-
Notifications
You must be signed in to change notification settings - Fork 0
/
read_vaalit.py
231 lines (166 loc) · 12.2 KB
/
read_vaalit.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
#in these functions election data is prepared with the help of kiinteisto data
def kiinteisto_alueiksi(kiinteisto):
"""
kiinteist: kiinteisto/property register
An artificial property / constituency division will be made for the regionalization of postal codes.
A brute-force distribution is used, where the relative number of residential properties in the constituency is divided into postcodes.
Generally, constituencies are smaller than postcode areas.
The paid property data (kiinteistorekisteri) also includes the number of apartments in the property data. In this way, the division would be more accurate.
In various inspections, the division seemed competent.
This returns the estimate of shares
Returns:
kiintosuus
"""
import pandas as pd
#new kiint and kiintpnrot -dataframes, with muncipality, constituency area and postcode
kiint=kiinteisto[kiinteisto['Käyttötarkoitus']==1].reset_index().groupby(['Kuntanumero','Alue','Postinumero'],as_index=False ).count()
kiint=kiint[['Alue','Postinumero','index']]
kiintpnrot=kiint.reset_index().groupby(['Postinumero', 'Alue'],as_index=False ).sum()[['Alue','Postinumero','index']]
kiintalueet=kiint.reset_index().groupby(['Alue'],as_index=False).sum()[['Alue','index']]
#join them by constituency area
kiintosuus= pd.merge(kiintpnrot, kiintalueet, how='inner', on='Alue',
left_index=False, right_index=False,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None)
#brute-force calculation of share of areas based on the amount of properties
kiintosuus['Osuus']=kiintosuus['index_x']/kiintosuus['index_y']
kiintosuus=kiintosuus[['Alue','Postinumero','Osuus']]
return(kiintosuus)
def aaniosuudet(kiint, post, url_puolueet, url_alueet):
"""read election results and share the votest
to postcodes
https://tulospalvelu.vaalit.fi/EKV-2019/
args:
kiint: data of postcode shares of votes
post: postcode data
url_puolueet: data from election results of parties
url_alueet: data from area based results
Exsample of url =
url_puolueet = "https://tulospalvelu.vaalit.fi/EKV-2019/ekv-2019_puo_maa.csv.zip"
url_alueet = 'https://tulospalvelu.vaalit.fi/EKV-2019/ekv-2019_alu_maa.csv.zip'
returns:
osuudet: shares of results by postcode
vaalidata: actual vaalidata
"""
import requests
import io
import zipfile
import numpy as np
import pandas as pd
#party based results
r = requests.get(url_puolueet)
zf = zipfile.ZipFile(io.BytesIO(r.content))
zip_names = zf.namelist()
# find the first matching csv file in the zip:
match = [s for s in zip_names if ".csv" in s][0]
vaalidata=pd.read_csv(zf.open(match), header=None, sep=";",na_values =['**','***','****'] ,error_bad_lines=False, low_memory=False, encoding="ISO-8859-1")
vaalidata = vaalidata[vaalidata.columns[np.concatenate([range(0,23),range(38,45)])]]
vaalidata.columns=['Vaalilaji', 'Vaalipiirinumero', 'Kuntanumero', 'Alueen tyyppi','Äänestysalue',
'Vaalipiirin lyhenne suomeksi','Vaalipiirin lyhenne ruotsiksi','Pysyvä puoluetunniste',
'Vakiopuoluenumero','Listajärjestysnumero', 'Puolueen nimilyhenne suomeksi',
'Puolueen nimilyhenne ruotsiksi', 'Puolueen nimilyhenne englanniksi',
'Alueen nimi suomeksi', 'Alueen nimi ruotsiksi', 'Puolueen nimi suomeksi',
'Puolueen nimi ruotsiksi', 'Puolueen nimi englanniksi','Pienin ehdokasnumero',
'Suurin ehdokasnumero','Vaaliliittonumero','Vaaliliiton nimi suomeksi', 'Vaaliliiton nimi ruotsiksi',
'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm', 'Äänet yhteensä lkm', 'Osuus ennakkoäänistä (%)',
'Osuus vaalipäivän äänistä (%)', 'Osuus kaikista äänistä (%)', 'Paikat']
#area based results
r = requests.get(url_alueet)
zf = zipfile.ZipFile(io.BytesIO(r.content))
zip_names = zf.namelist()
# find the first matching csv file in the zip:
match = [s for s in zip_names if ".csv" in s][0]
vd=pd.read_csv(zf.open(match), header=None, sep=";",na_values =['**','***','****'] ,error_bad_lines=False, low_memory=False, encoding="ISO-8859-1")
vd = vd[vd.columns[np.concatenate([range(0,5), range(13,14), range(36,37), range(38,39), range(40,41), range(63,69)])]]
vd.columns=['Vaalilaji', 'Vaalipiirinumero', 'Kuntanumero', 'Alueen tyyppi','Äänestysalue', 'Äänioikeutetut yhteensä',
'Ennakkoon äänestäneet', 'Vaalipäivänä äänestäneet', 'Äänestäneet yhteensä',
'Hyväksytyt ennakkoäänet', 'Hyväksytyt vaalipäivän äänet', 'Hyväksytyt äänet yht.',
'Mitättömät ennakkoäänet','Mitättömät vaalipäivän äänet ','Mitättömät äänet yht.']
