Taxa de votos brancos e nulos para presidente no Brasil, de 1994 a 2022, usando Python

Importando as bibliotecas

import basedosdados as bd
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

Download da tabela com dados das eleições brasileiras para presidente, de 1994 a 2022

votos = bd.read_sql(
    '''
    SELECT sigla_uf, ano, turno, tipo_eleicao, cargo, 
    SUM(abstencoes) AS abstencoes, 
    SUM(votos_nominais) AS votos_nominais,
    SUM(votos_brancos) AS votos_brancos,
    SUM(votos_nulos) AS votos_nulos,
    SUM(votos_coligacao) AS votos_coligacao
    FROM `basedosdados.br_tse_eleicoes.detalhes_votacao_secao` 
    WHERE ano IN (1994, 1998, 2002, 2006, 2010, 2014, 2018, 2022) 
    AND cargo IN ('presidente')
    AND sigla_uf NOT IN ('VT', 'ZZ')
    GROUP BY sigla_uf, ano, turno, tipo_eleicao, cargo
    ''',
    billing_project_id = 'eieicoes'
)

Modelando os dados

# Transforma a variável ano de numérica para categórica
votos['ano'] = votos.ano.astype(str)
factors = ['1994', '1998', '2002', '2006', '2010', '2014', '2018', '2022']

votos['ano'] = pd.Categorical(
    votos['ano'],
    ordered = True,
    categories = factors
    )

# Transforma a variável 'sigla_uf' de str para categórica
votos['sigla_uf'] = pd.Categorical(
    votos['sigla_uf'],
    ordered = True,
    categories = votos['sigla_uf'].unique()
    )

# Cria a variável 'votos_válidos' a partir da soma das variáveis 'votos_nominais' e 'votos_coligacao'.
vars = ['votos_nominais', 'votos_coligacao']
votos['votos_validos'] = votos[vars].sum(axis = 1)

# Cria a variável 'votos_total' a partir da soma das variáveis 'votos_validos', 'votos_brancos' e 'votos_nulos'.
vars = ['votos_brancos', 'votos_nulos', 'votos_validos']
votos['votos_total'] = votos[vars].sum(axis = 1)

# Cria as variáveis 'prop_votos_brancos', 'prop_votos_nulos' e 'prop_votos_validos'
for i, var, in enumerate(vars):
    votos[f'prop_{var}'] = votos[var]/votos['votos_total'] *100
    vars[i] = f'prop_{var}'

# Seleciona as variáveis de interesse para a visualização de dados
id_vars = ['sigla_uf', 'ano', 'cargo', 'turno']
vars_ = id_vars + vars

# Reconstrói a tabela a partir das variáveis de interesse
votos = votos[vars_].melt(
    id_vars= id_vars, 
    value_name = 'tx'
    )
    
# Recodifica a variável 'variable'
replace_values = ['Votos brancos', 'Votos nulos', 'Votos válidos']
votos['variable'] = votos['variable'].replace(vars, replace_values)

Visualizando os dados

# Configurações gerais dos gráficos
sns.set_theme(
    palette = 'deep',
    style = 'ticks'
)

Votos brancos e nulos para presidente, por estado, 1994-2022

Primeiro turno

# Filtra os dados
data = votos[
    (votos.turno == 1) &
    (votos.variable != 'Votos válidos')
    ]

factors = ['Votos brancos', 'Votos nulos']

data['variable'] = pd.Categorical(
    data['variable'],
    ordered = True,
    categories = factors
    )

# Gráfico
plot = sns.relplot(
    x = 'ano',
    y = 'tx',
    hue = 'variable',
    col = 'sigla_uf',
    col_wrap= 3,
    kind ='line',
    legend = True,
    aspect= 1.2,
    height= 3,
    data = data,
    markers = ['o','o'],
    dashes = False,
    style = 'variable'
)

# Redefine os títulos dos eixos
plot.set(
    xlabel = '',
    ylabel = '% de votos'
)

# Define labels para os eixos de todos os plots   
for ax in plot.axes:
    ax.tick_params(
        labelbottom=True,
        labelleft=True
    )

# Define as características da legenda
sns.move_legend(
    plot, 
    loc = "upper center",
    title = 'Legenda',
    ncol = 3,   
    )

# Ajustes 
plt.subplots_adjust(
    hspace=0.4,
     wspace=0.2,
     top = .97
    )

# Estilo dos eixos
sns.despine(
    offset=10,
     trim=True
    )

# Títulos dos plots
plot.set_titles(
    col_template = '{col_name}',
    fontweight='bold'

)

<seaborn.axisgrid.FacetGrid at 0x7f6b3823fcd0>

Segundo turno

# Filtra os dados
data = votos[
    (votos.turno == 2) &
    (votos.variable != 'Votos válidos')
    ]

factors = ['Votos brancos', 'Votos nulos']

data['variable'] = pd.Categorical(
    data['variable'],
    ordered = True,
    categories = factors
    )

# Gráfico
plot = sns.relplot(
    x = 'ano',
    y = 'tx',
    hue = 'variable',
    col = 'sigla_uf',
    col_wrap= 3,
    kind ='line',
    legend = True,
    aspect= 1.2,
    height= 3,
    data = data,
    markers = ['o','o'],
    dashes = False,
    style = 'variable'
)

# Redefine os títulos dos eixos
plot.set(
    xlabel = '',
    ylabel = '% de votos'
)

# Define labels para os eixos de todos os plots   
for ax in plot.axes:
    ax.tick_params(
        labelbottom=True,
        labelleft=True
    )

# Define as características da legenda
sns.move_legend(
    plot, 
    loc = "upper center",
    title = 'Legenda',
    ncol = 3,   
    )

# Ajustes 
plt.subplots_adjust(
    hspace=0.4,
     wspace=0.2,
     top = .97
    )

# Estilo dos eixos
sns.despine(
    offset=10,
     trim=True
    )

# Títulos dos plots
plot.set_titles(
    col_template = '{col_name}',
    fontweight='bold'

)

<seaborn.axisgrid.FacetGrid at 0x7f6add8d54c0>