Anomali pemungutan suara untuk amandemen Konstitusi Rusia. Bagian 1

Pemungutan suara semua-Rusia atas persetujuan amandemen Konstitusi Federasi Rusia diadakan dari 25 Juni hingga 1 Juli 2020 (wikipedia) .

Tujuan utama posting ini adalah untuk mendemonstrasikan bagaimana Anda dapat dengan cepat mulai bekerja dengan data voting dan menunjukkan adanya jenis anomali tertentu di dalamnya.

Semua perhitungan, visualisasi, dan penguraian data disediakan di Google Colab, yang tersedia dari tautan Google Colab ini .

Tautkan ke bagian kedua

Kami akan fokus pada mengidentifikasi kasus pemungutan suara varians nol, yaitu, hasil ketika semua PEC dalam suara TEC yang sama sama atau dengan varian minimal. Kasus-kasus tersebut tidak memiliki penjelasan yang wajar, kecuali penghitungan suara tidak dilakukan.

Ini terlihat seperti ini (tautan ke halaman CEC TEC 52 , TEC 33 , TEC 42 dan TEC 19 ):

Selanjutnya dalam teks 'For' = 'Yes', 'Against' = 'No'.

Sumber data

. . , .

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/

Gerakan Hak Pemilih "Golos" https://www.golosinfo.org/ .

Asosiasi pengamat: https://constitution.observer/

ps Terima kasih untuk semua orang yang membaca. Saya harap Anda dapat memeriksa perhitungan penulis dengan tangan Anda sendiri, menggunakan kode sumber terbuka dan data. Terima kasih khusustyomitch dan Lissov untuk komentar jenaka.