library(readr) library(lubridate) library(tidyr) library(stringr) library(dplyr) # Hilfsroutinen, die die Index-Dateien generieren source("lies_aktuellen_stand.R") tmp_df <- lies_stand(stand_url) #---- Generiere Zentroide aus JSON ---- library(jsonlite) # Hole die Wahlergebnisse der OB-Wahl 2018 - mit den Wählerzahlen. # # Nach Auskunft von Michael Wolfsteiner, Leiter des Wahlamts, # ist die Zahl der Wahlberechtigen derzeit bei ca. 510.000 # (endgültig steht das erst am 6.11. um 18 Uhr fest). # Daran gemessen sind die hier verwendeten Zahlen um ca 1% zu niedrig - # auch wenn es nach Stadtteil stärker schwanken wird: # ich glaube, das kann man verschmerzen. ob2018stadtteile <- read_delim("index/ob2018stadtteile.csv", delim = ";", escape_double = FALSE, locale = locale(date_names = "de", decimal_mark = ",", grouping_mark = ".", encoding = "ISO-8859-1"), trim_ws = TRUE) tmp <- fromJSON("shapefile/zentroide.geojson") # unnest_wider dauert eeeewig lang, aber funktioniert stadtteile_df <- tibble(nr=tmp$features$properties$STT, name = tmp$features$properties$NAME, latlon = tmp$features$geometry$coordinates) %>% unnest_wider(latlon) %>% rename(lat =4, lon = 3) %>% left_join(ob2018stadtteile %>% select(nr = Stadtteilnummer, wahlberechtigt_2018 = 5, waehler_2018 = 6, gueltig_2018 = 11, feldmann_2018 = 14), by = "nr") # df enthält jetzt: # - nr (des Stadtteils) # - name # - lat # - lon write_csv(stadtteile_df,"index/stadtteile.csv") #---- Die Index-Daten alle in ein handliches .rda verpacken---- stadtteile_df <- read_csv("index/stadtteile.csv") zuordnung_stimmbezirke_df <- read_csv("index/zuordnung_wahllokale.csv") opendata_wahllokale_df <- read_csv2("index/opendata-wahllokale.csv") save(stadtteile_df,zuordnung_stimmbezirke_df,opendata_wahllokale_df,file ="index/index.rda")