政党民调：保守派得票过多的真相是什么？

您是否曾在查看最新的政党支持率民调时想过 "这样做对吗？"韩国民主党和人民力量党的支持率一直处于胶着状态，但结果有时会让您感到心惊肉跳。 特别是最近，"保守派超额投票 "一词被频繁提及，尤其是在弹劾韩国总统和执行逮捕令时。 问题是，是否保守派选民在民调中的比例过高，导致人民力量党的支持率上升。

今天，我们将通过数据来了解民意调查和保守党高票之争。我们将使用 Python 代码对数据进行可视化处理，我将用通俗易懂的方式对其进行解释。 最后，您将对民意调查有更深入的了解。

1.以数据形式查看投票结果

以下是最近三次民调的数据表，显示了人民力量和民主党民望的变化情况。 该民调由盖洛普韩国公司于2025年1月7日至9日进行，采用电话访问（CATI）方式，置信度为95%，抽样误差为+-3.1%p，回应率为16.3%。更多信息，请参见 中央选举民意研究和审查委员会网站了解更多信息。

最近的民意调查显示

在最新的民意调查中，国民党与韩国民主党之间的差距再次缩小。如上图所示，韩国盖洛普公司于 1 月 7 日至 9 日进行的一项调查显示，在误差范围内，国民党的 TP3T 为 341，民主党的 TP3T 为 361，双方的竞争十分激烈。

一些人提出，在这一支持率的变化中，保守派所占比例可能过高，特别是保守派受访者比例较高可能是人民力量支持率上升的原因之一。

2. 利用 Python 将政党支持可视化

下面的代码用 Python 将上述数据可视化为折线图。通过将数据可视化，我们可以更清楚地看到支持率的变化。

import pandas as pd
import matplotlib.pyplot as plt

准备 # 数据
dates = ['Nov 19-21', 'Dec 10-12', 'Jan 7-9'] 日期
民主党 = [34, 40, 36] # 民主党
共和党 = [28, 24, 34] # 共和党

创建 # 数据帧
df = pd.DataFrame({
    日期': dates、
    民主党'： 民主党、
    人民力量党"：共和党
})

设置 # 样式
plt.style.use('seaborn-darkgrid')
plt.figure(figsize=(12, 7))

绘制 # 折线图
plt.plot(dates, democratic, 'o-', color='#1F4E9A', linewidth=3, markersize=10、
         label='Democratic Party', alpha=0.9)
plt.plot(dates, republican, 'o-', color='#E61E2B', linewidth=3, markersize=10、
         label='People Power Party', alpha=0.9)

显示 # 数据点的值
for i, (d, r) in enumerate(zip(democratic, republican))：
    plt.text(i, d + 0.8, f'{d}%', ha='center', va='bottom', color='#1F4E9A'、
             fontsize=12, fontweight='bold')
    plt.text(i, r - 1.5, f'{r}%', ha='center', va='top', color='#E61E2B'、
             fontsize=12, fontweight='bold')

# 图表的样式
plt.title('Political Party Support Trend', pad=20, fontsize=16, fontweight='bold')
plt.xlabel('Survey Period', labelpad=15, fontsize=12)
plt.ylabel('支持率（%）', labelpad=15, fontsize=12)

设置 # 图例：右上角
plt.legend(loc='upper right', fontsize=12, frameon=True)

设置 # 轴
plt.ylim(20, 45)
plt.grid(True, linestyle='--', alpha=0.7)

plt.tight_layout()
plt.show()

代码评注

1. 日期, 民主, 共和党 生成数据
   • 将投票时间和各政党的得票率保存为列表。
2. 创建数据帧
   • 将数据转换成用于可视化的 pandas DataFrame。
3. plt.plot() 用函数绘制折线图
   • 用折线图表示各政党支持率的变化。
4. 显示数据值
   • plt.text()以在数据点上方显示支持值。
5. 图表样式
   • 添加标题、坐标轴标签、图例等，让图表更美观。

