README.md

---
license: cc-by-4.0
task_categories:
- other
tags:
- electoral
- geography
- brazil
- duckdb
- parquet
- geocoding
- mato-grosso
pretty_name: "Eleitoral MT: Resultados Eleitorais, Locais de Votação e Geolocalização de todos os locais de votação de Mato Grosso (2014-2024)"
language:
- pt
size_categories:
- 1M<n<10M
configs:
- config_name: votes_geo
  data_files:
  - split: train
    path: data/votes_geo.parquet
- config_name: votes
  data_files:
  - split: train
    path: data/votes.parquet
- config_name: candidates
  data_files:
  - split: train
    path: data/candidates.parquet
- config_name: polling_places
  data_files:
  - split: train
    path: data/polling_places.parquet
- config_name: section_polling_places
  data_files:
  - split: train
    path: data/section_polling_places.parquet
- config_name: dados_preditivos_mt_2026
  data_files:
  - split: train
    path: data/dados_preditivos_mt_2026.parquet
---

# 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.

> [!NOTE]
> **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:

```python
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`)
```python
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:

```sql
-- 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](https://github.com/andrebadini) (Scrapers e projetos open-source)
*   **Hugging Face:** [@andrebadini](https://huggingface.co/andrebadini) (Modelos e outros datasets)
*   **X (Twitter):** [@_Andre_Badini](https://x.com/_Andre_Badini)
*   **Instagram:** [@andrebadini](https://www.instagram.com/andrebadini/)
*   **Coluna no Migalhas:** [André Carvalho Rondon Badini](https://www.migalhas.com.br/autor/andre-carvalho-rondon-badini) (Artigos sobre direito e tecnologia)
*   **Amazon (Página de Autor):** [Romance "Agora que você veio"](https://www.amazon.com/author/andrebadini)