README.md
In zumbov2/swissparl: Interface to the Webservices of the Swiss Parliament
swissparl
This R package is an interface to the new, still unofficial and accordingly still undocumented Webservices of The Federal Assembly — The Swiss Parliament that offer an open, machine-readable interface to the most important data on parliamentary activities. The previous version of the package (interface to the old Webservices) can be found here.
Installation
Version 0.2.2 is on CRAN and can be installed as follows:
install.packages("swissparl")
The latest version is available on GitHub (0.2.2):
install.packages("devtools")
devtools::install_github("zumbov2/swissparl")
Functions
Helpers
The new Webservices are comprehensive and not yet documented. The following functions will help you make friends with them:
get_tables
Retrieves the names of all available tables or datasets (currently 43).
swissparl::get_tables()
#>
#> [1] "Bill" "BillLink"
#> [3] "BillStatus" "Business"
#> [5] "BusinessResponsibility" "BusinessRole"
#> [7] "BusinessStatus" "BusinessType"
#> [9] "Canton" "Citizenship"
#> [11] "Committee" "Council"
#> [13] "External" "LegislativePeriod"
#> [15] "Meeting" "MemberCommittee"
#> [17] "MemberCommitteeHistory" "MemberCouncil"
#> [19] "MemberCouncilHistory" "MemberParlGroup"
#> [21] "MemberParty" "Objective"
#> [23] "ParlGroup" "ParlGroupHistory"
#> [25] "Party" "Person"
#> [27] "PersonAddress" "PersonCommunication"
#> [29] "PersonEmployee" "PersonInterest"
#> [31] "PersonOccupation" "Preconsultation"
#> [33] "Publication" "RelatedBusiness"
#> [35] "Resolution" "SeatOrganisationNr"
#> [37] "Session" "Subject"
#> [39] "SubjectBusiness" "Tags"
#> [41] "Transcript" "Vote"
#> [43] "Voting"
get_variables
Retrieves the names of all the variables of a given table.
swissparl::get_variables("Transcript")
#>
#> [1] "CantonAbbreviation" "CantonId"
#> [3] "CantonName" "CouncilId"
#> [5] "CouncilName" "DisplaySpeaker"
#> [7] "End" "EndTimeWithTimezone"
#> [9] "Function" "ID"
#> [11] "IdSession" "IdSubject"
#> [13] "Language" "LanguageOfText"
#> [15] "MeetingCouncilAbbreviation" "MeetingDate"
#> [17] "MeetingVerbalixOid" "Modified"
#> [19] "ParlGroupAbbreviation" "ParlGroupName"
#> [21] "PersonNumber" "SortOrder"
#> [23] "SpeakerFirstName" "SpeakerFullName"
#> [25] "SpeakerFunction" "SpeakerLastName"
#> [27] "Start" "StartTimeWithTimezone"
#> [29] "Text" "Type"
#> [31] "VoteBusinessNumber" "VoteBusinessShortNumber"
#> [33] "VoteBusinessTitle" "VoteId"
get_overview
Wraps around get_tables and get_variables and retrieves all available tables and variables.
swissparl::get_overview(silent = T)
#>
#> # A tibble: 685 x 2
#> table variable
#> <chr> <chr>
#> 1 Bill BillNumber
#> 2 Bill BillType
#> 3 Bill BillTypeName
#> 4 Bill BusinessNumber
#> 5 Bill BusinessShortNumber
#> 6 Bill BusinessStatus
#> 7 Bill BusinessStatusDate
#> 8 Bill BusinessStatusText
#> 9 Bill BusinessType
#> 10 Bill BusinessTypeAbbreviation
#> # ... with 675 more rows
get_glimpse
Downloads the first rows of a given table and gives a first insight into the data structure.
swissparl::get_glimpse("Person", rows = 100)
#>
#> # A tibble: 100 x 21
#> ID Language PersonNumber PersonIdCode Title TitleText LastName
#> <int> <chr> <int> <int> <int> <chr> <chr>
#> 1 1 DE 1 2200 NA <NA> Aguet
#> 2 2 DE 2 2002 NA <NA> Allensp~
#> 3 6 DE 6 2004 9 dipl. Ba~ Aregger
#> 4 7 DE 7 2005 NA <NA> Aubry
#> 5 8 DE 8 2008 NA <NA> Bär
#> 6 9 DE 9 2268 10 dipl. In~ Baumann
#> 7 10 DE 10 2269 6 Dr. iur. Baumber~
#> 8 11 DE 11 2011 12 lic. phi~ Bäumlin
#> 9 12 DE 12 2335 115 lic. iur. Beerli
#> 10 13 DE 13 2202 3 lic. en ~ Béguin
#> # ... with 90 more rows, and 14 more variables: GenderAsString <chr>,
#> # DateOfBirth <date>, DateOfDeath <date>, MaritalStatus <lgl>,
#> # MaritalStatusText <lgl>, PlaceOfBirthCity <chr>,
#> # PlaceOfBirthCanton <chr>, Modified <dttm>, FirstName <chr>,
#> # OfficialName <chr>, MilitaryRank <int>, MilitaryRankText <chr>,
#> # NativeLanguage <chr>, NumberOfChildren <lgl>
Main function get_data
The main function of the package is get_data. It can be used to download entire datasets or selected rows from any available table.
