Elections européennes en France depuis 2014¶
Introduction¶
Ce rapport va permettre de mettre en perspective les resultats des élection européennes.
Processus pour parvenir à traiter les données sur plusieurs axes (Géogrpahie, Années, Partie Politique)¶
Le cycle de la data¶
La première étapes: Je vais récuperer les données provenants du site data.gouv.fr
- Ensuite je dois m'assurer que les données sont justes
- Comprendre les données par exemple sur le nombre de votant qui correspond à une tranche de la population La deuxième étapes: Correspond à l'étapes la plus fastidieux car elle demande des aller-retours pour ëtre sur la bonne propoortion de donnée et que les données n'ont pas êtes altérées. Pour optimiser l'analyse et la maintenance des données, une modélisation adéquate est indispensable.
Exemple d'une mauvais modelisation
Production de Pomme par mois
| Année | Janvier | Fevrier | Mars | Avril |
|---|---|---|---|---|
| 2004 | 62 | 42 | 17.1 | 42.76 |
| 2009 | 63.6 | 44 | 18.1 | 40.63 |
| 2014 | 65.6 | 46 | 23.6 | 50.12 |
| 2024 | 68 | 47.5 | 23.8 | 60 |
Exemple d'une bonne modelisation
Production de Pomme par mois
| Année | Mois | Valeur |
|---|---|---|
| 2004 | Janvier | 62 |
| 2004 | Février | 42 |
| 2004 | Mars | 17.1 |
| 2004 | Avril | 42.76 |
| 2009 | Janvier | 63.6 |
| 2009 | Février | 44 |
| 2009 | Mars | 18.1 |
| 2009 | Avril | 40.63 |
| 2014 | Janvier | 65.6 |
| 2014 | Février | 46 |
| 2014 | Mars | 23.6 |
| 2014 | Avril | 50.12 |
| 2024 | Janvier | 68 |
| 2024 | Février | 47.5 |
| 2024 | Mars | 23.8 |
| 2024 | Avril | 60 |
Ce model permet plus facilement de traiter les données par le mois.
Données¶
| Année | Population totale (millions) | Population éligible (millions) | Nombre de votants (millions) | Taux de participation (%) |
|---|---|---|---|---|
| 2004 | 62 | 42 | 17.1 | 42.76 |
| 2009 | 63.6 | 44 | 18.1 | 40.63 |
| 2014 | 65.6 | 46 | 19.9 | 42.43 |
| 2019 | 67 | 47.1 | 23.6 | 50.12 |
| 2024 | 68 (est.) | 47.5 (est.) | 23.8 (est.) | (à déterminer) |
In [1]:
import matplotlib.pyplot as plt
# Données
annees = [2004, 2009, 2014, 2019, 2024]
population_totale = [62, 63.6, 65.6, 67, 68] # en millions
population_eligible = [42, 44, 46, 47.1, 47.5] # en millions
nombre_votants = [17.1, 18.1, 19.9, 23.6, 23.8] # en millions
# Création du graphique
plt.figure(figsize=(10, 6))
plt.plot(annees, population_totale, marker='o', label='Population totale (millions)')
plt.bar(annees, population_eligible, label='Population éligible (millions)')
plt.bar(annees, nombre_votants, label='Nombre de votants (millions)')
plt.xlabel('Année')
plt.ylabel('Population (millions)')
plt.title('Évolution de la population et des votants aux élections européennes en France')
plt.legend()
plt.grid(True)
plt.show()
In [4]:
#Liste des partie
# Defining the lists correctly
ExtremeGauche = [
"Liste du Parti communiste",
"Liste d'extrême gauche",
"Liste Front de Gauche",
"Liste du PCF et du Parti de gauche",
"GAUCHE UNIE",
"LFI - UP",
"LFI - UP (La France Insoumise - Union Populaire)",
"LUTTE OUVRIÈRE", "LUTTE OUVRIERE",
"URGENCE REVOLUTION !",
"PARTI REVOLUTIONNAIRE COMMUNISTES",
"NON À L'UE ET À L'OTAN, COMMUNISTES POUR LA PAIX ET LE PROGRÈS SOCIAL",
"Liste Extrême gauche",
"Liste d'extrême-gauche",
"Listes du PCF et du Parti de gauche",
"Listes d'extrême gauche",
"Parti Communiste Français (PCF)",
"LA FRANCE INSOUMISE"
]
Gauche = ["Listes du Parti socialiste",
"Liste divers gauche",
"Liste du Parti socialiste",
"Liste Union de la Gauche",
"Liste Divers gauche",
"REVEIL EUR",
"LISTE CITOYENNE",
"ENVIE D'EUROPE",
"Listes divers gauche"
]
Votants= ["Votants"]
Blanc_Null =["Blancs et nuls"]
Exprimes =["Exprimés"]
Abstentions =["Abstentions"]
