suposta.

Abstenção é voto e tem coluna própria. Deixar de registrar não é abster-se.

O que não dá para medir, e é a maior parte: das votações do período, 2.888 são simbólicas, e nelas o painel guarda uma única linha-marcador sem nome de deputado nenhum. Em 85 % das votações, portanto, a ausência não é mensurável — não porque este projeto tenha escolhido não medir, mas porque a fonte não registra.

frequencia-em-sessoes-ordinarias

Já existe frequencia-deputados-em-plenario-por-ano, que divide pelo ano civil sobre todos os tipos de sessão. A norma não faz isso: ela conta sessões ordinárias dentro de cada sessão legislativa (107, 108, 124 e 68, contra 139, 157, 167 e 84). São denominadores diferentes, e só o segundo pode ser comparado ao limite da norma. Esta tabela usa o segundo; a outra continua onde está.

limite_regimental é o menor número de faltas que alcança a terça parte das ordinárias daquele período — o limite do art. 19, grupo II do Código de Ética da CLDF (Resolução nº 341/2024). Ele é publicado como número, ao lado das faltas. Não há coluna dizendo se o deputado passou dele, pela razão do parágrafo de abertura.

E a resposta depende do denominador — os dois estão na mesma linha porque escolher um seria escolher a conclusão pelo leitor:

O recesso não conta como falta. O Regimento (art. 4º, I) marca os períodos legislativos de 1º de fevereiro a 30 de junho e de 1º de agosto a 15 de dezembro; o denominador são as ordinárias efetivamente realizadas, então julho e a virada do ano saem sozinhos. Medido: das 407 ordinárias, 0 caem fora desses períodos.

Ninguém desta legislatura teve mandato parcial. Os 24 deputados aparecem pela primeira vez em 2023-02-01 e todos os 24 nas três semanas finais da coleta. Uma contagem baixa aqui não se explica por ter assumido tarde ou saído cedo.

sessoes-ordinarias-por-dia-da-semana

A tabela que evita a leitura errada de todas as anteriores. Das 407 ordinárias, 123 não reuniram os 13 deputados da maioria absoluta e 3 não registraram presença alguma — e isso não está espalhado por igual:

A terça-feira se sustenta nos quatro anos. A quinta-feira deixa de reunir. Em 2025 a Casa passou a registrar duas ordinárias na mesma quinta em 16 datas, e em ambas comparecem de 1 a 5 pessoas.

---

A cadeia da despesa (OS-061)

Seis tabelas. Quatro são as superfícies que a própria CLDF publica, uma é a aritmética entre elas, e uma é o credor.

O que você pode perguntar a estas tabelas

"Chegou tudo o que estava previsto?" Não. Em 8 dos 60 meses o repasse recebido difere do previsto, e o acumulado 2022–2026 é de −R$ 62.705.553,92. Três das oito diferenças são grandes e caem todas em dezembro — 2023 sozinho é −R$ 70,0 milhões. As outras cinco são de um a dois centavos. A coluna diferenca_recebido_previsto traz cada uma.

"As contas da própria fonte fecham?" Em 55 dos 60 meses, sim. Em 5, as três rubrigas publicadas não somam o total publicado ao lado delas. A coluna rubricas_somam_o_total diz quais, e o total continua sendo o da fonte — nós não o recalculamos.

"Por que o liquidado às vezes é maior que o empenhado?" Porque são estágios, não somas. O que se empenha em março se liquida em abril, e a tabela é mensal. A desigualdade empenhado ≥ liquidado ≥ pago vale nos cinco anos e falha em 42 dos 55 meses — isso é calendário, não inconsistência. Nunca some as três colunas: elas são o mesmo dinheiro em três momentos, e somá-las triplica o gasto da Casa.

"A Casa paga na ordem?" O art. 141 §1º manda pagar por ordem de exigibilidade e justificar por escrito quando essa ordem é quebrada. A fonte publica a coluna dessa justificativa e ela está vazia nas 6.313 linhas. Então derivamos, das duas datas que a fonte publica, quantas obrigações mais antigas cada pagamento ultrapassou: 3.860 das 6.313 ordens (61 %) ultrapassaram ao menos uma, 36.641 ultrapassagens no total.

Leia essa coluna com estes quatro limites, que são nossos e estão escritos antes do número: a coluna se chama ultrapassagem e não irregularidade — a lei admite exceções que o arquivo não marca; a regra vale dentro de uma fonte de recursos e uma categoria, e 6.310 das 6.313 linhas estão numa única fonte, o que torna esse recorte quase inócuo; liquidações do mesmo dia não contam como ultrapassagem; e uma ordem perto do fim da janela tem menos pagamentos posteriores para ultrapassar, então 2026 conta menos por ser recente, não por ser mais ordeira.

"Quanto do dinheiro dá para ver em detalhe?" Pouco. As notas de empenho somam 13 % a 27 % do empenhado do ano; as ordens bancárias, 10,7 % a 17,1 % do pago. O motivo é que os dois registros detalhados cobrem despesa contratual, e o grosso do gasto da Casa é folha, que só aparece agregada — sem contraparte, sem objeto e sem data. Não publicamos essa fração como coluna: numerador e denominador estão em conferencia-da-cadeia-da-despesa e a divisão é sua.

"Quem fornece à Casa pelas duas portas?" Três, e as três são concessionárias: Neoenergia, Caesb e Telefônica. Cruzamos os 572 credores do contrato central com os 232 fornecedores de gabinete do OS-060, por CNPJ verificado no dígito. As duas economias quase não se tocam, e essa quase-ausência é o resultado.

"E o empenho, dá para ligar ao pagamento?" Não por chave. O arquivo de empenhos publica o credor como nome puro — nenhum CNPJ — e o de pagamentos publica o registro. A ponte por credor não existe na fonte, então a conferência entre os dois estágios é por ano, que é chave sólida.

Sobre CPF

Nenhuma tabela deste acervo publica um identificador pessoal. Desde esta versão, toda célula de toda tabela passa por uma redação antes de ser escrita, e o exportador se recusa a escrever se sobrar algum. Onde a fonte trazia um CPF ou um RG, você lê [redigido] — o nome permanece, porque numa Moção de louvor o nome é o objeto do ato público; o número ao lado dele não é.

Isso corrigiu, nesta versão, quatro tabelas que já estavam publicadas: duas traziam CPF e RG de dois cidadãos privados dentro do texto de uma ementa, e duas traziam CPF dentro do nome de fornecedores. Os bytes dessas quatro tabelas mudaram por essa razão e por nenhuma outra.

A contratação (OS-063) — como a Casa compra, com quem contrata, e quem ela já puniu

Seis tabelas, de seis arquivos que a CLDF publica no seu portal de dados abertos. Elas não se ligam entre si, e essa é a primeira coisa a saber antes de usá-las.

O que você pode perguntar a estas tabelas

"Quanto a Casa economizou nas licitações?" Nos procedimentos que chegaram a adjudicar, R$ 268.829.253,65 estimados viraram R$ 210.570.407,23 adjudicados — diferença de R$ 58.258.846,42. A coluna economia_calculada é essa subtração, linha a linha, e você pode refazê-la com as duas colunas ao lado.

