Test kommuner Geojson med styre¶

tweet vill vi ha en karta med kommuner....
- user story2 "Politisk majoritet i varje kommun, kan man lägga till det fältet i municipality?"
denna notebook
- gist kombinerad med vem som styr i geojson

B = Borgerlig V = Vänster BL = Blandat Ö = Övrigt

GIST med var datat finns - Valresultat kommuner
- CSV styre
- GeoJson kommuner - raw

In [1]:

from datetime import datetime
start_time  = datetime.now()
print("Last run: ", start_time)

Last run:  2022-01-27 20:25:37.554250

In [2]:

fileGeoJson ="https://gist.githubusercontent.com/salgo60/509cdecf107dfb2cf0ca820082b2e101/raw/c53fed3fc5373a96147375765690636970a2f9be/Kommuner%2520Sverige.json"
csvkommunerstyre = "https://gist.githubusercontent.com/salgo60/21860059ae3da3dbf26016b4ec34565b/raw/1f10ad71eb3e2c3e5427054a80915c56c5618e7e/kommunval.csv"

In [3]:

import geopandas as gpd
dfgeo = gpd.read_file(fileGeoJson)

In [4]:

dfgeo

Out[4]:

	name	id	geometry
0	Ã–stersund	2380	MULTIPOLYGON (((14.94400 63.59400, 14.98000 63...
1	Ragunda	2303	MULTIPOLYGON (((15.98800 63.51400, 15.96600 63...
2	BrÃ¤cke	2305	MULTIPOLYGON (((15.31700 63.14400, 15.42500 63...
3	Berg	2326	MULTIPOLYGON (((14.77100 62.74900, 14.76500 62...
4	HÃ¤rnÃ¶sand	2280	MULTIPOLYGON (((17.32600 62.90900, 17.41600 62...
...	...	...	...
290	Ã–stersund	2380	MULTIPOLYGON (((14.77100 62.74900, 14.78900 62...
291	EslÃ¶v	1285	MULTIPOLYGON (((13.33900 56.00600, 13.38000 56...
292	NorrkÃ¶ping	581	MULTIPOLYGON (((16.20300 58.83700, 16.21200 58...
293	OxelÃ¶sund	481	MULTIPOLYGON (((17.02400 58.70000, 17.03300 58...
294	SÃ¶derkÃ¶ping	582	MULTIPOLYGON (((16.18300 58.52600, 16.18700 58...

295 rows × 3 columns

In [5]:

import pandas as pd  
dfstyre = pd.read_csv(csvkommunerstyre)  
dfstyre

Out[5]:

	Kommun	Kod	Kategori
0	Upplands Väsby kommun	114	B
1	Vallentuna kommun	115	B
2	Österåkers kommun	117	B
3	Värmdö kommun	120	B
4	Järfälla kommun	123	B
...	...	...	...
285	Luleå kommun	2580	V
286	Piteå kommun	2581	V
287	Bodens kommun	2582	BL
288	Haparanda stad	2583	B
289	Kiruna kommun	2584	B

290 rows × 3 columns

In [ ]:

In [6]:

dfstyre = dfstyre.rename(columns={'Kod': 'id'})

In [7]:

dfstyre = dfstyre.rename(columns={'Kategori': 'Styre'}) 
dfstyre

Out[7]:

	Kommun	id	Styre
0	Upplands Väsby kommun	114	B
1	Vallentuna kommun	115	B
2	Österåkers kommun	117	B
3	Värmdö kommun	120	B
4	Järfälla kommun	123	B
...	...	...	...
285	Luleå kommun	2580	V
286	Piteå kommun	2581	V
287	Bodens kommun	2582	BL
288	Haparanda stad	2583	B
289	Kiruna kommun	2584	B

290 rows × 3 columns

In [21]:

dfstyre.value_counts("Styre")
# B = Borgerlig V = Vänster BL = Blandat Ö = Övrigt

Out[21]:

Styre
B     129
BL    116
V      39
Ö       6
dtype: int64

In [20]:

plotStyre = dfstyre.value_counts("Styre").plot.bar( figsize=(25, 5)) 

