andrebadini/eleitoral-mt

Eleitoral MT: Resultados Eleitorais, Locais de Votação e Geolocalização de Mato Grosso (2014-2024)

O Eleitoral MT é um dataset consolidado e enriquecido contendo os resultados eleitorais de Mato Grosso (MT), Brasil, abrangendo os pleitos de 2014, 2018, 2020, 2022 e 2024. O grande diferencial deste dataset é a integração direta entre os dados oficiais de votação do TSE, as malhas municipais do IBGE e as coordenadas geográficas precisas dos locais físicos de votação (escolas, centros comunitários, etc.) obtidas através da API do Google Maps com posterior auditoria e correção manual de inconsistências.

O dataset oferece dois formatos de utilização:

1. Esquema Relacional: Tabelas normalizadas separadas para votos por seção, metadados de candidatos, locais de votação físicos e mapeamentos de seção-para-local.
2. Tabela Desnormalizada Unificada (votes_geo): Um único arquivo Parquet contendo todos os 3.8 milhões de registros de votos enriquecidos com dados do candidato (nome, partido, coligação, resultado) e a localização exata da urna (bairro, CEP, latitude e longitude).

Este dataset foi projetado especificamente para apoiar análises de geografia política, ciência política, estudos de comportamento eleitoral e desenvolvimento de aplicações de mapas temáticos.

Sobre o Dataset Viewer do Hugging Face: Todos os arquivos estão disponibilizados no formato Parquet, que é otimizado para o Hugging Face. O visualizador de tabelas da plataforma está ativo para todos os subsets. Para consultas rápidas na base desnormalizada unificada de 3.8M de linhas, você pode usar consultas SQL diretas via DuckDB sem precisar baixar a base inteira.

---

1. Estatísticas e Estrutura do Dataset

O dataset está estruturado em diferentes configurações (subsets) correspondendo às tabelas relacionais e desnormalizadas:

Arquivos e Tamanhos de Download

Configuração	Descrição	Registros (Linhas)	Tamanho do Parquet	Formato
votes_geo	Tabela Desnormalizada Unificada (Votos + Candidato + Geolocalização)	3.823.314	~87.2 MB	Parquet
votes	Votação por Seção (Tabela Fatos Relacional)	3.823.314	~61.4 MB	Parquet
section_polling_places	Mapeamento Urna/Seção $\rightarrow$ Local Físico (por ano)	36.643	~688 KB	Parquet
candidates	Metadados e Cadastro de Candidatos	25.682	~991 KB	Parquet
polling_places	Dimensão de Locais Físicos de Votação (Endereços e Lat/Lon)	2.142	~321 KB	Parquet
dados_preditivos_mt_2026	Dados Auxiliares e Projeções Eleitorais de 2026	~14.000	~268 KB	Parquet

Distribuição Temporal dos Dados (Por Pleito)

A tabela abaixo detalha o número de votos brutos registrados, candidatos e mapeamento de urnas ao longo de cada ano eleitoral presente na base:

Ano Eleitoral	Total de Registros de Voto (votes)	Total de Candidatos (candidates)	Urnas/Seções Mapeadas (section_polling)
2014	669.530	510	6.751
2018	1.059.664	645	7.667
2020	593.064	12.872	6.639
2022	879.020	553	7.652
2024	622.036	11.102	7.934
Total	3.823.314	25.682	36.643

Nota: Pleitos municipais (2020, 2024) apresentam um volume significativamente maior de registros de candidatos devido às candidaturas a vereador.

---

2. Esquema de Dados (Schema)

1. votes_geo (Tabela Unificada Geolocalizada)

Esta tabela junta o resultado eleitoral com metadados de candidatos e a localização geográfica da urna.

Campo	Tipo	Descrição	Exemplo
ano	int64	Ano da eleição	2022
turno	int64	Turno (1 ou 2)	1
tipo_eleicao	string	Tipo de pleito	"Eleição Ordinária"
uf	string	Unidade Federativa	"MT"
municipio	string	Nome do município	"CUIABÁ"
zona	int64	Número da Zona Eleitoral	1
secao	int64	Número da Seção Eleitoral	15
cargo	string	Cargo em disputa	"GOVERNADOR"
numero_candidato	string	Número da candidatura na urna	"22"
candidato	string	Nome de urna do candidato (ou Brancos/Nulos)	"MAURO MENDES"
partido	string	Sigla do partido político	"UNIÃO"
votos	int64	Quantidade de votos na urna	247
nome_local_votacao	string	Nome oficial do local físico de votação	"ESCOLA ESTADUAL PRESIDENTE MEDICI"
endereco_local_votacao	string	Endereço cadastrado na Justiça Eleitoral	"AVENIDA MATO GROSSO, N 500"
cep	string	CEP geocodificado e verificado	"78015-000"
bairro	string	Bairro geocodificado e verificado	"Araés"
latitude	double	Coordenada Y (Latitude)	-15.5898
longitude	double	Coordenada X (Longitude)	-56.0967
geocode_status	string	Status do geocodificador	"success"
geocode_confidence	string	Grau de precisão (high, medium, low)	"high"
has_manual_correction	boolean	Indica se houve correção manual de lat/lon	true

2. polling_places (Locais de Votação Físicos)

Dimensão contendo os endereços físicos normalizados e coordenadas limpas.

