dataPreparation.Rmd

---
title: "Data preparation"
author: "Natthawut Adulyanukosol"
date: "06/06/2019"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```


```{r}
library(tidyverse)
```


### Load data 
From https://docs.google.com/spreadsheets/d/1EwPrWESPyTLEZIaRofA8nYb-Yn8o0akHjd9lHSwWgOc/edit by [Dollapak S.](https://www.facebook.com/markjmn/posts/10214028056044655?comment_id=10214030777872699) with further updates and cleaning

```{r}
candidatescore <- read.csv("./data/candidatescore-updated-CN8.csv")
```

### Format data
Rename columns and discard unneccessary information
```{r}
data <- candidatescore %>% 
  rename(
    province = จังหวัด,
    zone = เขตเลือกตั้ง,
    party = พรรคการเมือง,
    name = newname
  ) %>% 
  select(-c(ocrName, name, no))  %>%
  filter(score != 0)

head(data)
```

Reformat the data from long to wide
```{r}
partyAll <- unique(data$party)

data <- data %>% spread(party, score)
data[is.na(data)] <- 0

data$total <- rowSums(data %>% select(-c('province', 'zone')))

head(data)
```

Group by political sides
```{r}


partyAntiNCPO <- c('เพื่อไทย',
                   'อนาคตใหม่',
                   'เสรีรวมไทย',
                   'ประชาชาติ',
                   'เศรษฐกิจใหม่',
                   'เพื่อชาติ',
                   'พลังปวงชนไทย')

partyNCPO <- c('พลังประชารัฐ',
               'ประชาธิปัตย์',
               'ภูมิใจไทย',
               'ชาติไทยพัฒนา',
               'รวมพลังประชาชาติไทย',
               'ชาติพัฒนา',
               'พลังท้องถิ่นไท',
               'รักษ์ผืนป่าประเทศไทย',
               'พลังชาติไทย',
               'ประชาภิวัฒน์',
               'ไทยศรีวิไลย์',
               'พลังไทยรักไทย',
               'ครูไทยเพื่อประชาชน',
               'ประชานิยม',
               'ประชาธรรมไทย',
               'ประชาชนปฏิรูป',
               'พลเมืองไทย',
               'ประชาธิปไตยใหม่',
               'พลังธรรมใหม่')


data$NCPO <- rowSums(data %>% select(partyNCPO))
data$antiNCPO <- rowSums(data %>% select(partyAntiNCPO))

dataFiltered <- data %>% select(c('NCPO', 'antiNCPO'))

dataFiltered$totalFiltered <- rowSums(dataFiltered)

dataFiltered <- data.frame(data$province, data$zone, dataFiltered, data$total)
head(dataFiltered)
```



## Votes per side as fraction by province
```{r}
dataFilteredByProvince <- dataFiltered %>% 
  group_by(data.province) %>% 
  summarise_all(funs(sum)) %>%
  select(-c(data.zone))

head(dataFilteredByProvince)
```

## Save prepared file
```{r}
write.csv(dataFilteredByProvince, "./data/candidatescore-prepared.csv", row.names = F)
```