In [16]:

# Diff storlek?!?!?!
#dfstyre # 290
#dfgeo # 295 

In [9]:

kommun_shapes = dfgeo.merge(dfstyre, on='id')

In [10]:

kommun_shapes

Out[10]:

	name	id	geometry	Kommun	Styre
0	Ã–stersund	2380	MULTIPOLYGON (((14.94400 63.59400, 14.98000 63...	Östersunds kommun	B
1	Ã–stersund	2380	MULTIPOLYGON (((14.77100 62.74900, 14.78900 62...	Östersunds kommun	B
2	Ragunda	2303	MULTIPOLYGON (((15.98800 63.51400, 15.96600 63...	Ragunda kommun	B
3	BrÃ¤cke	2305	MULTIPOLYGON (((15.31700 63.14400, 15.42500 63...	Bräcke kommun	BL
4	Berg	2326	MULTIPOLYGON (((14.77100 62.74900, 14.76500 62...	Bergs kommun	BL
...	...	...	...	...	...
290	MalmÃ¶	1280	MULTIPOLYGON (((12.97100 55.67900, 13.01800 55...	Malmö stad	BL
291	EslÃ¶v	1285	MULTIPOLYGON (((13.33900 56.00600, 13.38000 56...	Eslövs kommun	BL
292	NorrkÃ¶ping	581	MULTIPOLYGON (((16.20300 58.83700, 16.21200 58...	Norrköpings kommun	BL
293	OxelÃ¶sund	481	MULTIPOLYGON (((17.02400 58.70000, 17.03300 58...	Oxelösunds kommun	V
294	SÃ¶derkÃ¶ping	582	MULTIPOLYGON (((16.18300 58.52600, 16.18700 58...	Söderköpings kommun	B

295 rows × 5 columns

In [11]:

kommun_shapes.drop('name', inplace=True, axis=1) 

In [12]:

kommun_shapes

Out[12]:

	id	geometry	Kommun	Styre
0	2380	MULTIPOLYGON (((14.94400 63.59400, 14.98000 63...	Östersunds kommun	B
1	2380	MULTIPOLYGON (((14.77100 62.74900, 14.78900 62...	Östersunds kommun	B
2	2303	MULTIPOLYGON (((15.98800 63.51400, 15.96600 63...	Ragunda kommun	B
3	2305	MULTIPOLYGON (((15.31700 63.14400, 15.42500 63...	Bräcke kommun	BL
4	2326	MULTIPOLYGON (((14.77100 62.74900, 14.76500 62...	Bergs kommun	BL
...	...	...	...	...
290	1280	MULTIPOLYGON (((12.97100 55.67900, 13.01800 55...	Malmö stad	BL
291	1285	MULTIPOLYGON (((13.33900 56.00600, 13.38000 56...	Eslövs kommun	BL
292	581	MULTIPOLYGON (((16.20300 58.83700, 16.21200 58...	Norrköpings kommun	BL
293	481	MULTIPOLYGON (((17.02400 58.70000, 17.03300 58...	Oxelösunds kommun	V
294	582	MULTIPOLYGON (((16.18300 58.52600, 16.18700 58...	Söderköpings kommun	B

295 rows × 4 columns

In [13]:

kommun_shapes.to_file("kommunstyre.geojson", driver='GeoJSON')

In [22]:

import matplotlib.pyplot as plt
%matplotlib inline
fig, ax = plt.subplots(figsize=(10, 10))
ax.axis('on')
ax1 = kommun_shapes.plot(edgecolor='black',
                         column=kommun_shapes.Styre, 
                         linewidth=0.3, 
                         ax=ax)
plt.show(ax1)

In [14]:

end = datetime.now()
print("Ended: ", end) 
print('Time elapsed (hh:mm:ss.ms) {}'.format(datetime.now() - start_time))

Ended:  2022-01-27 20:25:39.327903
Time elapsed (hh:mm:ss.ms) 0:00:01.774177

In [ ]: