歯 の 噛み 合わせ 治し 方 割り箸
開票率 午後11時18分確定 得票数合計 266, 002票 開票率 100% 候補者別投票数 届出順 立候補者氏名 党派 得票数(板橋区) 1 高橋しょうご 無所属 752票 2 谷山ゆうじろう 207票 3 桜井 誠 5, 115票 4 鳥越俊太郎 54, 427票 5 増田ひろや 72, 153票 6 マック赤坂 2, 006票 7 山口敏夫 国民主権の会 670票 8 やまなかまさあき 未来(みらい)創造経営実践党 149票 9 後藤輝樹 234票 10 岸本雅吉 299票 11 小池ゆりこ 119, 106票 12 上杉 隆 6, 962票 13 七海ひろこ 幸福実現党 1, 305票 14 中川ちょうぞう 644票 15 せきくち安弘 60票 16 立花孝志 NHKから国民を守る党 1, 125票 17 宮崎正弘 125票 18 今尾貞夫 218票 19 望月義彦 120票 20 武井直子 174票 21 ないとうひさお 151票 より良いウェブサイトにするために、ページのご感想をお聞かせください。
30%)同時刻の前回推定投票率は 32. 39% ・16時…27. 37%(男…27. 78%・女…26. 97%)同時刻の前回推定投票率は 29. 48% ・15時…24. 15%(男…24. 71%・女…23. 61%)同時刻の前回推定投票率は 26. 99% ・14時…20. 57%(男…21. 34%・女…19. 79%)同時刻の前回推定投票率は 24. 40% < 中間投票状況 > ・18時…33. 50%(男)33. 56%(女)33. 44%(前回投票率)36. 48% ・15時…23. 99%(男)21. 34%(女)19. 79%(前回投票率)27. 72% ・12時…14. 66%(男)15. 21%(女)14. 13%(前回投票率)18.
astype ( int) df3 [ "university graduation"] = df3 [ "university graduation"]. astype ( int) 結果、df3は以下のような感じになります。 2. データの加工 data = df3. copy () #得票数を人口で割って置き換え data. iloc [:, 1: 6] = df3. iloc [:, 1: 6]. values / df3 [ "population"]. values. reshape ( 62, 1) #大卒率のカラムを追加(大卒率=大学卒業数/卒業数) data [ "university graduation rate"] = data [ "university graduation"] / data [ "graduates"] 無事、必要なデータが揃いました。 いよいよ機械学習の出番です。 3. k-means法でクラスタリング sklearnを使います。 from uster import KMeans kmeans = KMeans ( init = 'random', n_clusters = 3, random_state = 1) X = data. values #得票割合 shape=(62, 5) kmeans. fit ( X) y = kmeans. predict ( X) #クラスター番号 #クラスタリングの結果をdataに結合 data = pd. concat ([ data, pd. DataFrame ( y, columns = [ "cluster"])], axis = 1) これで3クラスターに分けられたので、特徴を見てみます。 (ちなみにクラスター数(n_clusters)を変えてもやってみましたが、何となく3つぐらいが良さそうだと思ったので3にしました) 各クラスターを軸にした時のそれぞれのデータの平均を見てみます。 data. groupby ( "cluster"). 東京都知事選＜2020＞立候補者一覧と結果｜得票数一覧・順位・投票率 | 疑問を解決！. mean () 単なる平均ですが、これだけでも異なる特徴を持った集団に分けられたことが分かります。 クラスターに属する市区町村を地図で塗り分けてみましたが、 0. 山手線内エリアとその周辺 1. 千葉県よりの区と多摩地区、一部島嶼部(御蔵島村・小笠原村) 2.
山間部と島嶼部 という内訳でした。 得票率だけでこれだけの(常識的にみてあり得そうな)分類ができたことには驚きました。 4. 線形回帰分析 説明変数Xは大卒の割合、目的変数Yは各候補者の得票率として線形回帰分析を行います。 以下では可視化までセットにした関数を定義しています。 from near_model import LinearRegression colors = [ "blue", "green", "red"] #クラスターの色分け用 def graph_show ( Jpname, name, sp = False, cluster = True, line = True): #Jpname: 候補者の漢字表記 #name: 候補者のローマ字表記(グラフ用) X = data [ "university graduation rate"]. reshape ( - 1, 1) Y = data [ Jpname]. reshape ( - 1, 1) model = LinearRegression () model. fit ( X, Y) print ( "決定係数(相関係数):{}". 東京都知事選挙(品川区・東京都)開票結果｜品川区. format ( model. score ( X, Y))) plt. scatter ( X, Y) #特定の自治体をグラフ中で強調(デフォルトはFalse) if sp: markup = data [ data [ "自治体"] == sp] plt. scatter ( markup [ "university graduation rate"], markup [ Jpname], color = "red") #k-meansで求めたクラスターごとに色分け if cluster: for i in range ( 3): data_ = data [ data [ "cluster"] == i] X_ = data_ [ "university graduation rate"]. reshape ( - 1, 1) Y_ = data_ [ Jpname]. reshape ( - 1, 1) plt. scatter ( X_, Y_, color = colors [ i]) #回帰直線を表示 if line: plt. plot ( X, model.
更新日 2020年07月06日 開票結果 東京都知事選挙開票結果 党派名 候補者名 得票数 東京都 文京区 当選 無所属 小池ゆりこ 3, 661, 371 61, 103 宇都宮けんじ 844, 151 18, 612 れいわ新選組 山本太郎 657, 277 10, 892 小野たいすけ 612, 530 15, 209 日本第一党 桜井誠 178, 784. 293 3, 101 ホリエモン新党 立花孝志 43, 912 835 幸福実現党 七海ひろこ 22, 003 341 (略称)トランスヒューマニスト党 ごとうてるき 21, 997 440 沢しおん 20, 738 436 スーパークレイジー君 西本誠 11, 887. 698 183 込山洋 10, 935. 582 165 国民主権党 平塚正幸 8, 997 204 服部修 5, 453 127 さいとう健一郎 5, 114 75 庶民と動物の会 市川ヒロシ 4, 760. 414 65 ないとうひさお 4, 145 104 関口安弘 4, 097 79 竹本秀之 3, 997 85 石井均 3, 356 51 長澤育弘 2, 955 86 押越清悦 2, 708 54 牛尾和恵 1, 510 35 合計 6, 132, 678. 987 112, 282 投票率(%) 今回 55. 00 62. 98 前回 59. 73 65. 87 前回=平成28年7月31日施行の東京都知事選挙 備考:無効票=77, 134 按分切捨て票=0. 013 不足票=119 開票速報 東京都知事選挙開票状況【文京区】 候補者名(届出順) 得票数(23時33分確定) (略称)トランスヒューマニスト党 開票率(%) 100 備考:無効票=1, 546 按分切捨て票=0 不足票=2 投票結果 東京都知事選挙投票状況【文京区】 今回の東京都知事選挙時間別投票率 時間 投票者累計数 投票率(%) 計 男 女 8時 200 0. 11 9時 3, 900 2, 100 1, 800 2. 16 10時 9, 600 4, 900 4, 700 5. 31 11時 18, 000 9, 000 9. 96 12時 25, 600 12, 700 12, 900 14. 16 13時 32, 300 15, 800 16, 500 17.