Inscrits =["Inscrit","Inscrits"]
Centre = [
"BESOIN D'EUROPE",
"Liste Union du Centre",
"Liste centre-MoDem",
"Liste Union pour la démocratie française",
"RENAISSANCE",
"PARTI FED. EUROPÉEN",
"LES EUROPÉENS",
"Listes centre - MoDem"
]
ExtremeDroite = [
"ENSEMBLE PATRIOTES",
"Liste d'extrême droite",
"La FRANCE REVIENT",
"LA FRANCE FIERE, MENEE PAR MARION MARECHAL ET SOUTENUE PAR ÉRIC ZEMMOUR",
"Liste du Front national", "Liste Front National",
"ALLIANCE JAUNE",
"DEBOUT LA FRANCE",
"Liste Extrême droite",
"Liste d'extrême-droite",
"LISTE DE LA RECONQUÊTE",
"Liste du Front national",
"Listes du Front national",
"Listes d'extrême droite",
"PRENEZ LE POUVOIR",
]
Droite = ["Listes de la majorité",
"Liste divers droite", "Liste Divers droite",
"Liste Union pour un mouvement populaire", "Liste Union pour un Mouvement Populaire",
"POUR L'EUROPE DES GENS",
"FORTERESSE EUROPE",
"NATION LIBRE PARTI (NLP)",
"DÉMOCRATIE REPRÉSENTATIVE",
"NLP",
"LA DROITE POUR FAIRE ENTENDRE LA VOIX DE LA FRANCE EN EUROPE",
"Liste de la majorité ",
"Ligue des Démocrates et des Diversités",
"La Liste de Diversité Valdoise",
"Listes divers droite",
"UNION DROITE-CENTRE",
]
Ecologistes = [
"Liste écologiste",
"Liste des Verts",
"Liste Europe-Ecologie-Les Verts",
"EUROPE ÉCOLOGIE",
"URGENCE ÉCOLOGIE",
"ECOLOGIE POSITIVE",
"EUROPE TERRITOIRES ÉCOLOGIE",
"EAC",
"Listes des Verts",
]
Régionalistes = [
"Liste régionaliste",
"Listes régionaliste"
]
In [2]:
#Package pour les Data Frames
import pandas as pd
#connection at mariadb
2024¶
In [19]:
euro2024 = pd.read_csv("data/2024-resultats-definitifs-par-commune.csv",sep=";",dtype="str")
euro2024["Vote Blancs et Nuls"] = euro2024["Blancs"].astype('int64') + euro2024["Nuls"].astype('int64')
euro2024["Libellé abrégé de liste 39"] = "Blancs et nuls"
euro2024["Libellé abrégé de liste 40"] = "Abstentions"
euro2024 = euro2024.rename(columns={ 'Vote Blancs et Nuls':'Voix 39',
'Abstentions':'Voix 40'
})
suffixes = set()
for col in euro2024.columns:
parts = col.split(' ')
if len(parts) > 0:
try:
suffix = int(parts[-1])
suffixes.add(suffix)
except ValueError:
continue
# Trier les suffixes numériques
suffixes = sorted(suffixes)
modelisation=[]
for i in suffixes:
point_i = ''+str(i)
base_cols = ['Code département','Code commune','Inscrits','Exprimés',f'Libellé abrégé de liste {point_i}']
euro2024[f'Voix {point_i}'] =euro2024[f'Voix {point_i}'].astype('float')
Groupby = euro2024.groupby(base_cols)[f'Voix {point_i}'].sum()
modelisation.append(Groupby)
Concat = pd.concat(modelisation).reset_index().rename(columns={'level_4':'Libellé abrégé de liste',
0:"Voix"})
Concat["Année"] = "2024"
Concat = Concat[Concat['Voix'] != 0]
Concat["Partie"]="0-Autre_partie"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeGauche), "Partie"] = "1-Extreme-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Ecologistes), "Partie"] = "2-Ecologiste"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Gauche), "Partie"] = "3-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Centre), "Partie"] = "4-Centre"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Droite), "Partie"] = "5-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeDroite), "Partie"] = "6-Extreme-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Blanc_Null), "Partie"] = "7-Blancs et nuls"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Abstentions), "Partie"] = "8-Abstentions"
Concat['Code département'] = Concat['Code département'].astype(str)
Concat.to_csv('data/propre/nettoyage_euro2024.csv',sep=";",index=False)
Concat.head()
Out[19]:
| Code département | Code commune | Inscrits | Exprimés | Libellé abrégé de liste | Voix | Année | Partie | |
|---|---|---|---|---|---|---|---|---|
