briatte / briatte/selection-bv
Paris
- Dominant language
- R
- Stars
- 2
- Forks
- 0
- PR merge metrics
- No merged PRs in 30d
Description
Pour Paris, les découpages BV changent régulièrement : [2025](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote-2025/information/), [2024](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote-2024/information/), [2022](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote/information/), [législatives 2022](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote-leg-2022/), [2021](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote-en-2021/), [2020](https://opendata.paris.fr/explore/dataset/secteurs-des-bureaux-de-vote-en-2020/).
J'ai trouvé 900 BV dans les données PR 2022, 902 BV dans les données EUR 2024, mais seulement 897 dans l'approximation Etalab. Pas pris le temps de regarder les bureaux spéciaux, mais le Ministère de la Justice a probablement un BV prisonniers, par exemple.
Les résultats sortent quand même de manière plutôt cohérente :
Les différences Etalab v. BV 2022 ne sont pas intéressantes (idem pour 2024) :
… et les différences 2022 v. 2024 sont triviales.
```r
library(patchwork)
library(sf)
eta <- "sorties/Paris/contours-Paris-BV.rds" %>%
read_rds()
p22 <- "~/Downloads/secteurs-des-bureaux-de-vote-2022/" %>%
st_read()
p24 <- "~/Downloads/secteurs-des-bureaux-de-vote-2024/" %>%
st_read()
p1 <- ggplot(eta) +
geom_sf(fill = "grey", color = "blue", size = 1.5) +
geom_sf(data = p22, fill = NA, color = "red", size = 1) +
theme_void() +
labs(title = "Etalab (bleu) vs. BV 2022")
p2 <- ggplot(eta) +
geom_sf(fill = "grey", color = "blue", size = 1.5) +
geom_sf(data = p24, fill = NA, color = "red", size = 1) +
theme_void() +
labs(title = "Etalab (bleu) vs. BV 2024")
p1 + p2
ggsave("diff-etalab-bv2022.png", p1)
ggplot(p22) +
geom_sf(fill = "grey", color = "blue", size = 1.5) +
geom_sf(data = p24, fill = NA, color = "red", size = 1) +
theme_void() +
labs(title = "BV 2022 (bleu) vs. BV 2024")
```
Contributor guide
No contributing guide indexed for this repository
Research direction
Start with sorties/Paris/contours-Paris-BV.rds and the R comparison script in the issue. Read the 2022 and 2024 Paris voting-district datasets, then compare them with the Etalab approximation and investigate the differing counts and special polling stations. Done means the source and treatment of the Paris boundaries are documented or corrected.
Written by the indexing model from the issue text.
Assessment
- Tech stack
- r
- Domain
- data
- Issue type
- Bug
- Difficulty
- 4/5
- Estimated time
- 3-5 days
- Activity status
- Stale
- Clarity
- Needs clarification
- Newbie friendliness
- 35/100