Campo	Tipo	Descrição
polling_place_id	string	ID estável gerado a partir de hash do endereço normalizado
municipio	string	Nome do município
nome_local_votacao	string	Nome oficial da instituição de votação
endereco_local_votacao	string	Endereço original do TSE
endereco_normalizado	string	Endereço higienizado para deduplicação
cep	string	CEP resolvido
bairro	string	Bairro resolvido
latitude	double	Latitude corrigida
longitude	double	Longitude corrigida
google_place_id	string	Identificador único da Google Maps API

---

3. Resolução da Instabilidade do TSE (polling_place_id)

Os códigos de local de votação (local_votacao) fornecidos historicamente pelo TSE não são estáveis. A auditoria dos dados revelou dois tipos graves de inconsistências estruturais:

• Conflito Tipo A (Mesmo código, locais diferentes): O mesmo código TSE (ex: local 1295 em Cuiabá) aponta para 5 instituições diferentes ao longo de anos distintos.
• Conflito Tipo B (Mesmo local, códigos diferentes): O mesmo endereço físico (ex: Arena Pantanal) ganha códigos de local diferentes em diferentes pleitos.

A Solução por Hash de Endereço Normalizado:

Para contornar essa falha e unificar a dimensão geográfica, implementamos um algoritmo de normalização de endereços que padroniza abreviações (ex: "AV.", "R.", "S/N", ordinal indicators) e gera um identificador estável calculado como:

polling_place_id = SHA256(uf + codigo_municipio_tse + nome_local_votacao + endereco_normalizado)[:20]

Isso garante que um local físico de votação mantenha a mesma identidade ao longo de toda a série temporal (2014-2024) independente de alterações de código TSE, e as seções eleitorais são mapeadas dinamicamente ano a ano para esses locais físicos estáveis.

---

4. Pipeline de Geocodificação e Auditoria

1. Geocodificação em Lote: Todos os 2.142 locais únicos foram submetidos à API de Geocodificação do Google Maps de forma controlada e em conformidade com as regras de espaçamento.
2. Auditoria de Qualidade: Implementou-se um pipeline de validação geográfica baseado no Bounding Box de Mato Grosso (Latitude: $-18.0$ a $-7.0$, Longitude: $-61.0$ a $-50.0$) para capturar e invalidar pontos resolvidos erroneamente para outros estados ou países (ambiguidade de nomes).
3. Correção Manual: Casos de baixa confiança (ruas sem número ou nomes rurais descritivos como "ZONA RURAL - CHACARA DO SOL") foram auditados manualmente e tiveram suas coordenadas ajustadas no banco por meio de uma tabela de correções (polling_place_corrections).
4. Cobertura: O dataset atinge uma taxa de cobertura de geolocalização verificada de 99,86% (apenas 3 locais em áreas de assentamento profundo não puderam ser precisamente resolvidos).

---

5. Considerações de Privacidade e Ética (LGPD)

Em total conformidade com a Lei Geral de Proteção de Dados (LGPD - Lei 13.709/2018):

• Dados Agregados e Não-PII: O dataset não possui qualquer dado de identificação pessoal (PII) de cidadãos. Os resultados estão agregados exclusivamente ao nível de urna/seção eleitoral.
• Natureza Pública: A localização dos locais de votação (escolas públicas, igrejas e associações comunitárias) e as atas de votações são atos administrativos públicos obrigatórios sob a luz da publicidade constitucional e transparência eleitoral.

---

6. Guia Prático de Utilização

Carregando em Python (via biblioteca datasets)

from datasets import load_dataset
import pandas as pd

# Carregar o subset desnormalizado geocodificado
dataset = load_dataset("andrebadini/eleitoral-mt", name="votes_geo", split="train")
df = dataset.to_pandas()

# Filtrar votos para um candidato específico
df_filtrado = df[(df["ano"] == 2022) & (df["candidato"] == "MAURO MENDES")]
print(df_filtrado.head())

Consultando Remotamente via SQL (DuckDB)

O DuckDB consegue realizar varreduras e agregações nos arquivos Parquet diretamente das URLs públicas do Hugging Face sem que você precise baixar todo o dataset:

-- Consultar o total de votos válidos por partido em Cuiabá (2022) para Deputado Federal
SELECT partido, SUM(votos_nominais) as votos_totais
FROM read_parquet('https://huggingface.co/datasets/andrebadini/eleitoral-mt/resolve/main/data/votes_geo.parquet')
WHERE ano = 2022 AND cargo = 'DEPUTADO FEDERAL' AND municipio = 'CUIABÁ'
GROUP BY partido
ORDER BY votos_totais DESC;

---

7. Licença

Os resultados brutos originais do TSE e as malhas geográficas do IBGE são de domínio público. Os enriquecimentos de normalização de endereços, cruzamento relacional e correção de coordenadas geocodificadas são disponibilizados sob a licença Creative Commons Attribution 4.0 International (CC-BY-4.0).

---

8. Contato e Canais Oficiais

Acompanhe o desenvolvimento de projetos de IA e datasets eleitorais e jurídicos:

• GitHub: @andrebadini (Scrapers e projetos open-source)
• Hugging Face: @andrebadini (Modelos e outros datasets)
• X (Twitter): @_Andre_Badini
• Instagram: @andrebadini
• Coluna no Migalhas: André Carvalho Rondon Badini (Artigos sobre direito e tecnologia)
• Amazon (Página de Autor): Romance "Agora que você veio"