| 193 | 01 | 01231 | 1580 | 911 | HUMANITE SOUVERAINE | 1.0 | 2024 | 0-Autre_partie |
| 557 | 02 | 02173 | 7868 | 3408 | HUMANITE SOUVERAINE | 1.0 | 2024 | 0-Autre_partie |
| 1099 | 02 | 02741 | 385 | 202 | HUMANITE SOUVERAINE | 1.0 | 2024 | 0-Autre_partie |
| 1167 | 02 | 02810 | 7112 | 2943 | HUMANITE SOUVERAINE | 1.0 | 2024 | 0-Autre_partie |
| 1326 | 03 | 03138 | 2171 | 1096 | HUMANITE SOUVERAINE | 1.0 | 2024 | 0-Autre_partie |
2019¶
In [18]:
euro2019 = pd.read_excel("data/2019-resultats-definitifs-par-commune.xls",dtype="str")
euro2019["Vote Blancs et Nuls"] = euro2019["Blancs"].astype('int64') + euro2019["Nuls"].astype('int64')
euro2019["Libellé Abrégé Liste 35"] = "Blancs et nuls"
euro2019["Libellé Abrégé Liste 36"] = "Abstentions"
euro2019 = euro2019.rename(columns={ 'Vote Blancs et Nuls':'Voix 35',
'Abstentions':'Voix 36'
})
suffixes = set()
for col in euro2019.columns:
parts = col.split(' ')
if len(parts) > 0:
try:
suffix = int(parts[-1])
suffixes.add(suffix)
except ValueError:
continue
# Trier les suffixes numériques
suffixes = sorted(suffixes)
modelisation=[]
for i in suffixes:
point_i = ''+str(i)
base_cols = ['Code du département','Code de la commune','Inscrits','Exprimés',f'Libellé Abrégé Liste {point_i}']
euro2019[f'Voix {point_i}'] =euro2019[f'Voix {point_i}'].astype('float')
Groupby = euro2019.groupby(base_cols)[f'Voix {point_i}'].sum()
modelisation.append(Groupby)
Concat = pd.concat(modelisation).reset_index().rename(columns={'level_4':'Libellé abrégé de liste',
0:"Voix"})
Concat["Année"] = "2019"
Concat = Concat[Concat['Voix'] != 0]
Concat["Partie"]="0-Autre_partie"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeGauche), "Partie"] = "1-Extreme-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Ecologistes), "Partie"] = "2-Ecologiste"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Gauche), "Partie"] = "3-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Centre), "Partie"] = "4-Centre"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Droite), "Partie"] = "5-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeDroite), "Partie"] = "6-Extreme-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Blanc_Null), "Partie"] = "7-Blancs et nuls"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Abstentions), "Partie"] = "8-Abstentions"
Concat.to_csv('data/propre/nettoyage_euro2019.csv',sep=";",index=False)
Concat.head()
Out[18]:
| Code du département | Code de la commune | Inscrits | Exprimés | Libellé abrégé de liste | Voix | Année | Partie | |
|---|---|---|---|---|---|---|---|---|
| 0 | 01 | 001 | 601 | 314 | LA FRANCE INSOUMISE | 13.0 | 2019 | 1-Extreme-Gauche |
| 1 | 01 | 002 | 210 | 135 | LA FRANCE INSOUMISE | 6.0 | 2019 | 1-Extreme-Gauche |
| 2 | 01 | 004 | 8110 | 3955 | LA FRANCE INSOUMISE | 307.0 | 2019 | 1-Extreme-Gauche |
| 3 | 01 | 005 | 1188 | 564 | LA FRANCE INSOUMISE | 24.0 | 2019 | 1-Extreme-Gauche |
| 4 | 01 | 006 | 100 | 65 | LA FRANCE INSOUMISE | 2.0 | 2019 | 1-Extreme-Gauche |
2014¶
In [17]:
euro2014 = pd.read_excel("data/2014-resultats-communes.xlsx",dtype="str")
euro2014["Vote Blancs et Nuls"] = euro2014["Blancs"].astype('int64') + euro2014["Nuls"].astype('int64')
euro2014["Libellé Abrégé Liste 69"] = "Blancs et nuls"
euro2014["Libellé Abrégé Liste 70"] = "Abstentions"
euro2014 = euro2014.rename(columns={ 'Vote Blancs et Nuls':'Voix 69',
'Abstentions':'Voix 70'
})
# Fonction pour ajouter un zéro au début si nécessaire
def ajouter_zero(num_departement):
if len(num_departement) == 1: # vérifier la longueur de la chaîne (si elle a 1 caractère)
return '0' + num_departement
else:
return num_departement