"E os procedimentos que não adjudicaram nada?" São 70 — 34 dispensas e 36 licitações (23 com R$ 0,00 publicado e 13 sem valor nenhum). Para eles a coluna de economia fica vazia. Um pregão fracassado não economizou o valor estimado: ele não comprou. A fonte discorda disso em uma linha, e nós publicamos a discordância em vez de escolher um lado — ver abaixo.

"A conta da própria fonte fecha?" O arquivo de dispensas publica a economia dele. Das 160, 124 batem com estimado − adjudicado ao centavo (economia_confere = sim) e 33 ficam em branco — são as fracassadas, em que nem a fonte nem nós publicamos economia, e onde não há o que conferir. Nas outras 3, economia_confere diz não: duas em que a subtração da fonte simplesmente não fecha (uma erra por R$ 0,23, outra por R$ 4.108,56) e uma dispensa fracassada à qual a fonte atribui R$ 1.200,00 de economia sem ter adjudicado nada.

"Dá para ligar uma licitação ao contrato que ela gerou?" Não. contratos não publica número de processo e licitacoes não publica número de contrato. A cadeia procedimento → contrato → pagamento está partida na própria fonte, e nenhuma coluna nossa a remenda. O que dá para ligar é o processo entre licitações e compras (167 das 340 compras têm processo que aparece também na tabela de procedimentos) e o CNPJ entre contrato e pagamento.

"Quem tem contrato com a Casa, e recebeu?" São 288 CNPJs distintos em 395 contratos. 246 deles receberam ao menos uma ordem bancária no contrato central (OS-062) — mas leia a próxima frase antes de dividir: a ordem bancária foi paga àquela empresa, não necessariamente sob aquele contrato. Não existe chave que diga sob qual contrato um pagamento saiu.

"Quem fornece à Casa pelas duas portas?" As mesmas três concessionárias que o OS-062 já tinha achado — Neoenergia, Caesb e Telefônica —, agora com contrato do lado. Nenhum fornecedor de gabinete a mais aparece contratado.

"E as empresas punidas?" São 11. 2 têm contrato com a Casa (AFEFE Turismo e CAMOA Serviços Telecom) e 3 receberam ordem bancária. A tabela publica o nome, o CNPJ, a sanção inteira e esses números — e nenhuma coluna de veredito. A sanção pode ser posterior ao contrato, pode ter sido reconsiderada (uma delas foi, de 24 para 18 meses de impedimento) e o impedimento vincula uma esfera que estes arquivos não delimitam. O número está ao lado do nome; a leitura é sua.

O CNPJ que não confere, e por que ele importa

O CNPJ só é publicado quando os dois dígitos verificadores conferem: 381 dos 395 contratos. Dos outros 14, o mais instrutivo é a CEB Distribuição, que aparece em duas linhas com 07.552.669/0001-92. O CNPJ que recebe 59 ordens bancárias da Casa é 07.522.669/0001-92 — dois dígitos trocados. Confiar na string teria ligado o contrato a nenhum pagamento, e um "quase igual" teria ligado à empresa errada. Os outros: dois registros truncados no último dígito, um CPF na coluna de CNPJ (a mesma classe dos 19 que o OS-060 achou — não publicamos, nem inteiro nem em pedaços), uma célula com sete registros de um acordo multipartes, e seis órgãos públicos que o arquivo nomeia sem registro nenhum. forma_do_registro diz qual é o caso de cada linha.

Gestor e fiscal

As colunas gestor, fiscal_tecnico e fiscal_administrativo trazem nomes de servidores, como a fonte os escreve. São pessoas nomeadas em função pública num registro público — a mesma postura que este acervo já toma com o nome de deputado. Não há normalização, chave nem tabela de nomes: quem quiser contar contratos por fiscal terá de decidir sozinho se duas grafias são a mesma pessoa.

O que nenhuma destas tabelas diz

Não dizem se um preço é alto, se uma dispensa deveria ter sido licitação, nem se um contrato com empresa sancionada é irregular. Nenhum dos seis arquivos carrega o que seria preciso para dizer qualquer uma dessas coisas. As duas divisões que estes números mais convidam — a economia como fração do estimado, e a fatia do contratado que virou pagamento — não são publicadas como coluna: numerador e denominador estão nas tabelas, e a divisão é sua.

A classificação orçamentária (OS-064)

O OS-062 publicou o que a Casa pagou. O OS-063 publicou com quem ela contratou. Nenhum dos dois diz para quê. Cinco tabelas respondem isso, e uma delas responde com uma coluna vazia de propósito.

Sobre 2022–2026, em 3.238 linhas: R$ 3.396.739.847,18 empenhados, R$ 3.110.613.426,37 liquidados e R$ 3.104.894.861,51 pagos. A função 1 (legislativa) leva R$ 3.224.475.788,45 e a função 28 (encargos especiais) R$ 155.358.239,22. Uma única subfunção — a 122, administração geral — leva R$ 2.885.302.994,10, e esses dois números estão publicados lado a lado exatamente para que a divisão seja sua e não nossa.

O detalhamento fecha com o total — e isso é notícia

conferencia-classificacao-x-total faz a pergunta que nenhuma outra tabela deste acervo faz: a soma do detalhamento que a Casa publica bate com o total que a Casa publica?

Bate ao centavo. 55 meses × 3 estágios = 165 comparações, 0 diferenças. Este projeto costuma achar o contrário, e é justamente por isso que a concordância está publicada em vez de suposta: quem quiser saber se os dois arquivos da CLDF são consistentes agora tem a resposta com data, e uma execução futura que deixe de bater interrompe a publicação em vez de publicar a diferença caladamente.

As colunas de rótulo estão vazias, e o vazio é o achado

A CLDF publica Função 1, Subfunção 31, Natureza 339030, Fonte 100 — e rótulo nenhum para nenhum deles. Foi decidido publicar rótulo em vez de código nu, e o rótulo foi então procurado em cinco fontes, sem sucesso:

Então 339030 é publicado como 339030. Nenhum rótulo é inventado, deduzido ou digitado de memória — o registro completo do que foi tentado está em ../norms/PROVENANCE.md. Consulte os códigos na Portaria MOG nº 42/1999 (função e subfunção) e na Portaria Interministerial STN/SOF nº 163/2001 (natureza).

O que está publicado ao lado do código e NÃO é rótulo: a separação posicional dos dígitos, que a Portaria 163/2001 define por posição. 339030 é 3 · 3 · 90 · 30. Isso é aritmética sobre um código, não uma palavra sobre ele.