swissparl::get_data("Person", Language = "DE")
#>
#> # A tibble: 3,629 x 21
#> ID Language PersonNumber PersonIdCode Title TitleText LastName
#> <int> <chr> <int> <int> <int> <chr> <chr>
#> 1 1 DE 1 2200 NA <NA> Aguet
#> 2 2 DE 2 2002 NA <NA> Allensp~
#> 3 6 DE 6 2004 9 dipl. Ba~ Aregger
#> 4 7 DE 7 2005 NA <NA> Aubry
#> 5 8 DE 8 2008 NA <NA> Bär
#> 6 9 DE 9 2268 10 dipl. In~ Baumann
#> 7 10 DE 10 2269 6 Dr. iur. Baumber~
#> 8 11 DE 11 2011 12 lic. phi~ Bäumlin
#> 9 12 DE 12 2335 115 lic. iur. Beerli
#> 10 13 DE 13 2202 3 lic. en ~ Béguin
#> # ... with 3,619 more rows, and 14 more variables: GenderAsString <chr>,
#> # DateOfBirth <date>, DateOfDeath <date>, MaritalStatus <int>,
#> # MaritalStatusText <chr>, PlaceOfBirthCity <chr>,
#> # PlaceOfBirthCanton <chr>, Modified <dttm>, FirstName <chr>,
#> # OfficialName <chr>, MilitaryRank <int>, MilitaryRankText <chr>,
#> # NativeLanguage <chr>, NumberOfChildren <int>
Subsetting with ...
The function uses ... (ellipsis) to subset tables and can therefore be applied very flexibly. For example, it can be used to download all speech transcripts of a given councillor:
swissparl::get_data(
table = "Transcript",
SpeakerLastName = "Blocher",
Language = "DE"
)
#>
#> # A tibble: 1,380 x 34
#> ID Language IdSubject VoteId PersonNumber Type Text
#> <chr> <chr> <chr> <lgl> <int> <int> <chr>
#> 1 63 DE 8 NA 21 1 "<pd~
#> 2 617 DE 113 NA 21 1 "<pd~
#> 3 619 DE 113 NA 21 1 "<pd~
#> 4 639 DE 113 NA 21 1 "<pd~
#> 5 1506 DE 264 NA 21 1 "<pd~
#> 6 1519 DE 264 NA 21 1 "<pd~
#> 7 2517 DE 376 NA 21 1 "<pd~
#> 8 2565 DE 385 NA 21 1 "<pd~
#> 9 2567 DE 385 NA 21 1 "<pd~
#> 10 4254 DE 721 NA 21 1 "<pd~
#> # ... with 1,370 more rows, and 27 more variables:
#> # MeetingCouncilAbbreviation <chr>, MeetingDate <chr>,
#> # MeetingVerbalixOid <int>, IdSession <chr>, SpeakerFirstName <chr>,
#> # SpeakerLastName <chr>, SpeakerFullName <chr>, SpeakerFunction <chr>,
#> # CouncilId <int>, CouncilName <chr>, CantonId <int>, CantonName <chr>,
#> # CantonAbbreviation <chr>, ParlGroupName <chr>,
#> # ParlGroupAbbreviation <chr>, SortOrder <int>, Start <dttm>,
#> # End <dttm>, Function <chr>, DisplaySpeaker <lgl>,
#> # LanguageOfText <chr>, Modified <dttm>, StartTimeWithTimezone <dttm>,
#> # EndTimeWithTimezone <dttm>, VoteBusinessNumber <lgl>,
#> # VoteBusinessShortNumber <lgl>, VoteBusinessTitle <lgl>
Periods
Or it can also be used to fetch detailed information on all political businesses submitted during a given period:
swissparl::get_data(
table = "Business",
SubmissionDate = c(">2019-06-30", "<2019-12-08"),
Language = "DE"
)
#>
#> # A tibble: 815 x 43
#> ID Language BusinessShortNu~ BusinessType BusinessTypeName
#> <int> <chr> <chr> <int> <chr>
#> 1 2.02e7 DE 19.005 2 Geschäft des Pa~
#> 2 2.02e7 DE 19.041 1 Geschäft des Bu~
#> 3 2.02e7 DE 19.042 1 Geschäft des Bu~
#> 4 2.02e7 DE 19.045 1 Geschäft des Bu~
#> 5 2.02e7 DE 19.046 1 Geschäft des Bu~
#> 6 2.02e7 DE 19.047 1 Geschäft des Bu~
#> 7 2.02e7 DE 19.048 1 Geschäft des Bu~
#> 8 2.02e7 DE 19.049 1 Geschäft des Bu~
#> 9 2.02e7 DE 19.050 1 Geschäft des Bu~
#> 10 2.02e7 DE 19.051 1 Geschäft des Bu~
#> # ... with 805 more rows, and 38 more variables:
#> # BusinessTypeAbbreviation <chr>, Title <chr>, Description <chr>,
#> # InitialSituation <chr>, Proceedings <chr>, DraftText <lgl>,
#> # SubmittedText <chr>, ReasonText <chr>, DocumentationText <lgl>,
#> # MotionText <lgl>, FederalCouncilResponseText <chr>,
#> # FederalCouncilProposal <int>, FederalCouncilProposalText <chr>,
#> # FederalCouncilProposalDate <date>, SubmittedBy <chr>,
#> # BusinessStatus <int>, BusinessStatusText <chr>,
#> # BusinessStatusDate <date>, ResponsibleDepartment <int>,
#> # ResponsibleDepartmentName <chr>,
#> # ResponsibleDepartmentAbbreviation <chr>, IsLeadingDepartment <lgl>,
#> # Tags <chr>, Category <chr>, Modified <dttm>, SubmissionDate <date>,