# Appliquer la fonction à la colonne 'Departement'
euro2014['Code du département'] = euro2014['Code du département'].apply(lambda x: ajouter_zero(x))
# Fonction pour ajouter les zéros au début en fonction de la longueur
def ajouter_zeros(num_commune):
length = len(num_commune)
if length == 1:
return '00' + num_commune
elif length == 2:
return '0' + num_commune
elif length == 3:
return '' + num_commune
elif length == 4:
return '' + num_commune
else:
return num_commune
# Appliquer la fonction à la colonne 'Commune'
euro2014['Code de la commune'] = euro2014['Code de la commune'].apply(ajouter_zeros)
suffixes = set()
for col in euro2014.columns:
parts = col.split(' ')
if len(parts) > 0:
try:
suffix = int(parts[-1])
suffixes.add(suffix)
except ValueError:
continue
# Trier les suffixes numériques
suffixes = sorted(suffixes)
modelisation=[]
for i in suffixes:
point_i = ''+str(i)
base_cols = ['Code du département','Code de la commune','Inscrits','Exprimés',f'Libellé Abrégé Liste {point_i}']
euro2014[f'Voix {point_i}'] =euro2014[f'Voix {point_i}'].astype('float')
Groupby = euro2014.groupby(base_cols)[f'Voix {point_i}'].sum()
modelisation.append(Groupby)
Concat = pd.concat(modelisation).reset_index().rename(columns={'level_4':'Libellé abrégé de liste',
0:"Voix"})
Concat["Année"] = "2014"
Concat = Concat[Concat['Voix'] != 0]
Concat["Partie"]="0-Autre_partie"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeGauche), "Partie"] = "1-Extreme-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Ecologistes), "Partie"] = "2-Ecologiste"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Gauche), "Partie"] = "3-Gauche"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Centre), "Partie"] = "4-Centre"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Droite), "Partie"] = "5-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(ExtremeDroite), "Partie"] = "6-Extreme-Droite"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Blanc_Null), "Partie"] = "7-Blancs et nuls"
Concat.loc[Concat["Libellé abrégé de liste"].isin(Abstentions), "Partie"] = "8-Abstentions"
Concat.to_csv('data/propre/nettoyage_euro2014.csv',sep=";",index=False)
Concat.head()
Out[17]:
| Code du département | Code de la commune | Inscrits | Exprimés | Libellé abrégé de liste | Voix | Année | Partie | |
|---|---|---|---|---|---|---|---|---|
| 2 | 01 | 004 | 8153 | 3222 | Liste Extrême gauche | 30.0 | 2014 | 1-Extreme-Gauche |
| 18 | 01 | 022 | 848 | 352 | Liste Extrême gauche | 5.0 | 2014 | 1-Extreme-Gauche |
| 24 | 01 | 028 | 439 | 174 | Liste Extrême gauche | 1.0 | 2014 | 1-Extreme-Gauche |
| 26 | 01 | 030 | 503 | 203 | Liste Extrême gauche | 3.0 | 2014 | 1-Extreme-Gauche |
| 29 | 01 | 033 | 6242 | 1950 | Liste Extrême gauche | 28.0 | 2014 | 1-Extreme-Gauche |
Traitement des données des éléctions européennes¶
In [14]:
ElectionEuropeen2014 = pd.read_csv("data/propre/nettoyage_euro2014.csv",sep=";",encoding="utf-8",dtype="str")
ElectionEuropeen2014["Code de la commune"] =ElectionEuropeen2014['Code du département'].astype(str) + ElectionEuropeen2014['Code de la commune'].astype(str)
ElectionEuropeen2019 = pd.read_csv("data/propre/nettoyage_euro2019.csv",sep=";",encoding="utf-8",dtype="str")
ElectionEuropeen2019["Code de la commune"] =ElectionEuropeen2019['Code du département'].astype(str) + ElectionEuropeen2019['Code de la commune'].astype(str)
ElectionEuropeen2024 = pd.read_csv("data/propre/nettoyage_euro2024.csv",sep=";",encoding="utf-8",dtype="str").rename(columns={'Code département':'Code du département',
'Code commune':'Code de la commune',
})
ElectionEuropeen = pd.concat([ElectionEuropeen2014,ElectionEuropeen2019,ElectionEuropeen2024])
# Geographie
# Apply the conditions using the loc method
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZA","ZB","ZC","ZD"]),'Code du département'] = "97"