A natureza mudou de largura em julho de 2025 — leia antes de agrupar

Este é o aviso mais prático desta seção. A CLDF escreve a natureza em seis dígitos até junho de 2025 e em oito de julho de 2025 em diante:

Medido: todos os 36 códigos de oito dígitos são um código de seis que a fonte também publica com 00 no fim; 0 ficam órfãos; e nenhum mês carrega as duas larguras. Ou seja: os 72 valores distintos são 36 naturezas em duas grafias. Quem agrupar pela coluna natureza ao longo do período inteiro vai obter 72 grupos onde a Casa nomeia 36 coisas — e cada natureza vai aparecer partida em duas, com 2025 dividido ao meio.

Use natureza_em_seis_digitos para agrupar. Ela está publicada ao lado da grafia da fonte, não no lugar dela.

Transferências voluntárias: 60 meses, todos zero

transferencias-voluntarias-recebidas publica 60 meses de 2022 a 2026 e todos os valores são zero. O conjunto existe, a Casa o mantém, e o que ele diz é que a CLDF não recebeu transferência voluntária nenhuma em cinco anos. Um zero que a fonte afirma é publicado como zero; um mês que a fonte omite fica ausente e nunca é preenchido com zero.

O que ficou de fora, e por quê

creditos-adicionais (127 arquivos) e leis-orcamentarias (41) não eram alcançáveis pela API do CKAN na época desta OS: 126 de 127 e 40 de 41 não têm datastore nenhum, o único que tem foi ingerido pelo CKAN como uma coluna única chamada literalmente [ {, e os arquivos de verdade redirecionam (302) para minio.cl.df.gov.br — um host que nenhuma linha do registro de acesso nomeava então. Esse host foi lido do cabeçalho Location e não seguido por esta OS. Resolvido pela OS-070, que registrou o acesso de leitura a minio.cl.df.gov.br e publica os dois conjuntos — ver "A LOA e os créditos adicionais que a alteram" abaixo.

O que nenhuma destas tabelas diz

Não dizem se um gasto foi adequado, se uma natureza está aplicada corretamente, nem se 85 % em administração geral é muito ou pouco. A divisão que estes números mais convidam — a fatia que cada função, subfunção ou natureza representa do total — não é publicada como coluna: o numerador e o denominador estão na mesma tabela, e a divisão é sua.

A folha de pagamento (OS-066)

O OS-064 mostrou que a subfunção 122 sozinha leva 85 % dos R$ 3,4 bilhões que a Casa empenha, e não soube dizer por quê. A resposta está na natureza da despesa, na mesma tabela: a 3190 (pessoal, aplicação direta) leva R$ 2.314.632.992,19 e a 3191 (obrigações patronais entre órgãos) leva R$ 293.374.702,26. 77,2 % de tudo o que a Casa empenha é folha de pagamento — e até agora este acervo não publicava uma linha sobre ela.

Publica agora, no grão que a própria Casa publica: uma linha por pessoa, por folha e por mês, com nome, matrícula, cargo, lotação e as catorze colunas de dinheiro, de setembro de 2017 a julho de 2026 — 443.870 linhas, 104 meses, 5.923 matrículas, R$ 3.287.401.894,99 líquidos.

Antes de somar qualquer coisa: a mesma pessoa aparece mais de uma vez no mês

Em julho de 2026 são 5.052 linhas para 2.623 matrículas distintas, espalhadas por onze folhas (001, 002, 020, 021, 060, 061, 070, 080, 081, 099, 951), e há 48 linhas com tipo = DEPUTADO para os 24 deputados da Casa.

Quem agrupar por nome dobra a folha. A chave é (competencia, matricula, folha), e por isso toda tabela agregada deste conjunto traz matriculas_distintas ao lado de linhas: quando os dois números diferem, é isso que está acontecendo. A folha-por-pessoa-e-ano traz meses_com_registro ao lado de linhas pelo mesmo motivo.

As três partições, e por que existem

A tabela principal está repartida em três arquivos, na fronteira do mandato — 7ª legislatura (25.151 linhas, a partir de 2017-09), 8ª (186.522) e 9ª (232.197) — e sai só em .csv, sem .xlsx.

Não é escolha estética. Um único arquivo foi medido em 139 MB, acima do limite rígido de 100 MB por arquivo do GitHub, o que o tornaria impublicável; o .xlsx determinístico e não comprimido deste acervo passaria bem disso. Nenhuma linha e nenhuma coluna ficam de fora — o ano já era coluna, e quem quiser a série inteira concatena os três arquivos.

A aritmética fecha linha a linha — e o que quase a impediu de fechar estava na fonte

Cinco colunas de crédito + quatro de desconto (que já chegam negativas) + três de auxílio = liquido, conferido em todas as 443.870 linhas antes de qualquer publicação.

Vale dizer o que aconteceu na primeira tentativa, porque é um fato sobre a fonte e não sobre a conta. O datastore do portal serve estas colunas como números JSON, e alguns dos valores que ele guarda carregam artefato de ponto flutuante: o Outros descontos da matrícula 115 em 2017-09 está publicado como -8803.980000000001, não -8803.98. 95.716 linhas — 21,6 % — carregam artefato assim. Nenhuma diferença chega a meio centavo, e a identidade fecha em 443.870 de 443.870 quando medida no centavo publicado, que é exatamente o número que está no arquivo. O valor original da fonte é preservado; o que foi ajustado foi a conferência, para conferir o que o arquivo de fato contém.

Duas publicações da mesma folha

A Casa publica a mesma folha duas vezes: 99 arquivos mensais e um consolidado 2022-2025 de 204.975 linhas. conferencia-quadro-mensal-x-consolidado põe as duas lado a lado, mês a mês: 35 meses aparecem nas duas, com 0 divergências. Nenhuma é preferida e nenhuma diferença é resolvida escolhendo uma.

O consolidado também é a única fonte de cinco meses cujo arquivo mensal não tem datastore (2022-02, 2024-05, 2024-08, 2024-09, 2024-10). E três meses não têm cobertura nenhuma — 2018-07, 2018-08 e 2018-10 — publicados em .csv sem datastore. Eles aparecem na conferência como sentinelas, com o motivo escrito. A era de 62 arquivos em PDF (2012-07 a 2017-08) está fora deste OS e também aparece como sentinela. Um mês que não se consegue ler é uma linha que diz isso, nunca um buraco.

A conferência com o orçamento não fecha, e não deveria

conferencia-folha-x-natureza põe a folha ao lado da dotação em que ela é empenhada. Os dois números não medem o mesmo ato: um é registro de folha de pagamento, o outro é empenho contra dotação, feito no calendário do orçamento e carregando encargos patronais que o arquivo da folha nunca mostra. Em 49 dos 104 meses há folha e nenhuma dotação 3190/3191; em nenhum acontece o contrário. A diferença é publicada como diferença, com as duas leituras ao lado, e a coluna é subtração exata — nunca uma fatia. Não chamamos isso de erro nem de conciliação.

O que a Casa publica sobre salário legal

tabela-de-remuneracao-vigente traz as tabelas de remuneração da Casa em formato longo, cada célula com a fonte_legal que a própria fonte cita — por exemplo, o subsídio de deputado sob o Decreto Legislativo nº 2.382/2022. É exatamente o tipo de referência normativa que o OS-064 procurou em cinco publicações e não encontrou em nenhuma. Aqui a fonte a fornece sozinha, e nenhuma norma foi escolhida por este acervo.

