ysk 0.1.3

Tools for loading and analyzing cleaned Turkish YSK election data

ysk

Temizlenmis YSK secim sonuclari verisi.

Kurulum

pip install ysk

Varsayilan kurulum yalnizca veri okuma ve tablo uretme bagimliliklarini kurar. Tarihsel ilce hizalama icin cografya bagimliligini ekleyin:

pip install "ysk[cografya]"

Harita cizimi icin harita bagimliligini ekleyin:

pip install "ysk[harita]"

Tum opsiyonel bagimliliklari birlikte kurmak icin:

pip install "ysk[cografya,harita]"
# veya
pip install "ysk[all]"

İçerik

Bu repo, src/ysk/data/secim.zarr altinda tek bir xarray/zarr veri seti olarak duzenlenmis YSK sonuclarini icerir. Veri seti; secim tarihi, makam, yer ve tercih koordinatlariyla okunabilir. Paket icindeki yardimci fonksiyonlar bu veriyi analiz icin hazir pandas tablolarina donusturur.

Yer bilgisi il, ilce, belde, mahalle ve sandik seviyelerinde tutulur. Oylar parti, aday, ittifak veya diger tercih adlariyla kolonlasir; secmen sayilari sonuc tablolarinda yer alir. Cinsiyet kirilimi level="ilce" ve level="il" sonuclarina eklenir.

Ana dosya:

src/ysk/data/secim.zarr

Örnek

Harita sinirlari ve cizim yardimcilari opsiyonel turkiye paketinden gelir:

import turkiye
import ysk


def set_winner(df):
  oy = ysk.filter_columns(df, types=ysk.Kolon.PARTI | ysk.Kolon.BAGIMSIZ)
  toplam = oy.sum(axis=1).where(lambda deger: deger > 0)
  df[["birinci_parti", "birinci_parti_oy"]] = oy.agg(["idxmax", "max"], axis=1)
  df["birinci_parti_oran"] = df["birinci_parti_oy"] / toplam * 100


ilce = ysk.election_results(
  ysk.Secim.YEREL_2024,
  ysk.Makam.BELEDIYE_BASKANI,
  level="ilce",
)

set_winner(ilce)

ax = turkiye.plot(
  ilce,
  color="birinci_parti",
  color_map=ysk.PARTI_RENKLERI,
  legend=True,
  backend="matplotlib",
)
ax.set_title("2024 Yerel Secimleri")

Ornek cikti:

En Kolay Kullanim

import ysk

df = ysk.election_results(
  ysk.Secim.YEREL_2024,
  ysk.Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  level="ilce",
)
df.head()

Sonuc, analiz icin hazir bir pandas DataFrame'dir:

                         secmen  oy_kullanan  gecerli  gecersiz  ak_parti  chp ...
il       ilce
ISTANBUL ADALAR            ...          ...      ...       ...       ...  ...
         ARNAVUTKOY        ...          ...      ...       ...       ...  ...

Secim ve Makam

election icin Secim, office icin Makam enumlarini kullanin.

from ysk import Makam, Secim, election_results

election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI)
election_results(Secim.YEREL_2024, Makam.BELEDIYE_MECLISI)
election_results(Secim.GENEL_2023, Makam.CUMHURBASKANI)
election_results(Secim.GENEL_2023, Makam.MILLETVEKILI)

Birden fazla secimi ayni anda alabilirsiniz:

df = election_results(
  [Secim.YEREL_2019, Secim.YEREL_2024],
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ISTANBUL",
  district="USKUDAR",
)

df.head()

Bu durumda kolonlar MultiIndex olur:

secim       2019-03-31                  2024-03-31
alan        secmen  gecerli  chp ...    secmen  gecerli  chp ...
il ilce ...

Birden fazla makam da birlikte secilebilir:

df = election_results(
  Secim.YEREL_2024,
  [Makam.BUYUKSEHIR_BELEDIYE_BASKANI, Makam.BELEDIYE_MECLISI],
  province="ISTANBUL",
  level="ilce",
)

Seviyeler

level parametresi tablonun hangi kirilimda donecegini belirler:

election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI, level="sandik")
election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI, level="mahalle")
election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI, level="belde")
election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI, level="ilce")
election_results(Secim.YEREL_2024, Makam.BUYUKSEHIR_BELEDIYE_BASKANI, level="il")

sandik seviyesi yurt ici sandiklari, gumruk ve ulke satirlarini birlikte tutar. Daha yuksek seviyeler sandik verisinden gruplanarak hesaplanir.

