Volební data přichází v několika formách, ta nejlépe zpracovatelná najdeme v sekci otevřených dat na webu Českého statistického úřadu. Ačkoliv jde o otevřená data, není to jen o stažení dat a natažení do Excelu. Bohužel se formáty v čase trochu liší, občas jde jen o XML, někdy musíme do dat trochu šáhnout atd.
Právě z těchto důvodů se těmto datům explicitně věnujeme.
Otevřená data ČSÚ nepokrývají všechny volby porevoluční České republiky a Československa, jde pouze o posledních 15 let. Pokud vás tedy zajímají odpovědi na otázky typu "jaké byly nejtěsnější senátní volby," otevřená data ČSÚ vám v tom bohužel neposlouží.
U každých voleb je sada datasetů, které uchovávají vždy trochu rozdílné informace, takže je třeba je zpracovávat separátně. V tomto adresáři se věnujeme registrům, které obsahují kompletní informace o výsledcích daných voleb, zpravidla na obecní úrovni (tj. ne okrskové). Často je nutné je propojit s číselníky, abychom získali informace o dimenzích.
Kód zde data stahuje i dál zpracovává. Stahuje data ke všem volbám, pro které ČSÚ poskytuje otevřená data. Po puštění skriptu tak budete moci analyzovat data k výsledkům prezidentských voleb, voleb do Senátu, Poslanecké sněmovny atd.
Bohužel stále nemáme data za celou historii, takže pokud někde chceme dělat analytiku nad všema datama, musíme si je stáhnout přímo z webu ČSÚ. Nemám tu techniku moc rád, tak se ji snažim minimalizovat. Naštěstí jsem to potřeboval zatím jen pro Senát, kde těch dat není moc. Je tu tedy senat.py, které stáhne všechny senátní volby do ad-hoc CSV. Jeho databázové schéma je v komentáři v kódu, není to nijak napojené na jakoukoliv automatizaci v tomto repu.