O calendário de mandato, que faltava

vinculos-de-pessoal lê a relação nominal como vínculo: 8.714 períodos para 4.003 matrículas, com o primeiro e o último mês em que aparecem e as datas de admissão, aposentadoria e desligamento que a fonte publica. A producao-por-deputado (OS-057) diz, na sua própria seção, que este acervo não tinha calendário de mandato — agora tem, de 2022-06 em diante.

O que ele ainda não resolve: licença não é admissão, aposentadoria nem desligamento. Um deputado com 193 de 547 sessões continua não separável entre falta e licença por nada que seja alcançável aqui.

Inativos, pensionistas e pensão especial entram

tipo traz seis valores preenchidos — CONCURSADO, COMISSIONADO, DEPUTADO, REQUISITADO, INATIVO, PENSIONISTA — e uma parcela em branco que a fonte não classifica. Em julho de 2026 são 452 linhas INATIVO, 56 PENSIONISTA, 53 na lotação PENSAO ESPECIAL e 126 sem tipo. Eles são publicados como a Casa os publica, no mesmo arquivo e com o mesmo detalhe — porque é assim que a fonte faz, e porque sem eles nenhum total daqui fecharia com o total da própria Casa. tipo é coluna: quem quiser separar, separa.

O que nenhuma destas tabelas diz

• Não liga um pagamento de folha a uma ordem bancária. pagamentos-em-ordem-cronologica (OS-062) não traz matrícula e a folha não traz empenho. A ponte não existe na fonte.
• Não diz se um salário está correto. As tabelas de remuneração dizem o que a norma fixa; a folha diz o que foi pago. Comparar as duas é trabalho de quem lê, e nenhuma coluna aqui emite esse juízo.
• Não traz nada anterior a setembro de 2017. A era em PDF está fora deste OS.
• Não traz terceirizados, estagiários nem concursos. São outras bases, com outra decisão sobre dado pessoal, e outro OS.
• Nenhuma fatia, nenhum percentual, nenhum ranking. Nem sequer o mais óbvio — quanto a folha é do gasto da Casa. Numerador e denominador estão publicados; a divisão é sua.

A LOA e os créditos adicionais que a alteram (OS-070)

O OS-064 publicou a execução por classificação e não pôde dizer por que ela diverge do que a Lei Orçamentária Anual (LOA) votou. Esta seção publica os dois lados: a LOA (leis-orcamentarias, 41 arquivos, 2009–2024) e os créditos adicionais que a alteram depois de votada (creditos-adicionais, 127 arquivos, PL-00250/2011 a PL-01152/2024) — os dois hoje alcançáveis pelo redirecionamento a minio.cl.df.gov.br que a OS-070 registrou.

PROPOSTA e FINAL são publicados os dois, nunca um escolhido pelo outro

Só seis dos dezesseis anos — 2010, 2011, 2018, 2019, 2020, 2021 — têm um recurso FINAL (o texto promulgado). Nos outros dez, o único documento de dotação que a CLDF publica para aquele ano é PROPOSTA (o projeto do Executivo, antes de emendado). leis-orcamentarias-dotacao publica os dois onde os dois existem, com a coluna tipo_documento dizendo qual é qual. A reconciliação com os créditos precisa de UM número por ano, e usa final quando existe — publicando qual escolheu na própria coluna, nunca silenciosamente.

A dupla entrada dos créditos fecha — 0 de 127 leis desbalanceadas

Cada crédito retira de uma classificação e acrescenta a outra. As 127 leis fecham a zero, e esse número é reconferido a cada publicação: os dois lados de creditos-adicionais-por-lei são recalculados a partir do detalhe por emenda, nunca confiados ao que a colheita escreveu.

A conferência: só 3,9 % das chaves aparecem nas duas fontes, e isso é o ponto

conferencia-loa-x-creditos cruza (ano, unidade orçamentária, função, subfunção, natureza, fonte) entre a LOA e os créditos — 51.764 chaves, e só 1.996 nas duas. As outras 49.768 são declaradas por uma fonte só, na maioria porque um crédito move dinheiro para ou de uma classificação que a LOA original não continha. Uma chave declarada por uma fonte só publica diferença vazia, porque uma diferença contra o silêncio não é uma diferença.

Duas larguras de código, medidas e nunca convertidas

A LOA escreve a fonte em três dígitos (100) e em nove (100000000), às vezes no mesmo ano — e, ao contrário da natureza (OS-064), nenhuma medição aqui mostra que um é o outro com zeros à direita. Os dois são publicados lado a lado, com fonte_largura dizendo qual é qual. E 4.000 das 106.367 linhas de dotação publicam a natureza em um ou dois dígitos, não seis — a própria CLDF, medido em quinze dos dezesseis anos, não um erro de leitura daqui.

O que nenhuma destas tabelas diz

• Não diz se o dinheiro movido por um crédito foi executado. OS-064 é a execução; nenhuma tabela aqui cruza as duas.
• O ano de um crédito é o do seu próprio número de PL, nunca o exercício que ele de fato alterou — a fonte não publica outra data, e nenhuma segunda superfície é consultada para supri-la.
• publicado_em não é a data da lei. É quando o arquivo chegou ao portal de dados abertos (o created do CKAN), nunca quando o crédito foi sancionado.
• Nenhum rótulo novo. As colunas *_rotulo seguem vazias pela razão já registrada na classificação orçamentária (OS-064).
• Nenhuma fatia, nenhum percentual. A pergunta mais óbvia — que fração da LOA um crédito moveu — é publicada como numerador e denominador, nunca como coluna de razão.

Os terceirizados e os estagiários (OS-071)

A folha (OS-066) publicou quem a Casa emprega diretamente. Esta seção publica as duas forças de trabalho que não são: os terceirizados (terceirizados, 1 arquivo, 6.689 linhas desde 2023-08) e os estagiários (estagiarios, 10 arquivos — nove semestres e um mês avulso), mais a conferência dos CNPJs dos terceirizados contra os contratos (OS-063) e os pagamentos (OS-062) já publicados.

O nome é publicado nas duas populações, e a base não é a mesma da folha

Duas respostas do operador, ambas de 2026-09-04: "a. then approve. Don't run" para os terceirizados, "Publish it, as the source does" para os estagiários. Nenhuma das duas populações é servidora da Casa — um terceirizado é pago por uma empresa contratada, um estagiário por um termo de estágio — então o nome aqui não carrega a base de servidor público que ampara os nomes da folha. Cada tabela publicada diz isso ao lado da própria regra, não só aqui.

estagiarios-por-lotacao não existe

O BRIEF desta OS previa essa tabela. Medido depois de aprovado: nenhum dos dez arquivos de estagiários publica uma coluna de lotação, ou qualquer coisa parecida — o esquema medido nos dez é matricula, nome, data_admissao, data_desligamento, e nada mais. Não é uma escolha do operador a fazer: não há valor nenhum de lotação para agregar, e inventar um seria a mesma fabricação que a classificação orçamentária (OS-064) já recusa para um código de despesa, aplicada aqui a uma unidade organizacional. Só a espinha, estagiarios-por-periodo, é publicada.