#> # SubmissionCouncil <int>, SubmissionCouncilName <chr>,
#> # SubmissionCouncilAbbreviation <chr>, SubmissionSession <int>,
#> # SubmissionLegislativePeriod <int>, FirstCouncil1 <int>,
#> # FirstCouncil1Name <chr>, FirstCouncil1Abbreviation <chr>,
#> # FirstCouncil2 <int>, FirstCouncil2Name <chr>,
#> # FirstCouncil2Abbreviation <chr>, TagNames <chr>
Substrings
To a certain extent, it is also possible to search for substring matches in texts. For example, to search for all political businesses that contain CO2 in the title, enter the following query:
swissparl::get_data(table = "Business", Title = "~CO2", Language = "DE")
#>
#> # A tibble: 207 x 43
#> ID Language BusinessShortNu~ BusinessType BusinessTypeName
#> <int> <chr> <chr> <int> <chr>
#> 1 1.99e7 DE 92.3245 5 Motion
#> 2 2.00e7 DE 95.2011 10 Petition
#> 3 2.00e7 DE 95.3546 5 Motion
#> 4 2.00e7 DE 97.030 1 Geschäft des Bu~
#> 5 2.00e7 DE 00.5227 14 Fragestunde. Fr~
#> 6 2.00e7 DE 01.420 4 Parlamentarisch~
#> 7 2.00e7 DE 01.421 4 Parlamentarisch~
#> 8 2.00e7 DE 01.422 4 Parlamentarisch~
#> 9 2.00e7 DE 01.3178 5 Motion
#> 10 2.00e7 DE 01.3225 8 Interpellation
#> # ... with 197 more rows, and 38 more variables:
#> # BusinessTypeAbbreviation <chr>, Title <chr>, Description <chr>,
#> # InitialSituation <chr>, Proceedings <chr>, DraftText <lgl>,
#> # SubmittedText <chr>, ReasonText <chr>, DocumentationText <lgl>,
#> # MotionText <lgl>, FederalCouncilResponseText <chr>,
#> # FederalCouncilProposal <int>, FederalCouncilProposalText <chr>,
#> # FederalCouncilProposalDate <date>, SubmittedBy <chr>,
#> # BusinessStatus <int>, BusinessStatusText <chr>,
#> # BusinessStatusDate <date>, ResponsibleDepartment <int>,
#> # ResponsibleDepartmentName <chr>,
#> # ResponsibleDepartmentAbbreviation <chr>, IsLeadingDepartment <lgl>,
#> # Tags <chr>, Category <chr>, Modified <dttm>, SubmissionDate <date>,
#> # SubmissionCouncil <int>, SubmissionCouncilName <chr>,
#> # SubmissionCouncilAbbreviation <chr>, SubmissionSession <int>,
#> # SubmissionLegislativePeriod <int>, FirstCouncil1 <int>,
#> # FirstCouncil1Name <chr>, FirstCouncil1Abbreviation <chr>,
#> # FirstCouncil2 <int>, FirstCouncil2Name <chr>,
#> # FirstCouncil2Abbreviation <chr>, TagNames <chr>
Advice for large queries
Large queries (especially the tables Voting and Transcripts) may result in server-side errors (500 Internal Server Error). In these cases it is recommended to download the data in smaller batches, save the individual blocks and combine them after the download. The following code snippet is from example 5, where all votes of the 50th legislature period are downloaded, session by session.
# Get Session IDs
sessions50 <- swissparl::get_data("Session", Language = "DE", LegislativePeriodNumber = 50)
# Define Function
get_voting_buffered <- function(id) {
# Create folder
folder <- "voting50"
if(!dir.exists(folder)) dir.create(folder)
# Download
dt <- swissparl::get_data("Voting", Language = "DE", IdSession = id)
# Save
saveRDS(dt, paste0(folder, "/", id, ".rds"))
}
# Apply Function to Session IDs
purrr::walk(sessions50$ID, get_voting_buffered)
# Combine to One Dataset
v50 <- purrr::map_dfr(list.files("voting50", full.names = T), readRDS)
Extra features
ggswissparl
The function ggswissparl uses the in-built data frame seating_plan (based on the the schematic representation of the National Council Hall) to visualize the results of ballots in the National Council. Since only the current seating arrangement can be retrieved from the API, only the most recent voting results can be displayed correctly.
swissparl::get_data("Voting", Language = "DE", IdVote = 23458) %>%
swissparl::ggswissparl(theme = "scoreboard")
swissparl::get_data("Voting", Language = "DE", IdVote = 23458) %>%
swissparl::ggswissparl(theme = "poly2")
clean_text
Clears all texts of line breaks and all non-text-relevant annotations (page numbers).
