为了将加州分解为政治团体，我们研究了该州每个投票区对2016 年至2024 年间投票中出现的65 个议题进行投票的相似性（或不同性）。作为该调查的一部分，我们进行了所谓的 主成分分析，这是一种尝试将所有这些衡量标准提炼成几个维度的技术，在这些维度上，区域确实存在差异。
上面列出的问题和社会特征只是加州人投票的众多问题中的一小部分。若要查看我们分析的65 项投票措施中的任何一项所组成的联盟，请使用以下工具。
关于这个故事
《纪事报》的分析依赖加州的选区级选举结果 全州资料库 来自人口普查局的选举数据和人口数据。
2016 年至2024 年所有全州范围初选、普选和特别选举提案的选举结果均已编制。由于每个选举周期使用不同的投票选区边界，我们使用全州资料库提供的方法将所有结果「穿越」到2024 年大选选区边界。
选区根据他们在这段时间内对65 个投票提案的投票进行了分类，使用了不同的迭代 k-均值聚类 演算法.我们进行了多次分析迭代，以检查我们方法的微小变化是否不会导致结果出现较大差异。
我们还表演了一场 主成分分析，一种“降维”，用于产生簇的二维图。尽管有更多维度可用，但所示的两个维度基本上反映了各组之间的差异。
我们使用美国人口普查数据来描述我们获得的群体的特征。
每个选区的种族和民族组成来自2020 年人口普查。我们的分析将居民分为相互排斥的种族和民族类别，这是一种过于简单化的做法，并不总是符合人们的认同方式。任何被认定为西班牙裔或拉丁裔的人都被计入该群体，无论种族如何。白人、黑人、亚裔美国人和太平洋岛民类别代表自称仅属于这些单一种族的非西班牙裔成年居民。其他种族群体的成员和混血群体的成员组成的群体要小得多；他们的股份没有显示。
所有其他人口数据均来自人口普查局的2020 年至2024 年美国社区调查，该调查是我们在人口普查区层级获得的，人口普查区是可获得大部分资讯的最小地理区域。由于这些地理位置与投票区不同，我们透过计算两个地理位置之间的成年人口重叠来推断各选区的人口统计。