Um arquivo escreve a data por extenso, com o mesmo cabeçalho dos outros nove

Nove dos dez arquivos de estagiários escrevem as datas em ISO. Um, "2025 - Maio", publica exatamente as mesmas quatro colunas e escreve "terça-feira, 23 de maio de 2023" em vez de 2023-05-23. Como o cabeçalho é idêntico, a guarda que lê cabeçalhos não vê nada de errado; uma segunda guarda lê cada data já convertida e para a execução se alguma célula não é uma data ISO válida nem está genuinamente vazia — uma data vazia é um estágio ainda em curso, não um defeito.

A conferência de CNPJ: o que ela diz e o que não diz

conferencia-terceirizados-x-contratos cruza os CNPJs que forneceram terceirizados contra os contratos (OS-063) e os pagamentos (OS-062) já publicados — 15 CNPJs distintos na série toda. Não diz que um contrato ou um pagamento é PARA essas pessoas: contratos não publica nenhuma chave de trabalhador, e esta tabela não inventa uma.

O que nenhuma destas tabelas diz

• Nenhum valor de remuneração, para nenhuma das duas populações. Nenhuma fonte publica um, e esta OS não deriva um a partir do valor de um contrato.
• estagiarios-por-lotacao não existe — ver acima.
• Não liga um terceirizado a um contrato específico, só a empresa que o forneceu ao CNPJ.
• Nenhuma fatia, nenhum percentual, nenhum ranking.

O rol de informações classificadas, e o repasse que a Casa diz ter enviado (OS-075)

Duas pontas: o que a própria Casa declara secreto (rol-de-informacoes-classificadas, 177 processos, 2021–2025, mais o rol de desclassificados) e o que ela diz ter enviado a outras entidades (transferencias-e-repasses-enviados, 60 meses, 2022–2026) — o lado que faltava da transferencias-voluntarias-recebidas que a OS-064 já publica.

informacoes-classificadas — 177 processos, e o que a Casa não rotula

Uma linha por processo. categoria_de_sigilo (Restrito/Sigiloso) e grau_de_sigilo (Reservado/Secreto/Ultrassecreto) são a mesma informação da fonte sobre um mapa fechado de duas categorias e três graus mais vazio; categoria_na_fonte e grau_na_fonte mantêm a grafia exata que a Casa escreveu (RESTRITO, SIGILOSO e as demais três variações). PRAZO DE SIGILO — o nome que a própria coluna da fonte carrega — nomeia um grau, não um prazo, e está vazio em 149 das 177 linhas. Este projeto não julga se um sigilo é legítimo, e nenhuma tabela aqui tenta.

2 das 177 linhas estão desalinhadas NA FONTE, e nada é afirmado sobre elas

O datastore da própria CLDF publica 2 processos cuja linha inteira está fora de posição a partir da célula do exercício: o texto que deveria estar na classificação arquivística ocupa a célula do ano, e cada campo seguinte carrega o valor do campo seguinte da fonte — TIPO DE PROCESSO chega a carregar um valor com cara de categoria, FUNDAMENTO LEGAL um valor com cara de número de processo. Por decisão do operador (2026-09-06, "Publicar com flag, nada afirmado"), estas 2 linhas são publicadas com todos os campos vazios e linha_desalinhada_na_fonte = sim — nada é adivinhado sobre a que ano, categoria ou fundamento elas pertencem.

Os bytes que o próprio datastore serve quebrados são reparados, sem coluna verbatim

O cabeçalho da fonte chega como EXERCÖCIO; células inteiras chegam com bytes como \x84 e \x92 no meio de uma palavra. Achado, medido linha a linha: o defeito é uma codificação Portuguesa de página única (CP850) decodificada de duas formas diferentes em algum ponto do pipeline da própria CLDF — a maior parte como Latin-1 (às vezes duas vezes seguidas na mesma célula), e uma parte menor como CP1252, que redefine os mesmos bytes 0x80–0x9F para outros símbolos (€ ‚ ƒ „ … † ‡ e outros). O texto é reparado e publicado só na forma legível; não existe coluna com o texto quebrado, por decisão do operador (2026-09-06, "Reparar, sem coluna verbatim"). Um byte que o mapa fechado não resolve interrompe a coleta em vez de virar ? ou um caractere de substituição — nenhum ocorreu nos 177 processos reais: medido, 102 caracteres precisaram de reparo, no máximo dois saltos, zero sem solução. Um ? literal que já aparecia na fonte não é tocado: é uma perda de dado antiga dos próprios sistemas da CLDF, não um byte quebrado. Um caractere do mapa não é um reparo, e está nomeado como tal em vez de escondido: o sinal de grau ° em AMD n° 57/2016 já é o texto correto da fonte — o próprio jeito da fonte abreviar "número" — e não um byte a mais para decodificar; repará-lo de novo trocaria um texto correto por um errado, e por isso ele está na lista de caracteres legítimos, com o motivo escrito ao lado, não misturado com os bytes quebrados.

Uma correção feita na revisão, e registrada em vez de escondida (F-122, 2026-09-06): a primeira versão deste módulo publicou sindicƒncia em vez de sindicância — o byte havia sido decodificado como CP1252 (não Latin-1), e o mapa fechado só sabia reinterpretar um caractere como mais um byte Latin-1. ƒ é a própria forma que o CP1252 dá ao byte 0x83, e o byte 0x83 em CP850 é â. O mapa agora conhece os dois saltos, e a célula publicada é sindicância.

informacoes-classificadas-por-unidade-e-ano

Unidade produtora × exercício: quantos processos, e como se dividem por categoria e por grau, re-somado a partir da tabela anterior. As 2 linhas desalinhadas (sem exercício) não entram aqui — não há ano para agrupá-las.

informacoes-desclassificadas — a tabela está vazia, e isso é o achado

O recurso "Rol de Informações Desclassificadas" não tem datastore; foi lido pelo redirecionamento 302 que o próprio portal emite para minio.cl.df.gov.br (decisão do operador, 2026-09-06, "Ler pelo 302 e publicar"). O arquivo-fonte publica 118 linhas e NENHUMA carrega conteúdo algum — cabeçalho e 118 linhas inteiramente em branco. Não é uma falha de leitura deste projeto: é o que o arquivo contém. A Casa não relatou a este portal nenhuma desclassificação.

transferencias-e-repasses-enviados-por-mes — mais 60 meses de zero

As duas colunas — transferências financeiras e repasses financeiros enviados — são zero nos 60 meses medidos (2022–2026). É o mesmo achado que a transferencias-voluntarias-recebidas (OS-064) já publica do outro lado: a Casa publica cinco anos das duas direções do repasse voluntário e as três séries — enviada em transferências, enviada em repasses, recebida — são inteiramente zero.

conferencia-transferencias-enviadas-x-recebidas

As duas pontas do mesmo dinheiro lado a lado, mês a mês, sem uma nova requisição — a série recebida é lida do acervo que a OS-064 já publicou. A diferença é subtração exata e só é publicada onde as duas fontes declaram o mês (nos 60 meses medidos, as duas sempre declaram). Nos 60 meses, a diferença é zero nos 60 — porque as três séries são zero.