swissparl::get_data("Transcript", Language = "DE", ID = 112146) %>%
pull(Text) %>%
swissparl::clean_text()
#> [1] "Auf diese Antwort habe ich mich schon den ganzen Sonntag gefreut. (Heiterkeit) Das zur Diskussion stehende gewürzte Fleisch von Tieren der Rindviehgattung wird unter der Zolltarifnummer 1602.5099 (Schlüssel 914) ausserhalb des Zollkontingentes veranlagt. Dem schweizerischen Zolltarif kommt Gesetzesrang zu. Er basiert wie die kombinierte Nomenklatur (KN) der EU und die meisten Zolltarife weltweit auf dem international gültigen Harmonisierten System (HS). Ebenfalls materiell verbindliches internationales Staatsvertragsrecht sind gemäss Rechtsprechung des Bundesverwaltungsgerichtes die Erläuterungen zum HS. Diese sehen vor, dass gewürztes Fleisch (z. B. mit Pfeffer) als zubereitet gilt und somit grundsätzlich zum Kapitel 16 des Zolltarifs gehört. An der Grenze zu vollziehende wirtschaftliche Massnahmen im Allgemeinen und die Höhe der Zollansätze im Besonderen stellen ausdrücklich keine Gründe dar, eine Ware nicht tarifgemäss einzureihen. In Anlehnung an Anmerkung 6a zum Kapitel 2 der KN hat die Zollverwaltung zusätzlich (Heiterkeit) sogenannte 'schweizerische Erläuterungen zum Zolltarif' (Grosse Heiterkeit, Beifall) publiziert. Danach werden gewisse Erzeugnisse noch im Kapitel 2 eingereiht, denen bei der Herstellung Würzstoffe zugesetzt worden sind, sofern dadurch der Charakter einer Ware dieses Kapitels nicht verändert wird (z. B. Bündnerfleisch). (Grosse Heiterkeit) Ausgeschlossen von diesem Kapitel bleibt hingegen Fleisch, bei dem die Würzstoffe auf allen Flächen des Erzeugnisses verteilt und mit blossem Auge wahrnehmbar sind. (Heiterkeit) Nach der Besprechung vom 26. März 2010 mit Vertretern des Bauernverbandes und der Fleischbranche hat die Zollverwaltung diese Erläuterungen inzwischen auf dem Zirkularweg ergänzt. Seit dem 3. Mai 2010 gehört mit ganzen Pfefferkörnern bestreutes Fleisch ebenfalls zum Kapitel 2 des Zolltarifs. Damit wird verhindert, dass Fleischstücke mit Zusatz von ganzen Pfefferkörnern zu den markant tieferen Zollansätzen des Kapitels 16 eingeführt werden können. Eine noch weiter gehende Ausdehnung des Geltungsbereichs des Kapitels 2 stünde in eindeutigem Widerspruch zu den HS-Bestimmungen und damit auch zu den völkerrechtlichen Verpflichtungen der Schweiz. (Heiterkeit) Die Zollverwaltung hat im Rahmen ihrer Kontrolltätigkeit zudem ein Risikoprofil betreffend die Veranlagung von gewürztem Fleisch erstellt. Die entsprechenden Veranlagungen werden somit noch genauer kontrolliert. Ein höherer Zollschutz gegenüber dem geltenden in der Tarifnummer 1602.5099 müsste aus heutiger Sicht in einem Dekonsolidierungsverfahren im Rahmen der WTO aufgrund der Forderungen der Hauptlieferländer durch Zollsenkungen in anderen Tarifnummern und/oder durch ein grösseres Zollkontingent für Rind- und Kalbfleisch kompensiert werden. Die Aussicht, dass ein Dekonsolidierungsverfahren insgesamt eine bessere Situation für die inländische Schlachtvieh- und Fleischbranche mit sich bringt, ist äusserst gering. Es trifft zu, dass die eingeführte Menge unter der Tarifnummer 1602.5099 im Laufe des Jahres 2010 zugenommen hat. Im Vergleich zum jährlichen gesamtschweizerischen Konsum von verkaufsfertigem Rind- und Kalbfleisch (112 000 Tonnen) erscheint die importierte Menge jedoch eher gering (815 Tonnen bis Ende Juni 2010). Herr Nationalrat, ich bitte Sie um Verzeihung, wenn ich bisweilen einfach nicht verstanden habe, was ich Ihnen vorgelesen habe. (Heiterkeit)"
Possibly relevant queries (extended continuously)
All speeches on a specific political business
It is also possible to download all speech transcripts for a specific business. However, this requires a small detour. The first step is to extract when the business was discussed in the councils. This information is stored in the SubjectBusiness table.
subject <- swissparl::get_data(
table = "SubjectBusiness",
BusinessShortNumber = "05.057",
Language = "DE"
)
Afterwards all speeches of a specific business can be queried via the IdSubject.
swissparl::get_data(
table = "Transcript",
IdSubject = as.numeric(subject$IdSubject),
Language = "DE"
)
All votes of a specific legislative period
In a first step, we fetch all sessions of the legislative period of interest. Then we use the session IDs to obtain the associated voting decisions of the individual MPs.
sessions <- get_data("Session", Language = "DE")
sessions51 <- sessions %>% filter(LegislativePeriodNumber == 51)
votes51 <- get_data("Vote", Language = "DE", IdSession = sessions51$ID)
Examples
Here are some examples of use:
- Example 1: Who with Whom in the Council of States? – A Brief Network Analysis
- Example 2: Slow Bernese? – A Cantonal Comparison of Speaking Rates (by Benjamin Gföhler)
- Example 3: The Federal Council's To-Do List – A Simple Trend Analysis of Procedural Requests
- Example 4: What Are They Talking About? – Application of the Lingusitic Concept of Keyness to Speeches
- Example 5: Polarization in the National Council – W-NOMINATE Scores for the 50th Legislative Term
Use Cases
- NZZ, 16.4.2021: Die Grünen machten im Parlament am meisten mit Corona Politik | Code
swissparl for Python
swissparlpy by Stefan Oderbolz
Suggested Citation
Zumbach, David (2020). swissparl: Interface to the Webservices of the Swiss Parliament. R package version 0.2.1. https://CRAN.R-project.org/package=swissparl
zumbov2/swissparl documentation built on July 28, 2022, 11:34 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
swissparl
This R package is an interface to the new, still unofficial and accordingly still undocumented Webservices of The Federal Assembly — The Swiss Parliament that offer an open, machine-readable interface to the most important data on parliamentary activities. The previous version of the package (interface to the old Webservices) can be found here.