#calcultate all votes pre-votes and date of election votes separately
yht=pd.melt(vd, id_vars=vd.columns[:5], value_vars=vd.columns[np.concatenate([range(5,6), range(8,9), range(11,12), range(14,15)])], var_name = 'Puolueen nimilyhenne suomeksi', value_name ='Äänet yhteensä lkm')
ennakko=pd.melt(vd, id_vars=vd.columns[:5], value_vars=vd.columns[np.concatenate([range(6,7), range(9,10), range(12,13)])], var_name = 'Puolueen nimilyhenne suomeksi', value_name ='Ennakkoäänet lkm')
kaikki=pd.concat([yht, ennakko], axis=0)
vaalipaiva=pd.melt(vd, id_vars=vd.columns[:5], value_vars=vd.columns[np.concatenate([range(7,8), range(10,11), range(13,14)])], var_name = 'Puolueen nimilyhenne suomeksi', value_name ='Vaalipäivän äänet lkm')
kaikki=pd.concat([kaikki, vaalipaiva], axis=0)
kaikki.loc[kaikki['Puolueen nimilyhenne suomeksi'].isin(['Äänestäneet yhteensä',
'Ennakkoon äänestäneet', 'Vaalipäivänä äänestäneet']), 'Puolueen nimilyhenne suomeksi'] ='Äänet'
kaikki.loc[kaikki['Puolueen nimilyhenne suomeksi'].isin(['Hyväksytyt äänet yht.', 'Hyväksytyt ennakkoäänet',
'Hyväksytyt vaalipäivän äänet']), 'Puolueen nimilyhenne suomeksi'] ='Hyväksytyt'
kaikki.loc[kaikki['Puolueen nimilyhenne suomeksi'].isin(['Mitättömät äänet yht.',
'Mitättömät ennakkoäänet', 'Mitättömät vaalipäivän äänet ']), 'Puolueen nimilyhenne suomeksi'] = 'Mitättömät'
kaikki = kaikki.reset_index().groupby(['Vaalilaji', 'Vaalipiirinumero', 'Kuntanumero', 'Alueen tyyppi','Äänestysalue', 'Puolueen nimilyhenne suomeksi'], as_index=False)[['Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']].sum()
#combine both datas
vaalidata = vaalidata.append(kaikki, sort=False)
vaalidata=vaalidata[['Vaalilaji', 'Vaalipiirinumero', 'Kuntanumero', 'Alueen tyyppi','Äänestysalue', 'Puolueen nimilyhenne suomeksi', 'Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']]
vaalidata.reset_index(inplace=True)
areas=post.groupby(['muncipality_code','area_code'],as_index=False ).mean()[['muncipality_code', 'area_code']][['muncipality_code', 'area_code']]
vaalidata = pd.merge(left=vaalidata, right=areas, left_on = 'Kuntanumero', right_on='muncipality_code')
vaalidata.drop(['muncipality_code'], axis=1, inplace=True)
df_obj = vaalidata.select_dtypes(['object'])
vaalidata[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
#create id
vaalidata.loc[(vaalidata['Äänestysalue'].notna()) & (vaalidata['Kuntanumero'].notna()), 'Alue'] = vaalidata.loc[vaalidata['Kuntanumero'].notna(), 'Kuntanumero'].astype(int).astype(str) + "-" + vaalidata.loc[vaalidata['Äänestysalue'].notna(), 'Äänestysalue']
#combining postal code shares based on the number of properties obtained through the
#address register and the election results of the polling station
postinumeroosuus = pd.merge(kiint, vaalidata, how='inner', on='Alue',
left_index=False, right_index=False,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None)[['Alue','Postinumero','Osuus', 'Puolueen nimilyhenne suomeksi','Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']]
postinumeroosuus['Äänet yhteensä lkm'] = postinumeroosuus['Äänet yhteensä lkm'] * postinumeroosuus['Osuus']
postinumeroosuus['Ennakkoäänet lkm'] = postinumeroosuus['Ennakkoäänet lkm'] * postinumeroosuus['Osuus']