O que nenhuma destas tabelas diz

• Nenhum juízo sobre a legitimidade de um sigilo. categoria_de_sigilo e grau_de_sigilo são o que a Casa classificou, não uma avaliação deste projeto.
• Nenhuma taxa, fatia ou ranking. O achado das duas séries zero é publicado como contagem (60 de 60 meses), nunca como percentual.
• Nada sobre as 2 linhas desalinhadas na fonte, além de que existem e estão marcadas.

A emenda parlamentar, na sua segunda superfície: para onde o dinheiro foi (OS-076)

Até esta OS, o dataset 8 tinha UMA superfície — o Painel de Emendas Parlamentares — que diz quem assinou uma emenda e por quanto, e para. emendas-parlamentares, um pacote CKAN nunca antes lido por este projeto (5 recursos, um por exercício 2021–2025, 4.604 emendas), diz para ONDE o dinheiro foi (a unidade orçamentária) e SE foi pago (empenhado, liquidado) — e alcança dois anos que o painel nunca cobre (2021–2022).

Duas tabelas, nunca uma mistura — decisão do operador

"Two separate tables" (2026-09-06): os anos com autor (2023–2025, cruzados com o painel) e os anos sem autor (2021–2022, só o portal) nunca dividem uma tabela. emendas-loa-execucao-2023-2025 (2.632 linhas) publica parlamentar_no_painel e partido_no_painel; emendas-loa-execucao-2021-2022 (1.972 linhas) não publica coluna de parlamentar nenhuma — nem vazia, porque nenhuma das duas superfícies atribui autor a estes dois exercícios, e uma célula vazia poderia ser lida como um cruzamento que falhou.

Todo valor que as duas superfícies declaram é publicado duas vezes

"Both values side by side" (2026-09-06): vl_lei_alteracao_portal/_painel e vl_empenhado_portal/_painel nunca escolhem uma fonte. Das 2.632 emendas casadas, 337 discordam em vl_lei_alteracao (maior diferença R$ 14.995.000,00) e 240 em vl_empenhado — nenhuma célula aqui é um valor que este projeto escolheu entre as duas fontes. vl_desbloqueado, vl_liquidado e vl_saldo_a_solicitar só o portal publica (o painel não os tem); parlamentar_no_painel/partido_no_painel só o painel os tem.

emendas-loa-por-unidade-orcamentaria

92 unidades orçamentárias × exercício, re-somado diretamente das 4.604 linhas do portal — nunca uma segunda contagem da fonte. Seis das oito colunas monetárias da fonte: a que a emenda propôs, a que a lei fixou, o empenhado, o disponível, o desbloqueado e o liquidado. vl_bloqueado_siggo (um estado intermediário) e vl_saldo_a_solicitar (um resíduo, negativo na soma da fonte) ficam fora desta agregação; ambos continuam publicados por emenda nas duas tabelas de execução. R$ 2.453.471.142,32 empenhado contra R$ 2.086.835.058,96 liquidado — uma diferença de R$ 366,6 mi que nenhuma tabela publicada até esta OS mostrava.

conferencia-emendas-painel-x-portal

Uma linha por ID_EMENDA que QUALQUER UMA das duas superfícies declara — as 4.604 do portal mais 654 que só o painel declara: 606 de 2026 (fora da janela 2021–2025 do portal) e 48 dentro de 2023–2025, que o snapshot do portal (2025-12-16, anterior à leitura do painel) ainda não carrega. A diferença é subtração exata e uma linha que só uma superfície declara carrega diferença VAZIA, nunca zero — zero é uma afirmação sobre um cruzamento que ali não existe.

Um achado que a fonte carrega, não este projeto

Seis emendas (todas com PT_COMPARTILHADO = 1 — um programa de trabalho dividido com outra emenda) chegam da fonte com precisão sub-centavo nos próprios campos monetários (22.56578947), a assinatura aritmética de um rateio pro-rata feito em ponto flutuante a montante. Publicadas arredondadas ao centavo (a mesma regra de toda outra coluna monetária deste projeto), não uma correção deste módulo.

O que nenhuma destas tabelas diz

• Nenhuma taxa, fatia ou ranking. Nenhum quociente calculado por este projeto aparece em coluna nenhuma.
• Nenhum identificador pessoal. As tabelas tratam de unidades orçamentárias e valores, não de pessoas.
• Nada sobre se o dinheiro empenhado chegou a uma ordem bancária. Ligar uma emenda a uma ordem bancária está fora do escopo desta OS (o BRIEF nomeia isso explicitamente).

O teletrabalho que a Casa registra, dividido em dois (OS-077)

servidores-em-teletrabalho, um pacote CKAN já acessível (portal OS-059) mas nunca antes lido — 42 recursos, um por mês, Fev/2023 a Jul/2026, 6.944 linhas, onze formas de cabeçalho diferentes.

Duas tabelas, nunca uma mistura — decisão do operador

"Two separate tables" (2026-09-06): os 18 meses "cheios" — que publicam matrícula, cargo, dias em teletrabalho, aferições e as demais colunas — vão para servidores-em-teletrabalho-por-mes (2.675 linhas). Os outros 24 meses — mais da metade da série, 4.269 de 6.944 linhas — não publicam nada além de Unidade, Servidor, e vão para servidores-em-teletrabalho-nominal-por-mes. Nenhuma cláusula deste projeto, e nenhuma fonte que ele alcança, pode dizer se a Casa parou de medir, parou de publicar o que mediu, ou nunca mediu esses meses — a tabela separada é o achado, não uma resposta a essa pergunta.

O nome é publicado — mesmo precedente já tomado

Mesma decisão do operador já registrada para a folha, os terceirizados e os estagiários: o nome do servidor é publicado nas duas tabelas. O servidor aqui É servidor da Casa (ao contrário de terceirizados e estagiários), o que muda a base — mas a decisão de publicar o nome é a mesma.

afericoes é verbatim, e a coluna reparada nunca existe

"Verbatim only" (2026-09-06): das 828 células não vazias de Aferições nos 18 meses cheios, 203 (24,5 %) foram trocadas por 01/jan pelo autocorreto de data de uma planilha, no lugar da razão 1/1 que as outras 592 linhas escrevem — o sentido oposto do achado do sinal 29g nos estagiários, onde uma data virou prosa; aqui uma razão virou data. A coluna é publicada exatamente como a fonte a corrompeu, sem nenhuma versão reparada em lugar nenhum desta camada. afericoes_na_fonte repete o mesmo texto ao lado — as duas colunas têm que concordar sempre, e um guard (33d) para a execução se um reparo futuro mudar uma cópia e não a outra.

teletrabalho-por-unidade-e-mes e conferencia-teletrabalho-x-folha

O agregado por (unidade, mês) — 1.796 grupos — é recontado direto das duas tabelas-espinha, nunca de si mesmo. A conferência lê a folha já publicada (OS-066/OS-072) — zero requisições novas — e mede 271 matrículas distintas, 261 encontradas na folha; o BRIEF, aprovado antes de qualquer linha lida até o fim, estimava 272/260. Não diz que o servidor de fato trabalhou em teletrabalho, nem que uma aferição foi de fato realizada — só que a matrícula aparece nos dois registros.