Installation
Version 0.2.2 is on CRAN and can be installed as follows:
install.packages("swissparl")
The latest version is available on GitHub (0.2.2):
install.packages("devtools")
devtools::install_github("zumbov2/swissparl")
Functions
Helpers
The new Webservices are comprehensive and not yet documented. The following functions will help you make friends with them:
get_tables
Retrieves the names of all available tables or datasets (currently 43).
swissparl::get_tables()
#>
#> [1] "Bill" "BillLink"
#> [3] "BillStatus" "Business"
#> [5] "BusinessResponsibility" "BusinessRole"
#> [7] "BusinessStatus" "BusinessType"
#> [9] "Canton" "Citizenship"
#> [11] "Committee" "Council"
#> [13] "External" "LegislativePeriod"
#> [15] "Meeting" "MemberCommittee"
#> [17] "MemberCommitteeHistory" "MemberCouncil"
#> [19] "MemberCouncilHistory" "MemberParlGroup"
#> [21] "MemberParty" "Objective"
#> [23] "ParlGroup" "ParlGroupHistory"
#> [25] "Party" "Person"
#> [27] "PersonAddress" "PersonCommunication"
#> [29] "PersonEmployee" "PersonInterest"
#> [31] "PersonOccupation" "Preconsultation"
#> [33] "Publication" "RelatedBusiness"
#> [35] "Resolution" "SeatOrganisationNr"
#> [37] "Session" "Subject"
#> [39] "SubjectBusiness" "Tags"
#> [41] "Transcript" "Vote"
#> [43] "Voting"
get_variables
Retrieves the names of all the variables of a given table.
swissparl::get_variables("Transcript")
#>
#> [1] "CantonAbbreviation" "CantonId"
#> [3] "CantonName" "CouncilId"
#> [5] "CouncilName" "DisplaySpeaker"
#> [7] "End" "EndTimeWithTimezone"
#> [9] "Function" "ID"
#> [11] "IdSession" "IdSubject"
#> [13] "Language" "LanguageOfText"
#> [15] "MeetingCouncilAbbreviation" "MeetingDate"
#> [17] "MeetingVerbalixOid" "Modified"
#> [19] "ParlGroupAbbreviation" "ParlGroupName"
#> [21] "PersonNumber" "SortOrder"
#> [23] "SpeakerFirstName" "SpeakerFullName"
#> [25] "SpeakerFunction" "SpeakerLastName"
#> [27] "Start" "StartTimeWithTimezone"
#> [29] "Text" "Type"
#> [31] "VoteBusinessNumber" "VoteBusinessShortNumber"
#> [33] "VoteBusinessTitle" "VoteId"
get_overview
Wraps around get_tables and get_variables and retrieves all available tables and variables.
swissparl::get_overview(silent = T)
#>
#> # A tibble: 685 x 2
#> table variable
#> <chr> <chr>
#> 1 Bill BillNumber
#> 2 Bill BillType
#> 3 Bill BillTypeName
#> 4 Bill BusinessNumber
#> 5 Bill BusinessShortNumber
#> 6 Bill BusinessStatus
#> 7 Bill BusinessStatusDate
#> 8 Bill BusinessStatusText
#> 9 Bill BusinessType
#> 10 Bill BusinessTypeAbbreviation
#> # ... with 675 more rows
get_glimpse
Downloads the first rows of a given table and gives a first insight into the data structure.
swissparl::get_glimpse("Person", rows = 100)
#>
#> # A tibble: 100 x 21
#> ID Language PersonNumber PersonIdCode Title TitleText LastName
#> <int> <chr> <int> <int> <int> <chr> <chr>
#> 1 1 DE 1 2200 NA <NA> Aguet
#> 2 2 DE 2 2002 NA <NA> Allensp~
#> 3 6 DE 6 2004 9 dipl. Ba~ Aregger
#> 4 7 DE 7 2005 NA <NA> Aubry
#> 5 8 DE 8 2008 NA <NA> Bär
#> 6 9 DE 9 2268 10 dipl. In~ Baumann
#> 7 10 DE 10 2269 6 Dr. iur. Baumber~
#> 8 11 DE 11 2011 12 lic. phi~ Bäumlin
#> 9 12 DE 12 2335 115 lic. iur. Beerli
#> 10 13 DE 13 2202 3 lic. en ~ Béguin
#> # ... with 90 more rows, and 14 more variables: GenderAsString <chr>,
#> # DateOfBirth <date>, DateOfDeath <date>, MaritalStatus <lgl>,
#> # MaritalStatusText <lgl>, PlaceOfBirthCity <chr>,
#> # PlaceOfBirthCanton <chr>, Modified <dttm>, FirstName <chr>,
#> # OfficialName <chr>, MilitaryRank <int>, MilitaryRankText <chr>,
#> # NativeLanguage <chr>, NumberOfChildren <lgl>
Main function get_data
The main function of the package is get_data. It can be used to download entire datasets or selected rows from any available table.
