quickcountmx: Estimate Election Results Mexico

#' Sampling frame for elections 2018.
#'
#' Datasets containing the 2018 sampling frame for Mexican national election, 
#' and sampling frames for Governor elections in Chiapas, Guanajuato, and 
#' Morelos. Each row corresponds to a polling station and the variables include 
#' strata, nominal list, and other descriptorss of the polling station.
#'
#' @format A data frames:
#' @source \url{https://cartografia.ife.org.mx}
"marco_nal_2018"
"marco_chis_2018"
"marco_gto_2018"
"marco_mor_2018"
# library(tidyverse)
# # marco al 20 de junio
# marco_erwin <- readr::read_csv(fs::path_join(c("~/Documents/GitHub/",
#     "ine_cotecora/datos/LISTADO_CASILLAS_20_JUNIO_DEOE.csv")))
# 
# marco_erwin <- readr::read_csv(fs::path_join(c("~/Dropbox/COTECORA 2017-2018/",
#     "SIMULACRO4/LISTADO_CASILLAS_2018.csv")))
# 
# marco_nal_2018_aux <- marco_erwin
# 
# marco_nal_2018 <- marco_nal_2018_aux %>%
#     mutate(
#         id = stringr::str_c(iD_ESTADO, SECCION, ID_CASILLA, TIPO_CASILLA,
#             EXT_CONTIGUA, sep = "-"),
#         distrito_loc = ID_DIST_LOC, distrito_fed = ID_DISTRITO_FEDERAL) %>%
#     dplyr::mutate(
#         casilla_id = 1:n(),
#         id_estado = iD_ESTADO,
#         seccion = SECCION,
#         tipo_seccion = TIPO_SECCION,
#         estrato = ID_ESTRATO_F,
#         estrato_l = ID_ESTRATO_L,
#         casilla = dplyr::case_when(
#             stringr::str_detect(TIPO_CASILLA, "[B-C]") ~ "B-C",
#             stringr::str_detect(TIPO_CASILLA, "E") ~ "E",
#             stringr::str_detect(TIPO_CASILLA, "S") ~ "S",
#             TRUE ~ "M"
#         ),
#         ln = LISTA_NOMINAL
#     ) %>%
#     dplyr::group_by(id_estado, seccion) %>%
#     dplyr::mutate(ln_seccion = sum(ln)) %>%
#     dplyr::ungroup() %>%
#     dplyr::mutate(
#         tamano = dplyr::case_when(
#             ln_seccion < 1000 ~ 1,
#             ln_seccion < 5000 ~ 2,
#             TRUE ~ 3
#         ),
#         tamano_md = (tamano == 2) * 1,
#         tamano_gd = (tamano == 3) * 1,
#         region = id_estado,
#         casilla_ex = (casilla == "E") * 1,
#         rural = (tipo_seccion == 3) * 1,
#         ln_total = ifelse(ln == 0, 750, ln)
#     ) %>%
#     dplyr::select(id, casilla_id, id_estado, distrito_loc, distrito_fed,
#         seccion:ln_total) %>%
#     dplyr::filter(!is.na(rural))
# 
# marco_gto_2018 <- marco_nal_2018 %>%
#     filter(id_estado == 11) %>%
#     mutate(
#         estrato = estrato_l,
#         region = dplyr::case_when(
#             distrito_loc %in% c(1, 3:8, 10:13, 18, 21) ~ 1,
#             TRUE ~ 2
#             )
#         ) %>%
#     select(-estrato_l)
# 
# marco_mor_2018 <- marco_nal_2018 %>%
#     filter(id_estado == 17)%>%
#     mutate(
#         estrato = estrato_l,
#         region = dplyr::case_when(
#             distrito_loc %in% 1:6 ~ 1,
#             TRUE ~ 2
#         )
#     ) %>%
#     select(-estrato_l)
# 
# marco_chis_2018 <- marco_nal_2018 %>%
#     filter(id_estado == 7) %>%
#     mutate(
#         estrato = estrato_l,
#         region = dplyr::case_when(
#             distrito_loc %in% c(4, 6, 7, 8, 9, 10, 17, 19, 20, 21, 22, 24) ~ 1,
#             TRUE ~ 2
#         )
#     ) %>%
#     select(-estrato_l)