O que nenhuma destas tabelas diz

• Nenhuma taxa, fatia ou ranking, e nenhum quociente calculado por este projeto em coluna nenhuma.
• Nada sobre se um servidor de fato trabalhou, ou se uma aferição foi de fato realizada.
• Nenhuma normalização das 220 grafias de unidade contra uma lista que a própria Casa não publica — fora do escopo desta OS, por decisão do próprio BRIEF.

O concurso de 2018: os aprovados, os nomeados, e o funil entre eles (OS-078)

concursos, um pacote CKAN com dois recursos — a última lista de aprovados e a última lista de nomeados que a Casa publicou, ambas do concurso de 2018: 1.061 aprovados, 632 nomeados, 1.693 linhas ao todo.

Uma agregada, uma nominal — decisão do operador

"Nomeados nominal, aprovados aggregate" (2026-09-06): dos 985 nomes distintos que passaram no concurso, a maioria nunca foi chamada, e nenhum deles é publicado em coluna nenhuma — concurso-2018-aprovados-por-cargo-e-categoria é um agregado por (cargo, categoria), sem nenhuma coluna que pudesse carregar um nome. Os 596 nomes distintos que foram nomeados já aparecem, nomeados, na folha de pagamento que este projeto já publica (OS-066/OS-072) — esses sim são publicados, em concurso-2018-nomeados, um por linha.

concurso-2018-funil: aprovados → nomeados → tornada sem efeito → posse → exoneração

Uma linha por (cargo, categoria), recontada DIRETO das duas espinhas — nunca da tabela agregada acima, nem de si mesma. nomeados não é afirmado menor ou igual a aprovados — a própria fonte quebra essa ordem em 26 nomeações cujo nome não bate com a lista de aprovados por chave, e a tabela publica a contagem em vez de impor uma regra que a fonte não obedece.

Um achado sobre a grafia do cargo, encontrado ao construir o funil

As duas listas nem sempre escrevem cargo da mesma forma: "Analista Legislativo" na lista de aprovados é "Analista Legislativo (Técnico Legislativo)" na de nomeados (252 linhas), e "Procurador" é "Procurador Legislativo" (16 linhas) — 268 das 632 linhas de nomeados, 42 % do registro, caem numa combinação (cargo, categoria) que a lista de aprovados nunca escreve daquela forma exata. Os totais do funil ainda batem certo com as duas espinhas inteiras (1.061 aprovados, 632 nomeados, 67 tornadas sem efeito, 65 exonerações); o que não bate, para esses dois cargos, é a quebra por categoria que um leitor tiraria da tabela agregada — nomeando o achado em vez de escondê-lo atrás de um número que parece fechado.

Datas compostas: uma referência de Ato ao lado da data

Nomeação Tornada sem Efeito e Exoneração não são datas simples na fonte — são uma data mais a referência de um Ato ("02/12/2020 (Ato do Presidente nº 359, de 2020 - DCL nº 287)"). nomeacao_tornada_sem_efeito é publicada verbatim, texto inteiro; data_exoneracao é a data ISO extraída da mesma célula, descartando a referência ao Ato — a mesma extração que despesa.data_iso já faz em outra tabela deste projeto.

O pareamento com a folha, e os 26 nomes que uma lista não contém

"Counts only" (2026-09-06): contra a folha 2023-2026, 484 dos 596 nomeados são encontrados por chave de nome (112 não são); 474 dos 985 aprovados são encontrados (511 não são). Um encontro por nome não é identidade — um homônimo pode produzir um falso encontro — e nenhum resultado é publicado por pessoa, só como as duas contagens e seus denominadores. Separadamente, 26 dos 596 nomes nomeados não batem com nenhuma chave da lista de aprovados: ou a lista de aprovados está incompleta, ou um nome está grafado de forma diferente nas duas listas que a própria Casa publica lado a lado — nenhuma fonte que este projeto alcança diz qual das duas. Publicado como contagem, nunca como uma coluna consta_na_lista_de_aprovados que nomeasse uma pessoa.

O typo da fonte

Uma linha da lista de aprovados traz Consulktor onde toda outra linha do mesmo cargo traz Consultor. cargo_na_fonte mantém a grafia da fonte; cargo traz a corrigida, lado a lado.

O que nenhuma destas tabelas diz

• Nenhum nome da lista de aprovados, em coluna nenhuma, de nenhuma tabela deste módulo — a própria tabela do banco de dados não guarda o nome, só a sua chave normalizada, o que torna a garantia estrutural e não apenas uma regra que uma mão futura poderia esquecer.
• Nenhuma taxa, fatia ou ranking, e nenhum quociente calculado por este projeto em coluna nenhuma.
• Nenhum identificador pessoal (CPF, RG) — nenhum existe no pacote de origem, e o guard prova isso.
• Nada sobre se um encontro de nome contra a folha é a mesma pessoa.

O mapa de campos (OS-104) — o que cada coluna é, e de onde veio

Três tabelas que falam das outras 102 (a terceira desde a OS-106, abaixo). campos-atomicos tem uma linha por campo atômico que o acervo bruto (data/raw/) guarda — 2.591 campos, de sete fontes: as declarações de campo do datastore CKAN de https://dados.cl.df.gov.br (para os recursos que o portal guarda como arquivo, origem_arquivo é a URL do próprio recurso), as chaves dos JSON que o portal publica (LOA e créditos), os cabeçalhos dos .csv e das planilhas, os rótulos dos PDFs da folha, os caminhos de chave das respostas da API pleservico (https://ple.cl.df.gov.br/pleservico/api/public — para essas linhas, origem_arquivo é a própria consulta registrada, verbo e URL, e origem_registro o arquivo em data/raw/ que guarda a resposta), e as propriedades do esquema dos painéis Power BI. Cada linha traz o tipo_original, o rotulo_original e a descricao_original como a fonte os escreveu — e n/d quando ela não escreveu nada, que é o caso da maioria: só o datastore CKAN documenta os seus campos (28 linhas têm descrição, 52 têm rótulo). Traz também o arquivo concreto de onde a linha foi lida (origem_registro), a descrição do conjunto de dados que o portal publica (descricao_do_conjunto_original), o módulo deste projeto que lê o campo, e em publicado_em as colunas publicadas que ele alimenta — ou não publicado, para os 2.238 campos que o acervo guarda e nenhuma tabela usa.

colunas-publicadas tem uma linha por (tabela, coluna) das 102 tabelas — 1.287 linhas. A natureza diz se a coluna É um campo atômico (atomica), se foi computada (derivada: uma soma, uma contagem, uma parte de um campo, um rótulo de norma, uma conferência) ou se é uma chave que este projeto forma (chave); campo_atomico ou derivada_de dizem de quê, e a nota diz, em uma frase, o que a computação é. Nada disso foi deduzido do nome da coluna: cada linha é uma declaração escrita no código do módulo que produz a tabela (ORIGEM), e o sinal 37 recusa a tabela inteira se uma coluna ficar sem declaração, se um arquivo de origem não carregar o campo, se uma descrição não for substring byte a byte do arquivo, ou se uma referência não resolver. A única célula inferida é tipo_publicado — o tipo que o painel atribui à coluna por amostragem — e por isso ela fica numa coluna própria, rotulada "(inferido pelo painel)", ao lado do tipo_original que a fonte declarou.