swissparl::get_data("Person", Language = "DE")
#>
#> # A tibble: 3,629 x 21
#> ID Language PersonNumber PersonIdCode Title TitleText LastName
#> <int> <chr> <int> <int> <int> <chr> <chr>
#> 1 1 DE 1 2200 NA <NA> Aguet
#> 2 2 DE 2 2002 NA <NA> Allensp~
#> 3 6 DE 6 2004 9 dipl. Ba~ Aregger
#> 4 7 DE 7 2005 NA <NA> Aubry
#> 5 8 DE 8 2008 NA <NA> Bär
#> 6 9 DE 9 2268 10 dipl. In~ Baumann
#> 7 10 DE 10 2269 6 Dr. iur. Baumber~
#> 8 11 DE 11 2011 12 lic. phi~ Bäumlin
#> 9 12 DE 12 2335 115 lic. iur. Beerli
#> 10 13 DE 13 2202 3 lic. en ~ Béguin
#> # ... with 3,619 more rows, and 14 more variables: GenderAsString <chr>,
#> # DateOfBirth <date>, DateOfDeath <date>, MaritalStatus <int>,
#> # MaritalStatusText <chr>, PlaceOfBirthCity <chr>,
#> # PlaceOfBirthCanton <chr>, Modified <dttm>, FirstName <chr>,
#> # OfficialName <chr>, MilitaryRank <int>, MilitaryRankText <chr>,
#> # NativeLanguage <chr>, NumberOfChildren <int>
Subsetting with ...
The function uses ... (ellipsis) to subset tables and can therefore be applied very flexibly. For example, it can be used to download all speech transcripts of a given councillor:
swissparl::get_data(
table = "Transcript",
SpeakerLastName = "Blocher",
Language = "DE"
)
#>
#> # A tibble: 1,380 x 34
#> ID Language IdSubject VoteId PersonNumber Type Text
#> <chr> <chr> <chr> <lgl> <int> <int> <chr>
#> 1 63 DE 8 NA 21 1 "<pd~
#> 2 617 DE 113 NA 21 1 "<pd~
#> 3 619 DE 113 NA 21 1 "<pd~
#> 4 639 DE 113 NA 21 1 "<pd~
#> 5 1506 DE 264 NA 21 1 "<pd~
#> 6 1519 DE 264 NA 21 1 "<pd~
#> 7 2517 DE 376 NA 21 1 "<pd~
#> 8 2565 DE 385 NA 21 1 "<pd~
#> 9 2567 DE 385 NA 21 1 "<pd~
#> 10 4254 DE 721 NA 21 1 "<pd~
#> # ... with 1,370 more rows, and 27 more variables:
#> # MeetingCouncilAbbreviation <chr>, MeetingDate <chr>,
#> # MeetingVerbalixOid <int>, IdSession <chr>, SpeakerFirstName <chr>,
#> # SpeakerLastName <chr>, SpeakerFullName <chr>, SpeakerFunction <chr>,
#> # CouncilId <int>, CouncilName <chr>, CantonId <int>, CantonName <chr>,
#> # CantonAbbreviation <chr>, ParlGroupName <chr>,
#> # ParlGroupAbbreviation <chr>, SortOrder <int>, Start <dttm>,
#> # End <dttm>, Function <chr>, DisplaySpeaker <lgl>,
#> # LanguageOfText <chr>, Modified <dttm>, StartTimeWithTimezone <dttm>,
#> # EndTimeWithTimezone <dttm>, VoteBusinessNumber <lgl>,
#> # VoteBusinessShortNumber <lgl>, VoteBusinessTitle <lgl>
Periods
Or it can also be used to fetch detailed information on all political businesses submitted during a given period:
swissparl::get_data(
table = "Business",
SubmissionDate = c(">2019-06-30", "<2019-12-08"),
Language = "DE"
)
#>
#> # A tibble: 815 x 43
#> ID Language BusinessShortNu~ BusinessType BusinessTypeName
#> <int> <chr> <chr> <int> <chr>
#> 1 2.02e7 DE 19.005 2 Geschäft des Pa~
#> 2 2.02e7 DE 19.041 1 Geschäft des Bu~
#> 3 2.02e7 DE 19.042 1 Geschäft des Bu~
#> 4 2.02e7 DE 19.045 1 Geschäft des Bu~
#> 5 2.02e7 DE 19.046 1 Geschäft des Bu~
#> 6 2.02e7 DE 19.047 1 Geschäft des Bu~
#> 7 2.02e7 DE 19.048 1 Geschäft des Bu~
#> 8 2.02e7 DE 19.049 1 Geschäft des Bu~
#> 9 2.02e7 DE 19.050 1 Geschäft des Bu~
#> 10 2.02e7 DE 19.051 1 Geschäft des Bu~
#> # ... with 805 more rows, and 38 more variables:
#> # BusinessTypeAbbreviation <chr>, Title <chr>, Description <chr>,
#> # InitialSituation <chr>, Proceedings <chr>, DraftText <lgl>,
#> # SubmittedText <chr>, ReasonText <chr>, DocumentationText <lgl>,
#> # MotionText <lgl>, FederalCouncilResponseText <chr>,
#> # FederalCouncilProposal <int>, FederalCouncilProposalText <chr>,
#> # FederalCouncilProposalDate <date>, SubmittedBy <chr>,
#> # BusinessStatus <int>, BusinessStatusText <chr>,
#> # BusinessStatusDate <date>, ResponsibleDepartment <int>,
#> # ResponsibleDepartmentName <chr>,
#> # ResponsibleDepartmentAbbreviation <chr>, IsLeadingDepartment <lgl>,
#> # Tags <chr>, Category <chr>, Modified <dttm>, SubmissionDate <date>,