# Mayotte
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZM"]),'Code du département'] = "97"
# Saint-Pierre-et-Miquelon
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZS"]),'Code du département'] = "97"
# Saint Barthelemy Saint Martin
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZX"]),"Code du département"]="97"
# Nouvelle Caledonie
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZN"]),'Code du département'] = "98"
# Wallies
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZW"]),"Code du département"]="98"
# Polynesie
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZP"]),'Code du département'] = "98"
# Vote à l'étranger
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].isin(["ZZ"]),"Code du département"]="ZZ"
ElectionEuropeen =ElectionEuropeen .reset_index()
ElectionEuropeen['Code du département'] = ElectionEuropeen['Code du département'].astype('str')
# Utilizar loc para actualizar los valores que comienzan con '98'
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].str.startswith('98'), 'Code du département'] = '98'
# Utilizar loc para actualizar los valores que comienzan con '97'
ElectionEuropeen.loc[ElectionEuropeen['Code du département'].str.startswith('97'), 'Code du département'] = '97'
# Utilisation de loc pour ajuster les codes de commune en fonction du préfixe
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZN'), 'Code de la commune'] = '98' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZW'), 'Code de la commune'] = '98' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZP'), 'Code de la commune'] = '98' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZS'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZX'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZA'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZB'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZC'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZD'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZM'), 'Code de la commune'] = '97' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen.loc[ElectionEuropeen['Code de la commune'].str.startswith('ZZ'), 'Code de la commune'] = 'ZZ' + ElectionEuropeen['Code de la commune'].str[2:]
ElectionEuropeen = ElectionEuropeen.drop(columns="index")
#Export d'un fichier CSV
ElectionEuropeen.to_csv("/Users/dataworlds/Library/CloudStorage/OneDrive-DATAWORLDS/PowerBI/ElectionEuropeen/data/ElectionEuropeen.csv",index=False ,sep=";",decimal=",")
ElectionEuropeen.head(100)
Out[14]:
| Code du département | Code de la commune | Inscrits | Exprimés | Libellé abrégé de liste | Voix | Année | Partie | |
|---|---|---|---|---|---|---|---|---|
| 0 | 01 | 01004 | 8153 | 3222 | Liste Extrême gauche | 30.0 | 2014 | 1-Extreme-Gauche |
| 1 | 01 | 01022 | 848 | 352 | Liste Extrême gauche | 5.0 | 2014 | 1-Extreme-Gauche |
| 2 | 01 | 01028 | 439 | 174 | Liste Extrême gauche | 1.0 | 2014 | 1-Extreme-Gauche |
| 3 | 01 | 01030 | 503 | 203 | Liste Extrême gauche | 3.0 | 2014 | 1-Extreme-Gauche |
| 4 | 01 | 01033 | 6242 | 1950 | Liste Extrême gauche | 28.0 | 2014 | 1-Extreme-Gauche |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 95 | 01 | 01363 | 1268 | 590 | Liste Extrême gauche | 6.0 | 2014 | 1-Extreme-Gauche |
| 96 | 01 | 01366 | 596 | 293 | Liste Extrême gauche | 8.0 | 2014 | 1-Extreme-Gauche |
| 97 | 01 | 01371 | 877 | 331 | Liste Extrême gauche | 5.0 | 2014 | 1-Extreme-Gauche |
| 98 | 01 | 01372 | 318 | 126 | Liste Extrême gauche | 3.0 | 2014 | 1-Extreme-Gauche |
| 99 | 01 | 01378 | 1850 | 817 | Liste Extrême gauche | 11.0 | 2014 | 1-Extreme-Gauche |
100 rows × 8 columns