O que estas duas tabelas NÃO dizem. Que a declaração está certa: o guarda prova que a referência existe no acervo, não que é a certa entre duas vizinhas — essa parte confere-se contra o código do módulo, que é público. E nenhuma célula delas é um valor: são cabeçalhos, rótulos e descrições, nunca uma linha de dado, e o 37e recusa qualquer forma de CPF ou RG.

Onde origem_registro aponta. Para dentro de data/raw/, o acervo bruto que este repositório NÃO versiona (é .gitignored): o caminho confere-se na máquina que colheu, ou por quem recolher com a mesma consulta — data/queries/ é versionado, e o nome do arquivo é o resumo da própria consulta — e não a partir da árvore pública. O sinal 37b corre onde o acervo está. *Quatro linhas `pleservico:probe-:error** (probe-emendas, probe-parecer, probe-urgencia, probe-veto) são sondagens que receberam um corpo de erro e o guardaram: error é uma chave que esse corpo carrega, não um campo da API — estão no mapa porque estão no acervo, com modulo = n/d e não publicado. **E o que não rendeu linha nenhuma é contado**, não omitido: provenance.json["campos"] traz arquivos_lidos (49.588), arquivos_nao_lidos (47 — páginas HTML, respostas vazias, JSON que não parseia) e entidades_sem_campo (3 diretórios sem campo algum: os011-scratch, probe-spa, probe-veto-portal`).

campo_normalizado e campos-unicos (OS-106, 2026-09-12). A mesma fonte grafa o mesmo campo de modos diferentes entre os seus próprios arquivos — Nome/nome, Lotação/Lotacao/ lotacao, Mês/MES, Cargo Efetivo/cargo_efetivo: 22 grupos, 49 linhas, todos do datastore CKAN; dentro de um mesmo arquivo, nenhum campo se repete. Por isso as duas tabelas ganham, logo depois de campo_original, a coluna campo_normalizado — uma chave que ESTE projeto computa, não um dado da fonte: acentos retirados (NFKD), tudo em minúsculas, toda sequência de espaços e hifens virada num _, e nada mais (., [] e _ ficam, porque uma regra mais larga fundiria 15 pares de campos diferentes, como idsProposicoes e idsProposicoes[]). A grafia original fica intacta ao lado, e é ela — nunca a chave — que aparece em campo_atomico, derivada_de e publicado_em. A chave vale dentro de uma (fonte, entidade): ANO da contratação e ANO da despesa têm a mesma chave e distinguem-se pelas duas colunas anteriores. Ela não é única em campos-atomicos — cada arquivo de origem mantém a sua linha, então um campo que a fonte grafa igual em vários arquivos repete a chave uma vez por arquivo. Para quem quer cada campo uma vez só há a terceira tabela, campos-unicos: uma linha por (fonte, entidade, campo_normalizado) — 2.550 —, com as grafias (grafias), quantos e quais arquivos a carregam (n_arquivos, origem_arquivos), os tipos, rótulos e descrições que a fonte escreveu (valores distintos unidos por ;, ou n/d), o módulo e a união das colunas publicadas. O sinal 37f prova que toda chave é a função aplicada à sua própria grafia, que nenhuma se repete dentro de um arquivo (dois campos diferentes dobrados no mesmo nome param a exportação) e que campos-unicos é exatamente o conjunto das triplas distintas da primeira tabela, com as grafias e as origens de cada linha sendo exatamente as das linhas dobradas e n_arquivos igual ao número de itens de origem_arquivos — a célula ao lado, que qualquer leitor reconta. O que a tabela não afirma é o produto das duas listas: uma grafia aparece em alguma das origens listadas, não em todas. O que ele não prova é que a regra está certa — que Lotacao e Lotação são o mesmo campo é uma leitura, aplicada por regra, e a grafia verbatim ao lado é o que permite discordar dela.

A região administrativa, nomeada dos dois lados (OS-118)

regioes-administrativas é a primeira tabela mão-escrita deste projeto, não colhida: uma linha por grafia distinta de região administrativa, ligando o nome que a API das proposições usa (regiaoAdministrativaNome) ao código e ao nome que o orçamento usa (localizacao / nome_localizacao, em creditos-adicionais-por-emenda e leis-orcamentarias-dotacao) — a junção que "o que o meu deputado fez pela minha região" precisa e que nenhuma tabela publicada até aqui provia. Nenhuma junção é executada aqui: esta tabela só nomeia a correspondência, mão-escrita e citada em data/norms/PROVENANCE.md com o sha256 do arquivo.

52 linhas: 38 trazem grafia_api (uma por átomo de RA que a API carrega hoje, nenhum átomo repetido) e 51 trazem grafia_orcamento (uma por grafia orçamentária, nenhuma repetida) — todo valor distinto das duas fontes, medidas na OS-121 (docs/specs/MEDIDAS-modelo.md § (3)), aparece em exatamente uma linha. codigo_ra traz o numeral romano oficial da RA (I a XXXV) para as 38 linhas que ligam uma região administrativa de verdade, e o literal não-geográfica para as 14 linhas que ligam uma agregada que o orçamento classifica fora das RAs numeradas (o Distrito Federal inteiro, as macrorregiões DF - REGIÃO …, ENTORNO, OUTROS ESTADOS). nome_canonico é a grafia que este projeto escolhe como referência — a da API quando ela cobre a localização (é a voltada ao cidadão), a do orçamento quando não cobre. A RA XXXV (ÁGUA QUENTE, criada em 2022) não tem código orçamentário ainda e é a única linha com codigo_localizacao e grafia_orcamento vazios — a lacuna é o achado, declarado em vez de escondido.

O sinal 38 recusa a exportação se qualquer valor VIVO de uma das duas fontes — lido de novo a cada exportação, não apenas o que a OS-121 mediu — não tiver linha: uma RA nova ou uma grafia orçamentária renomeada param o build em vez de ficar sem mapa. O sinal 26f, já existente, passa a reconferir o sha256 deste arquivo a cada exportação porque a linha dele entrou na tabela de data/norms/PROVENANCE.md.