#> # SubmissionCouncil <int>, SubmissionCouncilName <chr>,
#> # SubmissionCouncilAbbreviation <chr>, SubmissionSession <int>,
#> # SubmissionLegislativePeriod <int>, FirstCouncil1 <int>,
#> # FirstCouncil1Name <chr>, FirstCouncil1Abbreviation <chr>,
#> # FirstCouncil2 <int>, FirstCouncil2Name <chr>,
#> # FirstCouncil2Abbreviation <chr>, TagNames <chr>
Substrings
To a certain extent, it is also possible to search for substring matches in texts. For example, to search for all political businesses that contain CO2 in the title, enter the following query:
swissparl::get_data(table = "Business", Title = "~CO2", Language = "DE")
#>
#> # A tibble: 207 x 43
#> ID Language BusinessShortNu~ BusinessType BusinessTypeName
#> <int> <chr> <chr> <int> <chr>
#> 1 1.99e7 DE 92.3245 5 Motion
#> 2 2.00e7 DE 95.2011 10 Petition
#> 3 2.00e7 DE 95.3546 5 Motion
#> 4 2.00e7 DE 97.030 1 Geschäft des Bu~
#> 5 2.00e7 DE 00.5227 14 Fragestunde. Fr~
#> 6 2.00e7 DE 01.420 4 Parlamentarisch~
#> 7 2.00e7 DE 01.421 4 Parlamentarisch~
#> 8 2.00e7 DE 01.422 4 Parlamentarisch~
#> 9 2.00e7 DE 01.3178 5 Motion
#> 10 2.00e7 DE 01.3225 8 Interpellation
#> # ... with 197 more rows, and 38 more variables:
#> # BusinessTypeAbbreviation <chr>, Title <chr>, Description <chr>,
#> # InitialSituation <chr>, Proceedings <chr>, DraftText <lgl>,
#> # SubmittedText <chr>, ReasonText <chr>, DocumentationText <lgl>,
#> # MotionText <lgl>, FederalCouncilResponseText <chr>,
#> # FederalCouncilProposal <int>, FederalCouncilProposalText <chr>,
#> # FederalCouncilProposalDate <date>, SubmittedBy <chr>,
#> # BusinessStatus <int>, BusinessStatusText <chr>,
#> # BusinessStatusDate <date>, ResponsibleDepartment <int>,
#> # ResponsibleDepartmentName <chr>,
#> # ResponsibleDepartmentAbbreviation <chr>, IsLeadingDepartment <lgl>,
#> # Tags <chr>, Category <chr>, Modified <dttm>, SubmissionDate <date>,
#> # SubmissionCouncil <int>, SubmissionCouncilName <chr>,
#> # SubmissionCouncilAbbreviation <chr>, SubmissionSession <int>,
#> # SubmissionLegislativePeriod <int>, FirstCouncil1 <int>,
#> # FirstCouncil1Name <chr>, FirstCouncil1Abbreviation <chr>,
#> # FirstCouncil2 <int>, FirstCouncil2Name <chr>,
#> # FirstCouncil2Abbreviation <chr>, TagNames <chr>
Advice for large queries
Large queries (especially the tables Voting and Transcripts) may result in server-side errors (500 Internal Server Error). In these cases it is recommended to download the data in smaller batches, save the individual blocks and combine them after the download. The following code snippet is from example 5, where all votes of the 50th legislature period are downloaded, session by session.
# Get Session IDs
sessions50 <- swissparl::get_data("Session", Language = "DE", LegislativePeriodNumber = 50)
# Define Function
get_voting_buffered <- function(id) {
# Create folder
folder <- "voting50"
if(!dir.exists(folder)) dir.create(folder)
# Download
dt <- swissparl::get_data("Voting", Language = "DE", IdSession = id)
# Save
saveRDS(dt, paste0(folder, "/", id, ".rds"))
}
# Apply Function to Session IDs
purrr::walk(sessions50$ID, get_voting_buffered)
# Combine to One Dataset
v50 <- purrr::map_dfr(list.files("voting50", full.names = T), readRDS)
Extra features
ggswissparl
The function ggswissparl uses the in-built data frame seating_plan (based on the the schematic representation of the National Council Hall) to visualize the results of ballots in the National Council. Since only the current seating arrangement can be retrieved from the API, only the most recent voting results can be displayed correctly.
swissparl::get_data("Voting", Language = "DE", IdVote = 23458) %>%
swissparl::ggswissparl(theme = "scoreboard")
swissparl::get_data("Voting", Language = "DE", IdVote = 23458) %>%
swissparl::ggswissparl(theme = "poly2")
clean_text
Clears all texts of line breaks and all non-text-relevant annotations (page numbers).
