Curvando la línea para llevar un fraude

Analisar el prep para mostrar el fraude desde la comidad de la casa
Published

June 5, 2021

Referencias a videos originales

El EVITEMOS EL FRAUDE !! APRENDE A ANALIZAR EL PREP DEL INE CON PYTHON !!! y las partes describiendo el código estan en

  • 0:0:0-24:50 (peque pandas code para plotear lineas de diferencia de votos)
  • 1:27:50-1:29:08 (como se ve un fraude)

Desgraciadamente el INE decidio quitar la página inicial del PREP, pero por fortuna no quitaron a donde apunta y se puede encontrar una copia en https://web.archive.org/web/20210526174841/https://www.ine.mx/voto-y-elecciones/prep/ que la ultima disponible es el 27 de Mayo del 2021.

Finalmente para descargar el mismo archivo que se muestra en el video navegar aquí y descargarlo localmente https://prep2018.ine.mx/#/diputaciones/nacional/1/3/1/1

Este otro video explica más a fondo como se pueden detectar los fraudes más a fondo

¡NO TE DEJES ENGAÑAR! MODELOS MATEMÁTICOS PARA DETECTAR FRAUDES ELECTORALES

Ejecutando en colab

Este notebook usa python y se puede ejecutar en la nube por cualquier persona.

Lo siguiente que tenemos que hacer es subirlo, lo unico que tienes que hacer es ejecutarlo mediante el menu

  • Runtime -> Run all

ó

  • Entorno de ejecución -> Ejecutar todas

ó simplemente mediante CTRL+F9

Al subirlo mediante el siguiente formulario debería de mostarse algo similar a esto images/upload_colab_widget.png

from google.colab import files
uploaded = files.upload()
%%time
# descomprimir el archivo que hayas subido desde el prep
!unzip 20180702_2100_PREP.zip
Archive:  20180702_2100_PREP.zip
 extracting: 20180702_2100_PREP_diputaciones.zip  
 extracting: 20180702_2100_PREP_presidencia.zip  
 extracting: 20180702_2100_PREP_senadurias.zip  
CPU times: user 7.46 ms, sys: 872 µs, total: 8.33 ms
Wall time: 273 ms
!unzip 20180702_2100_PREP_diputaciones.zip
Archive:  20180702_2100_PREP_diputaciones.zip
   creating: 20180702_2100_PREP_diputaciones/
  inflating: 20180702_2100_PREP_diputaciones/diputaciones.csv  
  inflating: 20180702_2100_PREP_diputaciones/diputaciones_candidaturas_2018.csv  
  inflating: 20180702_2100_PREP_diputaciones/LEEME.txt

Si ya haz descomprimido los archivos, a partir de aquí puedes sacar las cuentas cumulativas entre un partido y el resto de partidos

# cargar las librerías necesarias

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rc('figure', figsize=(10, 10))
# definimos algunos valores de las variables

partidos = ['MORENA', 'PAN', 'PRI', 'PRD']
tiempo='FECHA_HORA_CAPTURA'
# leemos los datos
datos = pd.read_csv('20180702_2100_PREP_diputaciones/diputaciones.csv', sep='|', engine='python', header=5)
# vamos a descartar las líneas que no se contabilizaron
lineas_malas = datos[datos['CONTABILIZADA']==0].index
datos.drop(lineas_malas, inplace=True)
def limpia(data, columna):
    data[columna] = data[columna].replace('-', 0)
    data[columna] = data[columna].replace('Ilegible', 0)
    data[columna] = data[columna].replace('Sin dato', 0)
    data[columna] = pd.to_numeric(data[columna], errors='raise')
for partido in partidos:
    limpia(datos, partido)
datos.sample(5)
CLAVE_CASILLA CLAVE_ACTA ID_ESTADO ESTADO ID_DISTRITO_FEDERAL DISTRITO_FEDERAL SECCION ID_CASILLA TIPO_CASILLA EXT_CONTIGUA ... CONTABILIZADA MECANISMOS_TRASLADO SHA FECHA_HORA_ACOPIO FECHA_HORA_CAPTURA FECHA_HORA_VERIFICACION ORIGEN DIGITALIZACION TIPO_DOCUMENTO COTEJADA
1373 '010263C0100' '010263C010006' 1 AGUASCALIENTES 3 Aguascalientes 0263 1 C 0 ... 1 D 4ab896849e13fcc2a26b1962115c2041d23bff9e8bee0b... 2018-07-01 22:28:00 2018-07-01 23:06:00 2018-07-01 23:08:02 CATD ESC�NER Acta PREP 1
15969 '071735C0200' '071735C020006' 7 CHIAPAS 6 Tuxtla Guti�rrez 1735 2 C 0 ... 0 D - - - - CATD ESC�NER - -
142531 '301356B0100' '301356B010006' 30 VERACRUZ 2 Tantoyuca 1356 1 B 0 ... 1 D c153534dc09dee6577bdf41e45204db25ac05237b3ed04... 2018-07-02 08:27:00 2018-07-02 09:22:00 2018-07-02 09:23:27 CATD ESC�NER Acta PREP 1
98989 '191505C0200' '191505C020006' 19 NUEVO LE�N 6 Monterrey 1505 2 C 0 ... 1 D 1f48bb9db93215c4db2a46c73a7459122e9b6956fa4a81... 2018-07-02 16:26:00 2018-07-02 16:45:00 2018-07-02 16:46:18 CATD ESC�NER Acta PREP -
150484 '304531C0100' '304531C010006' 30 VERACRUZ 16 C�rdoba 4531 1 C 0 ... 1 F-D 2f7475f3513f0981216175beb202322a5bb37ca524ad65... 2018-07-01 21:56:00 2018-07-01 23:03:00 2018-07-01 23:29:15 CASILLA M�VIL Acta PREP 1

5 rows × 56 columns

# ordenamos los datos por tiempo (la columna 'FECHA_HORA_CAPTURA')
datos_ordenados = datos.sort_values(by=[tiempo])
datos_ordenados.reset_index(inplace=True)
diferencias = []
for partido in partidos[1:]:
    base = partidos[0]
    contra = partido
    print(base, 'vs', partido)
    resta = np.cumsum(datos_ordenados[base]-datos_ordenados[contra])
    diferencias.append(resta)


for d in diferencias:
    plt.plot(d)
plt.ylabel('diferencia de votos')
plt.show()
MORENA vs PAN
MORENA vs PRI
MORENA vs PRD

Dudas o comentarios

Aquí abajo puedes dejar tus comentarios o dudas que tengas para ejecutar tu mismo este análisis y talvez después otros si más gente coopera al conocimiento colectivo, ¡vamos que es fácil compartir!, recuerden que las cosas que no se coparten se pierden.