.. py:module:: municipals

Eleccions municipals
--------------------

Els partits  polítics estan començant  a dissenyar la  seva estratègia
electoral de cara a les  pròximes eleccions municipals. Volen saber en
quins municipis van ser el partit més votat a les eleccions del 2015,
per tal d'intentar fidelitzar els seus votants multiplicant els actes
electorals en  aquests municipis. Exclouen Barcelona d'aquesta cerca
perquè els actes electorals a la capital s'organitzen a part.

L'objectiu de l'exercici és crear una funció que donades les sigles
d'un partit polític, retorni la llista dels municipis on aquest partit
va ser el més votat i el percentatge de vots que aquest partit ha
obtingut respecte del total. Per a resoldre aquest problema, cal que
que utilitzeu la llibreria `pandas <https://pandas.pydata.org/>`__.
Utilitzarem el fitxer :download:`FilesVots_M20151_MU_ca_ES.csv` que
conté els resultats de les eleccions del 2015. Aquests resultats són
públics i es poden obtenir de la `url següent
<http://municat.gencat.cat/ca/Temes/els-ens-locals-de-catalunya/consulta-de-dades/eleccions_locals_2015/>`__. Resoldrem
el problema a través de diverses funcions que desarem al fitxer
:file:`municipals.py` (mòdul :py:mod:`municipals`). També farem altres
funcions no directament relacionades amb el nostre objectiu, però que
ens ajudaran a explorar les dades.

Abans de començar, descarregueu el fitxer de dades en el directori de treball. 


1. Dissenyeu la funció :py:func:`~municipals.creaDataFrame` que donat
   el nom d'un fitxer amb el resultat de les eleccions municipals, com
   l'indicat en el paràgraf anterior, el llegeix i retorna un
   :py:class:`~pandas.DataFrame`. Les dades estan en format `CSV
   <https://ca.wikipedia.org/wiki/CSV>`__ separades per un punt i
   coma. Consulteu la documentació de la funció `read_csv
   <http://pandas.pydata.org/pandas-docs/version/0.19.1/generated/pandas.read_cs   v.html>`__ per saber com fer-ho.

   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 5-23

2. Com que ens  interessen els resultats  a nivell dels municipis  i volem
   excloure  Barcelona, filtrarem  el :py:class:`~pandas.DataFrame`  i
   guardarem només les files que tenen un valor vàlid a la columna de
   ``'Nom Municipi'`` i que no sigui Barcelona.  Per  això, dissenyeu  la
   funció :py:func:`~municipals.filtraFiles`  que rep com  a paràmetre
   el :py:class:`~pandas.DataFrame` llegit a la pregunta anterior i el
   filtra. Utilizeu el mètode :py:meth:`~pandas.DataFrame.notna`, per
   determinar si un valor  existeix o no.  Investigueu com filtrar
   amb  una  doble  condició  llegint l'apartat  de  la  documentació:
   :ref:`Boolean indexing <pandas:indexing.boolean>`.

   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 24-26

3. Ara voldrem reduir el nombre de columnes i quedar-nos només amb les
   corresponents  al nom del municipi,  les sigles  de  partit i  els vots  de
   partits. Dissenyeu  la funció :py:func:`~municipals.filtraColumnes`
   que  rep  com  a  paràmetre  un  :py:class:`~pandas.DataFrame`  com
   l'obtingut a  la pregunta  2 i n'obté un altre  que només  té les
   columnes indicades.

   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 27-34

4. Ens volem centrar en el cas particular d'un municipi del que no
   recordem exactament el nom. Creiem recordar que era quelcom de
   l'estil *no_sé_què de Llobregat*.  En el shell de python, intenteu
   filtrar les dades de tots municipis que contenen 'de Llobregat' en
   el seu nom.  Investigueu les :doc:`eines de treball amb strings
   <pandas:user_guide/text>`. Dissenyeu la funció
   :py:func:`~municipals.filtraPerMunicipi` que donat un dataframe com
   l'obtingut a la pregunta 3 (on totes les files tenen un valor vàlid
   a la columna 'Nom Municipi'), i donat un substring, retorni un nou
   :py:class:`~pandas.DataFrame` format només per les files
   corresponents a municipis que contenen el substring en el seu nom. Com a
   suggeriment podeu usar el mètode :py:meth:`~pandas.Series.str.contains`.

   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 35-47
	      
5. Ara, dissenyeu la funció :py:func:`~municipals.ordenaDades` que, a
   partir d'un :py:class:`~pandas.DataFrame` com l'obtingut a la
   pregunta 3, en crea un de nou que té per files el nom dels
   municipis i per columna les sigles del partit més votat. Per això,
   primer crearem un dataframe per cada municipi utilitzant el mètode
   :py:meth:`~pandas.DataFrame.groupby`.  Per cada
   :py:class:`~pandas.DataFrame` municipal, calcularem l'índex del
   partit més votat utilitzant el mètode
   :py:meth:`~pandas.DataFrame.idxmax` i finalment reduirem les dades
   a només el nom del municipi (que ha de ser l'índex) i les sigles del
   partit més votat.

   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 49-65

6. Dissenyeu finalment la funció
   :py:func:`~municipals.llistaMunicipis`, que a partir d'un
   :py:class:`~pandas.DataFrame` com l'obtingut a la pregunta 1 i de les
   sigles d'un partit, retorna la llista de municipis on el partit donat
   ha estat el més votat ordenada alfabèticament.  Aquesta funció
   simplement crida seqüencialment algunes de les funcions anteriors,
   passant els paràmetres adients. Noteu, però, que les sigles d'un partit
   poden aparèixer soles o bé formant part d'una candidatura. Per exemple,
   ``'ERC'`` pot aparèixer així o bé com  ``'ERC-AM'`` o ``'ERC-SxA'``,
   entre altres possibles combinacions.
      
   .. literalinclude:: test-municipals.txt
      :language: python3
      :lines: 67-83

Disposeu de jocs de proves al fitxer :download:`test-municipals.txt`.


.. rubric:: Solució

Disposeu d'una solució al fitxer :download:`municipals.py
<solucio/municipals.py>`.