swissparl::get_data("Transcript", Language = "DE", ID = 112146) %>%
pull(Text) %>%
swissparl::clean_text()
#> [1] "Auf diese Antwort habe ich mich schon den ganzen Sonntag gefreut. (Heiterkeit) Das zur Diskussion stehende gewürzte Fleisch von Tieren der Rindviehgattung wird unter der Zolltarifnummer 1602.5099 (Schlüssel 914) ausserhalb des Zollkontingentes veranlagt. Dem schweizerischen Zolltarif kommt Gesetzesrang zu. Er basiert wie die kombinierte Nomenklatur (KN) der EU und die meisten Zolltarife weltweit auf dem international gültigen Harmonisierten System (HS). Ebenfalls materiell verbindliches internationales Staatsvertragsrecht sind gemäss Rechtsprechung des Bundesverwaltungsgerichtes die Erläuterungen zum HS. Diese sehen vor, dass gewürztes Fleisch (z. B. mit Pfeffer) als zubereitet gilt und somit grundsätzlich zum Kapitel 16 des Zolltarifs gehört. An der Grenze zu vollziehende wirtschaftliche Massnahmen im Allgemeinen und die Höhe der Zollansätze im Besonderen stellen ausdrücklich keine Gründe dar, eine Ware nicht tarifgemäss einzureihen. In Anlehnung an Anmerkung 6a zum Kapitel 2 der KN hat die Zollverwaltung zusätzlich (Heiterkeit) sogenannte 'schweizerische Erläuterungen zum Zolltarif' (Grosse Heiterkeit, Beifall) publiziert. Danach werden gewisse Erzeugnisse noch im Kapitel 2 eingereiht, denen bei der Herstellung Würzstoffe zugesetzt worden sind, sofern dadurch der Charakter einer Ware dieses Kapitels nicht verändert wird (z. B. Bündnerfleisch). (Grosse Heiterkeit) Ausgeschlossen von diesem Kapitel bleibt hingegen Fleisch, bei dem die Würzstoffe auf allen Flächen des Erzeugnisses verteilt und mit blossem Auge wahrnehmbar sind. (Heiterkeit) Nach der Besprechung vom 26. März 2010 mit Vertretern des Bauernverbandes und der Fleischbranche hat die Zollverwaltung diese Erläuterungen inzwischen auf dem Zirkularweg ergänzt. Seit dem 3. Mai 2010 gehört mit ganzen Pfefferkörnern bestreutes Fleisch ebenfalls zum Kapitel 2 des Zolltarifs. Damit wird verhindert, dass Fleischstücke mit Zusatz von ganzen Pfefferkörnern zu den markant tieferen Zollansätzen des Kapitels 16 eingeführt werden können. Eine noch weiter gehende Ausdehnung des Geltungsbereichs des Kapitels 2 stünde in eindeutigem Widerspruch zu den HS-Bestimmungen und damit auch zu den völkerrechtlichen Verpflichtungen der Schweiz. (Heiterkeit) Die Zollverwaltung hat im Rahmen ihrer Kontrolltätigkeit zudem ein Risikoprofil betreffend die Veranlagung von gewürztem Fleisch erstellt. Die entsprechenden Veranlagungen werden somit noch genauer kontrolliert. Ein höherer Zollschutz gegenüber dem geltenden in der Tarifnummer 1602.5099 müsste aus heutiger Sicht in einem Dekonsolidierungsverfahren im Rahmen der WTO aufgrund der Forderungen der Hauptlieferländer durch Zollsenkungen in anderen Tarifnummern und/oder durch ein grösseres Zollkontingent für Rind- und Kalbfleisch kompensiert werden. Die Aussicht, dass ein Dekonsolidierungsverfahren insgesamt eine bessere Situation für die inländische Schlachtvieh- und Fleischbranche mit sich bringt, ist äusserst gering. Es trifft zu, dass die eingeführte Menge unter der Tarifnummer 1602.5099 im Laufe des Jahres 2010 zugenommen hat. Im Vergleich zum jährlichen gesamtschweizerischen Konsum von verkaufsfertigem Rind- und Kalbfleisch (112 000 Tonnen) erscheint die importierte Menge jedoch eher gering (815 Tonnen bis Ende Juni 2010). Herr Nationalrat, ich bitte Sie um Verzeihung, wenn ich bisweilen einfach nicht verstanden habe, was ich Ihnen vorgelesen habe. (Heiterkeit)"
Possibly relevant queries (extended continuously)
All speeches on a specific political business
It is also possible to download all speech transcripts for a specific business. However, this requires a small detour. The first step is to extract when the business was discussed in the councils. This information is stored in the SubjectBusiness table.
subject <- swissparl::get_data(
table = "SubjectBusiness",
BusinessShortNumber = "05.057",
Language = "DE"
)
Afterwards all speeches of a specific business can be queried via the IdSubject.
swissparl::get_data(
table = "Transcript",
IdSubject = as.numeric(subject$IdSubject),
Language = "DE"
)
All votes of a specific legislative period
In a first step, we fetch all sessions of the legislative period of interest. Then we use the session IDs to obtain the associated voting decisions of the individual MPs.
sessions <- get_data("Session", Language = "DE")
sessions51 <- sessions %>% filter(LegislativePeriodNumber == 51)
votes51 <- get_data("Vote", Language = "DE", IdSession = sessions51$ID)
Examples
Here are some examples of use: - Example 1: Who with Whom in the Council of States? – A Brief Network Analysis - Example 2: Slow Bernese? – A Cantonal Comparison of Speaking Rates (by Benjamin Gföhler) - Example 3: The Federal Council's To-Do List – A Simple Trend Analysis of Procedural Requests - Example 4: What Are They Talking About? – Application of the Lingusitic Concept of Keyness to Speeches - Example 5: Polarization in the National Council – W-NOMINATE Scores for the 50th Legislative Term
Use Cases
- NZZ, 16.4.2021: Die Grünen machten im Parlament am meisten mit Corona Politik | Code
swissparl for Python
swissparlpy by Stefan Oderbolz
Suggested Citation
Zumbach, David (2020). swissparl: Interface to the Webservices of the Swiss Parliament. R package version 0.2.1. https://CRAN.R-project.org/package=swissparl
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.