3. 过度投票的影响以及如何解决这一问题

保守派比例过高会使民意调查结果出现偏差。例如，如果人民力量支持者的比例高于实际比例，就会掩盖民主党的优势。如果某个地区的样本数量过多，或者调查方法（如电话采访）更容易得到保守派的回应，就会出现这种情况。

变通办法

1. 改进样品成分
   • 确保地域、年龄和性别代表性，避免某些群体的代表性过高。
2. 研究方法多样化
   • 除传统的电话访谈外，结合使用在线调查和实地调查，减少样本偏差。
3. 比较和验证结果
   • 重要的是，不要只相信一次民意调查，而要比较多个机构的结果，以检查是否一致。
4. 统计校准
   • 您可以通过统计修正来提高结果的可靠性，以反映受访者的特征和人口统计学特征。

组织起来

政党支持率民调是解读社会民意的重要工具。然而，在解读民调数据时，必须注意超抽样等问题。学习如何使用 Python 代码分析自己的数据并深入了解民意调查。

以下是一种略有不同的 Python 可视化方法，与政党支持率民调的趋势相似，但形状略有不同，以供参考 利用 Python 可视化技术创建比较成绩变化的图表：用颜色标记分数的增加/减少 请查看帖子了解详情！

# 代码说明

1. 导入图书馆

import pandas as pd
import matplotlib.pyplot as plt

• 大熊猫:数据分析库，用于构建数据结构
• matplotlibPython：领先的图形绘制库

2. 准备数据

dates = ['Nov 19-21', 'Dec 10-12', 'Jan 7-9'] 日期
民主党 = [34, 40, 36] # 民主党
共和党 = [28, 24, 34] # 人民力量党

• 为三个时间点准备一份日期和当事人支持数据清单

3. 创建数据帧

df = pd.DataFrame({
    日期'： 日期、
    民主党'： 民主党
    人民力量党"：共和党
})

• 用 pandas 将数据结构化为表格

4. 设置图表样式和大小

plt.style.use('seaborn-darkgrid') # 应用网格样式
plt.figure(figsize=(12, 7)) # 将图形大小设置为 12x7 英寸

5. 绘制折线图

plt.plot(dates, democratic, 'o-', color='#1F4E9A', linewidth=3, markersize=10, label='Democratic Party', alpha=0.9)
plt.plot(dates, republican, 'o-', color='#E61E2B', linewidth=3, markersize=10, label='People Power Party', alpha=0.9)

• 'o-'显示点和线
• 肤色颜色：使用各政党标志的颜色
• 线宽：线条粗细
• 标记大小：点的大小
• 标签：图例中显示的名称
• 阿尔法：透明度 (0-1)

6.在数据点中显示数值

for i, (d, r) in enumerate(zip(democratic, republican))：
    plt.text(i, d + 0.8, f'{d}%', ha='center', va='bottom', color='#1F4E9A', fontsize=12, fontweight='bold')
    plt.text(i, r - 1.5, f'{r}%', ha='center', va='top', color='#E61E2B', fontsize=12, fontweight='bold')

• 显示每个数据点上下的实际值
• ha='center'水平对齐
• va='底部'/'顶部垂直排列
• fontweight='bold':粗体

7.装饰图形

plt.title('Political Party Support Trend', pad=20, fontsize=16, fontweight='bold') # title
plt.xlabel('Survey Period', labelpad=15, fontsize=12) # x 轴标签
plt.ylabel('Support Rate (%)', labelpad=15, fontsize=12) # y 轴标签
plt.legend(loc='upper right', fontsize=12, frameon=True) # 图例
plt.ylim(20, 45) # y 轴范围设置
plt.grid(True, linestyle='--', alpha=0.7) # 网格样式
plt.tight_layout() # 自动收紧图形布局

8. 显示图表

plt.show()

• 在屏幕上显示完成的图形