Data-Gouv-FR/analyse-des-municipales-2026-la-reunion

该数据集是关于2026年法国留尼汪岛市政选举的分析数据。具体内容包括：1) 分析留尼汪岛高地市镇的投票情况，探讨其投票参与度是否更高；2) 进行投票率与贫困率的双变量分析，研究南北区域及高地与低地之间的差异；3) 评估投票参与度及各当选候选人的实际投票权重，进行双重选举解读。数据来源包括法国国家统计与经济研究所（INSEE 2021）、法国内政部、留尼汪岛省政府以及《世界报》等权威机构。许可证：其他 语言： - 法语 标签： - data.gouv.fr 平台数据集（data-gouv） - 法国公共数据（donnees-publiques-francaises） - Parquet格式（parquet） - CSV格式（csv） - 开放数据（open-data） 友好名称："2026年法国市政选举分析——留尼汪" 配置项： - 配置名称：donnees_elections_2008_2026_popdeshauts_la_reunion 数据文件： - 拆分集：train - 路径：data/donnees_elections_2008_2026_popdeshauts_la_reunion.parquet - 配置名称：taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion 数据文件： - 拆分集：train - 路径：data/taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion.parquet # 2026年法国市政选举分析——留尼汪 ## 数据来源 - 官方来源：https://www.data.gouv.fr/datasets/analyse-des-municipales-2026-la-reunion - 法国政府数据开放平台（data.gouv.fr）数据集标识符：`69d8cba170e2a3e3586b0748` - 法国政府数据开放平台（data.gouv.fr）数据集短标识：`analyse-des-municipales-2026-la-reunion` - 法国政府数据开放平台（data.gouv.fr）元数据标注许可证：lov2 ## Hugging Face 数据集结构 - 法国政府数据开放平台（data.gouv.fr）数据集等价于 Hugging Face 仓库 - 原始表格资源对应 Hugging Face 的子数据集/配置项 - 每个子数据集/配置项均包含名为`train`的数据拆分 ## 子数据集列表 - `donnees_elections_2008_2026_popdeshauts_la_reunion` → 对应数据文件`data/donnees_elections_2008_2026_popdeshauts_la_reunion.parquet` - `taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion` → 对应数据文件`data/taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion.parquet` ## 使用示例 python from datasets import load_dataset # 选择一个子数据集/配置项： ds = load_dataset("Data-Gouv-FR/analyse-des-municipales-2026-la-reunion", "donnees_elections_2008_2026_popdeshauts_la_reunion") print(ds["train"]) ## 数据集说明 2026年法国市政选举分析——留尼汪： - 留尼汪“高地”地区的市镇与已投选票：投票率是否更高？ - 投票率与贫困率：双变量分析。南北地区、高低地区是否存在差异？ - 投票率与每位当选候选人的实际得票权重：双重选举视角解读 数据来源：法国国家统计与经济研究所（INSEE）2021年数据、法国内政部、留尼汪大区行政公署、《世界报》

搜集汇总

数据集介绍

构建方式

该数据集源自法国数据开放平台data.gouv.fr，旨在深入分析2026年留尼汪市镇选举的投票模式与社会经济指标之间的关联。构建方式遵循严格的映射规则：每个data.gouv.fr数据集对应一个Hugging Face仓库，每一份原始表格资源被转化为一个独立的子集（configuration），每个子集内包含一个名为'train'的分割。数据以Parquet和CSV格式存储，确保高效存取与兼容性。子集'donnees_elections_2008_2026_popdeshauts_la_reunion'汇集了2008至2026年间留尼汪高地市镇的选举数据与得票情况，而子集'taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion'则整合了贫困率、参与率与弃权率，为双变量分析奠定基础。