postinumeroosuus['Vaalipäivän äänet lkm'] = postinumeroosuus['Vaalipäivän äänet lkm'] * postinumeroosuus['Osuus']
#partyvotes
pnropuolue=postinumeroosuus.reset_index().groupby(['Postinumero', 'Puolueen nimilyhenne suomeksi'],as_index=False ).sum()[['Postinumero', 'Puolueen nimilyhenne suomeksi','Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']]
#zeros to zeros
pnropuolue['Äänet yhteensä lkm']=pnropuolue['Äänet yhteensä lkm'].astype(int)
pnropuolue.loc[pnropuolue['Äänet yhteensä lkm']==0,'Ääniosuus']=0
pnropuolue['Ennakkoäänet lkm']=pnropuolue['Ennakkoäänet lkm'].astype(int)
pnropuolue.loc[pnropuolue['Ennakkoäänet lkm']==0,'Ääniosuus Ennakkoäänet']=0
pnropuolue['Vaalipäivän äänet lkm']=pnropuolue['Vaalipäivän äänet lkm'].astype(int)
pnropuolue.loc[pnropuolue['Vaalipäivän äänet lkm']==0,'Ääniosuus Vaalipäivän äänet']=0
#pivot to otherway
osuudet=pnropuolue.pivot(index='Postinumero', columns='Puolueen nimilyhenne suomeksi', values=['Äänet yhteensä lkm', 'Ääniosuus', 'Ennakkoäänet lkm', 'Ääniosuus Ennakkoäänet', 'Vaalipäivän äänet lkm', 'Ääniosuus Vaalipäivän äänet'])
osuudet.fillna(0,inplace=True)
osuudet.reset_index(level=[0], inplace=True)
osuudet.columns = osuudet.columns.map(' '.join)
osuudet.columns = osuudet.columns.str.strip()
vaalidata = vaalidata[vaalidata['Äänestysalue'].notna()].copy()
vaalidata.loc[:,['Vaalipiirinumero', 'Kuntanumero', 'Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']] = vaalidata[['Vaalipiirinumero', 'Kuntanumero', 'Äänet yhteensä lkm', 'Ennakkoäänet lkm', 'Vaalipäivän äänet lkm']].astype(int)
return(osuudet, vaalidata)
def read_vaalit(path, post, kiinteisto, url_puolueet, url_alueet):
"""This function reads all needed data
either from file or calls a function to fetch data
via API calls directly from sources and then writes data to files
Args:
path: path, where the data is stored
post: dataframe of postcodes
kiinteisto: dataframe of kiinteisto
url_puolueet: data of party votes
url_alueet: data of area votes
https://tulospalvelu.vaalit.fi/EKV-2019/
https://tulospalvelu.vaalit.fi/EKV-2019/ohje/Vaalien_tulostiedostojen_kuvaus_EKV-EPV-2019_FI.pdf
Returns:
osuudet: shares of vaalit
vaalidata : pure vaalidata
"""
import pandas as pd
import os
import inspect
from supportfunctions import add_zeros
filename_vaalidata = 'vaalit.csv'
filename_osuudet = 'osuudet.csv'
filename_vaalidata = os.path.join(path, filename_vaalidata)
filename_osuudet= os.path.join(path, filename_osuudet)
if (os.access(filename_vaalidata, os.R_OK)) & (os.access(filename_osuudet, os.R_OK)):
print(inspect.stack()[0][3],' read from file')
osuudet = pd.read_csv(filename_osuudet, encoding="ISO-8859-1")
osuudet.loc[:,'Postinumero'] = osuudet['Postinumero'].apply(add_zeros)
vaalidata = pd.read_csv(filename_vaalidata, encoding="ISO-8859-1")
else:
print(inspect.stack()[0][3],' read from API')
kiint = kiinteisto_alueiksi(kiinteisto)
osuudet, vaalidata = aaniosuudet(kiint, post, url_puolueet, url_alueet)
if os.path.exists(path):
osuudet.to_csv(filename_osuudet, index=False, encoding="ISO-8859-1")
vaalidata.to_csv(filename_vaalidata, index=False, encoding="ISO-8859-1")
return(osuudet, vaalidata)