Il ve Ilce

ankara = election_results(
  Secim.YEREL_2024,
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ANKARA",
  level="ilce",
)
cankaya = election_results(
  Secim.YEREL_2024,
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ANKARA",
  district="CANKAYA",
)

Ilce adlarinda bazi tarihsel farklar normalize edilir. Ornegin ONDOKUZMAYIS ve 19 MAYIS ayni ad altinda hizalanir. SEMDINLI - DERECIK gibi kaynak adlari temizlenerek ilce ve belde bilgisi ayrilir.

Birden fazla secimi karsilastirirken, sonradan ilce olan yerleri eski idari sinirlara toplamak icin align_historical_divisions=True argumanini kullanabilirsiniz. Bu secenek yalnizca level="ilce" sonuclarinda etkilidir: turkiye gerektirir; gerekirse pip install "ysk[cografya]" ile kurun.

df = election_results(
  [Secim.YEREL_2014, Secim.YEREL_2024],
  Makam.BELEDIYE_BASKANI,
  province="HAKKARI",
  level="ilce",
  align_historical_divisions=True,
)

Oy, Secmen ve Cinsiyet

Donen tabloda, varsa toplam kolonlari basta gelir:

secmen, oy_kullanan, gecerli, gecersiz,
gecerli_itirazsiz, gecerli_itirazli, kadin, erkek

Bunlardan sonra parti, aday, ittifak veya tercih kolonlari gelir.

Ilce seviyesinde kadin secmen sayisi ile CHP oyu arasindaki korelasyon:

df = election_results(
  Secim.YEREL_2024,
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ISTANBUL",
  level="ilce",
)

df[["kadin", "chp"]].corr()

Sadece belirli tercihleri almak icin:

df = election_results(
  Secim.YEREL_2024,
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ISTANBUL",
  level="ilce",
  choices=["chp", "ak_parti", "mhp"],
)

Sandik seviyesinde oy ve secmen bilgilerini birlikte kullanmak:

df = election_results(
  Secim.YEREL_2024,
  Makam.BUYUKSEHIR_BELEDIYE_BASKANI,
  province="ISTANBUL",
  district="USKUDAR",
)

df[["secmen", "chp", "ak_parti"]].head()

kadin ve erkek ilce seviyesinde tutulan demografik kolonlardir; sandik seviyesinde tekrarlanmazlar. Bu kolonlar level="ilce" ve level="il" sonuclarina ayri demografi verisinden eklenir.

Kolon gruplarini filtrelemek icin:

from ysk import Kolon, filter_columns

partiler = filter_columns(df, types=Kolon.PARTI)
toplam_ve_bagimsiz = filter_columns(df, types=Kolon.TOPLAM | Kolon.BAGIMSIZ)

Ham Xarray Verisi

Hazir zarr veri setini dogrudan xarray ile acmak icin:

from ysk import load_dataset

ds = load_dataset()
ds

Alternatif:

import xarray as xr

ds = xr.open_zarr("src/ysk/data/secim.zarr")

Ornek secim:

from ysk import Makam, Secim

bbb_2024 = ds.sel(secim=Secim.YEREL_2024).sel(makam=Makam.BUYUKSEHIR_BELEDIYE_BASKANI)

Eksenleri ve degiskenleri gormek icin:

ds.dims
ds.coords
list(ds.data_vars)

Tum zarr'i tek seferde DataFrame'e cevirmek bellek tasmasina yol acabilir:

# Bunu genelde yapmayin:
# ds.oy.to_dataframe()

Once secim, makam, il veya ilce ile daraltmak ya da election_results() yardimcisini kullanmak daha guvenlidir.

Veri Formati

Ana format zarr'dir. Zarr, xarray ile uyumlu, parca parca okunabilen N-boyutlu veri saklama formatidir. Bu repo icin dogal model secim, makam, yer ve tercih koordinatlari olan etiketli bir veri setidir.

Parquet tablo/SQL isleri icin daha uygundur. Bu repoda zarr kanonik veri formati olarak tutulur; analiz tablolarini election_results() uretir.