特点

该数据集的核心特色在于其多维视角与深度整合能力。一方面，它聚焦于留尼汪岛高地市镇，对比不同地理区域的选举参与差异，揭示“北南差异”与“高底差异”的潜在规律。另一方面，数据集创新性地将贫困率作为关键变量，与投票参与率及弃权率进行双变量分析，从而探测社会经济地位与政治行为之间的微妙联系。此外，它还纳入每位当选候选人的实际得票权重，提供双重选举解读，使得对选举效能与代表性的剖析更为精准。数据来源涵盖INSEE（2021年人口统计）、内政部、留尼汪省政府以及《世界报》，保证了权威性与时效性。

使用方法

该数据集的使用方法简洁明了，依托Hugging Face的datasets库实现加载与操作。用户通过指定子集名称即可获取数据：例如，执行`load_dataset(\"Data-Gouv-ML/analyse-des-municipales-2026-la-reunion\", \"donnees_elections_2008_2026_popdeshauts_la_reunion\")`可调取选举数据集，而更换为`taux_de_pauvrete_participation_bstention_municipales_2026_la_reunion`则加载贫困率与参与率关联数据。每个子集均提供'train'分割，内含完整的Parquet表格，便于直接进行统计分析或可视化。此设计降低了技术门槛，使研究者能够快速聚焦于留尼汪选举的政治社会学洞察，无需费心于数据清洗格式转换等环节。

背景与挑战

背景概述

该数据集创建于2026年法国市镇选举前夕，由法国开放数据平台data.gouv.fr联合多家官方机构（包括INSEE、内政部、留尼汪省政府及《世界报》）共同构建。核心研究问题聚焦于留尼汪岛高海拔地区（“Hauts”）的选举行为与社会经济特征之间的关联性，尤其关注贫困率与投票参与率之间的双变量关系。该数据集通过整合2008至2026年间多届选举数据，为政治地理学和社会分层研究提供了独特的时空维度，填补了法国海外领土选举行为量化分析的空白，对理解边缘化社区的民主参与模式具有重要参考价值。

当前挑战

数据集面临的核心挑战在于解决领域内选举参与率与社会经济地位之间非线性关系的量化难题，特别是留尼汪岛南北差异与海拔梯度对投票行为的多层影响。构建过程中遭遇多重困难：首要挑战是跨机构数据整合的格式标准化问题，需要统一INSEE的贫困统计、内政部的投票记录及地方选举系统的选举结果，三者数据粒度与时间跨度存在显著差异。其次是地理编码的精确性，高海拔地区（“Hauts”）的行政边界划分与统计街区定义不完全匹配，导致空间分析单元难以对齐。此外，缺失值处理也构成关键障碍，历史选举数据中存在部分选区的记录不完整，需借助插值方法进行估算，这增加了分析结果的误差风险。

常用场景

经典使用场景

在法国地方选举研究的学术版图中，该数据集聚焦于2026年留尼汪市政选举，提供了涵盖2008年至2026年间的高山（Hauts）社区选举数据与贫困率、投票率等社会经济指标的复合信息。研究者常利用其中的选举结果与人口统计学变量，探索地理区位（如南北差异、海拔高低）与公民政治参与行为之间的内在关联，为理解岛屿型海外领土的民主运作机制提供量化基础。

解决学术问题

该数据集有效回应了政治地理学与公共政策分析中的两个核心议题：其一，高山地区选民的政治参与度是否显著高于低地，从而挑战了传统上认为偏远山区政治冷漠的假设；其二，贫困率与投票参与率之间的非线性关系，即社会经济弱势群体是否存在结构性弃权现象。透过双变量分析，研究者可揭示留尼汪独特的南北分异格局，为海外省份的治理公平性研究贡献实证依据。

衍生相关工作

围绕该数据集已衍生出若干经典工作：基于其高质量的INSEE官方统计数据与内政部选举档案，研究者开发了用于预测未来市政选举投票率的时空回归模型。另有工作将该数据与Le Monde的历史选举报道进行文本对比分析，检验媒体叙事如何影响选民行为。值得注意的是，该数据集还催生了一项关于海外领土贫困-投票悖论的实证研究，推动了政治经济学中‘边缘地区政治参与’理论框架的更新。