شذوذ التصويت على تعديلات الدستور الروسي. الجزء الأول

جرى التصويت لعموم روسيا على الموافقة على تعديلات دستور الاتحاد الروسي في الفترة من 25 يونيو إلى 1 يوليو 2020 (ويكيبيديا) .



الغرض الرئيسي من هذا المنشور هو توضيح كيف يمكنك البدء بسرعة في العمل مع بيانات التصويت وإظهار وجود نوع معين من الحالات الشاذة فيها.



يتم توفير جميع العمليات الحسابية والتصورات وتحليل البيانات في Google Colab ، وهو متاح من رابط Google Colab هذا .



رابط للجزء الثاني



سوف نركز على تحديد حالات التصويت بدون فروق ، أي النتائج عندما تكون جميع PECs ضمن تصويت TEC واحد بالتساوي أو مع الحد الأدنى من التباين. هذه الحالات ليس لها تفسير طبيعي سوى حقيقة عدم إجراء عدّ للأصوات.



يبدو مثل هذا (رابط إلى صفحات CEC TEC 52 و TEC 33 و TEC 42 و TEC 19 ):











العديد من الأمثلة
















وبعض الأمثلة الأخرى






















كذلك في النص "For" = "Yes" ، "Against" = "لا".



مصادر البيانات



. . , .



JSON CSV . (no data, no job!). , , Telegram- RUElectionData .





  1. .
  2. , 10.00 12.00 15.00 18.00 .
  3. , .


, .



. () youtube.



18 « » . ( ) 12.00 10.00 3%, 15.00 12.00 5% ( ).





, 91%, — 90% ( ).







Runtime->Run All. 15 .



Google Drive Google account. GoogleCredentials . , . .



.



.



( « »). turnouts_05_Jul_2020_14_56.zip results_06_Jul_2020_19_05.zip RUElectionData.



df2 df1 df:



df= pd.merge(df1, df2.drop(columns=['reg']), how='inner',on=['tik', 'uik'])


transliterate:



!pip install transliterate
from transliterate import translit


:



df['turnout_pct']=df['n_ballots_all']/df['n_registered_voters']*100.
df['yes_pct']=df['yes']/df['n_ballots_polling_station']*100.
df['no_pct']=df['no']/df['n_ballots_polling_station']*100.  
df['invalid_pct']=df['n_ballots_invalid']/df['n_ballots_polling_station']*100.


:



df_original=df.copy(deep=True)


. « » «» «». 100%.



df=df[df['turnout_pct']<100.]
ax = df.plot.scatter(x='turnout_pct',y='yes_pct',label=' ()',c='DarkBlue',s=0.001)
ax = df.plot.scatter(x='turnout_pct',y='no_pct',label=' ()',c='DarkRed',s=0.001,ax=ax)




, , «» :







«» :







80%, 85%, 90% 95%.



. , , , .



. , ( ) (: A Model Is Only as Good as Its Assumptions).



« » Excel . () wiki:Median absolute deviation.



, «» . , . , 1- 2- . , , url , .



100 ‘’ 153 5570 6 . 5.5 . .



«» . .



. ().



4 , : « ».



« » 50 «»(«»).





« », . ( ) id_num . id_num 1616, 1995 2165.



id_num=1616 33 ,

( ). :





, «» ( yes_pct) 71.9%. :







, « » «». plot_top_n_results . plot_top_n_results=50 plot_top_n_results=300 .



.



import shutil
from google.colab import files
directory='/content/drive/anomaly/dispersion'
shutil.make_archive(directory, 'zip', directory)
files.download('/content/drive/anomaly/dispersion.zip')




10 . 10 . .



Facebook' .



:

https://elections.dekoder.org/ru/russia/constitution/2020/

https://www.electoral.graphics/ru-ru/



حركة حقوق الناخبين "جولوس" https://www.golosinfo.org/ .



جمعيات المراقبين: https://constitution.observer/



شكرا لكل من قرأ. أتمنى أن تكون قادرًا على التحقق من حسابات المؤلف بيديك ، باستخدام كود وبيانات مفتوحة المصدر. شكر خاصتيوميتش و ليسوف لتعليقات بارعة.






All Articles