En primer lugar agradezco a Javier Moreno al facilitar los datos de las elecciones (dos horas después de cerradas estas).
Bogotá, Santander, la región pacífica, atlántica y una parte de los antiguos territorios nacionales le dieron un triunfo contudente a Santos.
La costa se convirtió en el fortín de Santos, el presidente también aumento su ventaja al ganar en algunas zonas del interior como los Santanderes y Bogotá. Santos ganó en 19 de los 33 departamentos (con Bogotá)
Se destaca el triunfo de Santos en departamentos con un peso demográfico muy importante como el Valle del Cauca, Santander, Atlántico, Bolivar y Norte de Santander y como ya se mencionó la capital del país.
Estos son los departamentos donde triunfo Santos:
## DEP JMS OIZ Ninguno PropJMS PropOIZ PropNinguno
## 4 Atlántico 541455 139462 20485 77.2 19.9 2.9
## 11 Cauca 310642 107650 23954 70.2 24.3 5.4
## 18 Guajira 120053 46093 4990 70.2 26.9 2.9
## 33 Vaupés 4149 1645 181 69.4 27.5 3.0
## 21 Magdalena 258711 117491 11303 66.8 30.3 2.9
## 25 Putumayo 57874 26397 4571 65.1 29.7 5.1
## 23 Nariño 342699 163978 25399 64.4 30.8 4.8
## 16 Córdoba 376174 206281 17178 62.7 34.4 2.9
## 13 Chocó 60689 32489 6159 61.1 32.7 6.2
## 32 Valle 827433 459820 99638 59.7 33.2 7.2
## 12 Cesar 200452 123556 12506 59.6 36.7 3.7
## 30 Sucre 199249 126955 10022 59.3 37.8 3.0
## 6 Bolívar 309534 211983 19010 57.3 39.2 3.5
## 17 Guainía 4274 3356 313 53.8 42.3 3.9
## 28 SanAndrés 5781 4714 485 52.7 42.9 4.4
## 29 Santander 428952 347962 52450 51.7 42.0 6.3
## 5 Bogotá 1337349 1075638 213922 50.9 40.9 8.1
## 24 NortedeSantander 239215 219904 29336 49.0 45.0 6.0
## 3 Arauca 37892 36320 4099 48.4 46.4 5.2
library(RCurl)
library(reshape2)
library(ggplot2)
library(sqldf)
options(scipen = 11111)
url <- getURL("https://raw.githubusercontent.com/finiterank/elecciones-congreso/master/resultados.presidenciales/votos-segunda-municipios2014-06-15.20.19.37.csv")
elecciones2014 <- read.csv(text = url)
clases = rep(NA, 11)
clases[1:2] = rep("character", 2)
clases[10:11] = rep("character", 2)
names(elecciones2014)[6] = "SINMARCA"
cons1 = sqldf("select DEP, sum(JMS) as 'JMS', sum(OIZ) as 'OIZ',\nsum(BLANCOS) as 'BLANCOS', sum(SINMARCA) as 'SINMARCA', sum(NULOS) as 'NULOS', \nsum(TOTAL) as 'TOTAL'\nfrom elecciones2014 group by DEP")
cons1$Ninguno = cons1$BLANCOS + cons1$SINMARCA + cons1$NULOS
cons1$BLANCOS = NULL
cons1$SINMARCA = NULL
cons1$NULOS = NULL
cons1$BLANCOS = NULL
cons1$TOTAL = NULL
cons2 = melt(cons1, id.vars = "DEP")
colnames(cons2)[2] = "Candidato"
colnames(cons2)[3] = "Frec"
cons2$DEP <- reorder(cons2$DEP, -cons2$Frec)
cons3 = cons1[cons1$JMS > cons1$OIZ, ]
cons3$PropJMS = round(100 * cons3$JMS/(cons3$JMS + cons3$OIZ + cons3$Ninguno),
1)
cons3$PropOIZ = round(100 * cons3$OIZ/(cons3$JMS + cons3$OIZ + cons3$Ninguno),
1)
cons3$PropNinguno = round(100 * cons3$Ninguno/(cons3$JMS + cons3$OIZ + cons3$Ninguno),
1)
cons3[order(cons3$PropJMS, decreasing = T), ]
g = ggplot(cons2, aes(DEP, Frec, fill = Candidato)) + geom_bar(stat = "identity") +
scale_fill_brewer(palette = "Set1") + theme(axis.text.x = element_text(angle = 90,
hjust = 1))
g
José Fernando Zea