Numele străzilor | R-bloggeri

(Acest articol a fost publicat pentru prima dată pe r.iresmi.netși cu amabilitate a contribuit la R-bloggeri). (Puteți raporta problema legată de conținutul acestei pagini aici)

Doriți să vă distribuiți conținutul pe R-bloggeri? dați clic aici dacă aveți un blog, sau aici dacă nu aveți.

Lyon, vue depuis la basilique Notre-Dame de Fourvière — Lyon – CC-BY-NC-ND de Emmanuel Fromm

Ziua 2 din 30DayMapChallenge: «Linii» (anterior).

Vom face o hartă cu genul numelui străzii din Lyon. Avem nevoie de o bază de date cu prenume franceze unde vom găsi genul. Vom extrage străzile Lyon din OpenStreetMap.

library(arrow)
library(dplyr)
library(tidyr)
library(readr)
library(purrr)
library(ggplot2)
library(stringr)
library(sf)
library(osmdata)
library(ggspatial)
library(glue)
library(knitr)

set.seed(42)

Prenume

if (!file.exists("freq_prenoms.rds")) {
  freq_prenoms <- read_parquet("https://www.insee.fr/fr/statistiques/fichier/8205621/prenoms-2023-nat.parquet") |> 
    filter(preusuel != "_PRENOMS_RARES") |> 
    mutate(preusuel = iconv(preusuel, to = "ASCII//TRANSLIT")) |> 
    group_by(preusuel, sexe) |> 
    summarise(n = sum(nombre, na.rm = TRUE),
              .groups = "drop_last") |>
    mutate(total = sum(n)) |> 
    ungroup() |> 
    mutate(sexe = case_when(sexe == 1 ~ "M",
                            sexe == 2 ~ "F",
                            .default = NA_character_)) |> 
    pivot_wider(names_from = sexe, 
                values_from = n,
                values_fill = 0) |> 
    mutate(across(c(M, F), (x) x / total)) |> 
    write_rds("freq_prenoms.rds")
} else {
  freq_prenoms <- read_rds("freq_prenoms.rds")
}

Avem 34234 de prenume și frecvențele de gen din 1900.

Exemplu de prenume
ZENABOU	48	0	1
EMILIENE	25	0	1
KINGSLEY	878	1	0
DOLOVAN	73	1	0
ERCOLE	67	1	0
YVA	178	0	1
ISSEY	79	1	0
SAWSSEN	121	0	1
MISBAH	24	0	1
GOHANN	20	1	0

Date de hartă

lyon_bbox <- getbb("Lyon, France", featuretype = "city")

if (!file.exists("osm.rds")) {
  lyon <- opq(lyon_bbox) |>
    add_osm_features(features = c(
      '"highway"="motorway"',
      '"highway"="trunk"',
      '"highway"="primary"',
      '"highway"="secondary"',
      '"highway"="tertiary"',
      '"highway"="motorway_link"',
      '"highway"="trunk_link"',
      '"highway"="primary_link"',
      '"highway"="secondary_link"',
      '"highway"="tertiary_link"',
      '"highway"="motorway_junction"',
      '"highway"="unclassified"',
      '"highway"="service"',
      '"highway"="pedestrian"',
      '"highway"="living_street"',
      '"highway"="residential"')) |> 
    osmdata_sf() |> 
    pluck("osm_lines") |> 
    select(osm_id, name) |> 
    drop_na(name) |> 
    group_by(name) |> 
    summarise() |> 
    write_rds("osm.rds")
} else {
  lyon <- read_rds("osm.rds")
}

Găsirea prenumelor în numele străzilor

Folosim o metodă de forță brută: pentru fiecare stradă verificăm dacă o parte a etichetei sale este prezentă în lista noastră de prenume feminine sau masculine. Păstrăm doar prenume cu o frecvență mare în oricare dintre genuri.

female <- freq_prenoms |> 
  filter(F > .8,
         str_length(preusuel) > 1,
         preusuel != "LA") |> 
  pull(preusuel)

male <- freq_prenoms |> 
  filter(M > .8, 
         str_length(preusuel) > 1) |> 
  pull(preusuel)

street_gender <- lyon |> 
  mutate(name = str_to_upper(iconv(name, to = "ASCII//TRANSLIT")),
         m = str_extract_all(name, glue_collapse(male, sep = "\b|\b", last = "\b")),
         f = str_extract_all(name, glue_collapse(female, sep = "\b|\b", last = "\b")),
         gender = unlist(map2(f, m, ~ case_when(length(.y) > length(.x) ~ "male",
                                             length(.x) > length(.y) ~ "female",
                                             identical(.x, character(0)) & 
                                               identical(.y, character(0)) ~ "not concerned",
                                             length(.x) == length(.y) ~ "undecidable",
                                             .default = NA_character_))))

Exemplu de clasificare
COURS DE VERDUN RECAMIER	LINIE (4,830426 45,748…			nu este preocupat
IMASSE DES ANGLAIS	LINIE (4,795807 45,753…			nu este preocupat
RUE DES PROVENCE	LINIE (4,79335 45,7369…			nu este preocupat
CHEMIN DES PEUPLIERS	LINIE (4,866587 45,801…			nu este preocupat
ALLEE DU LEVANT	LINIE (4,878859 45,759…			nu este preocupat
RUE ROPOSTE	LINIE (4,866353 45,760…			nu este preocupat
ALLEE NELLIE BLY	LINIE (4,84882 45,7429…		NELIE	femeie
QUAI JEAN MOULIN	MULTILINESTRING ((4,837853 …	JEAN		bărbat
RUTA LA VIEILLE	LINIE (4,769782 45,720…			nu este preocupat
AVENUE DE CHAMPAGNE	MULTILINESTRING ((4,796801 …			nu este preocupat

Hartă

street_gender |> 
  mutate(gender = factor(gender, levels = c("female", "male", "undecidable", "not concerned"))) |> 
  st_set_crs("EPSG:4326") |> 
  ggplot() +
  geom_sf(aes(color = gender), 
          linewidth = .5,
          key_glyph = "timeseries") +
  scale_color_manual(values = c("female" = "lightpink1",
                                "male" = "lightskyblue",
                                "undecidable" = "lightyellow4",
                                "not concerned" = "seashell2")) +
  annotation_scale(bar_cols =  c("darkgrey", "white"),
                   line_col = "darkgrey",
                   text_col = "darkgrey",
                   height = unit(0.1, "cm")) +
  coord_sf(xlim = lyon_bbox(c(1, 3)),
           ylim = lyon_bbox(c(2, 4))) +
  labs(title = "Gender in Lyon street names",
       color = "",
       caption = glue("Map data © OpenStreetMap contributors
                      using INSEE Fichier des prénoms 2023
                      r.iresmi.net - {Sys.Date()}")) +
  theme_void() +
  theme(plot.background = element_rect(color = NA, 
                                       fill = "white"),
        plot.caption = element_text(size = 5,
                                    color = "darkgrey"))

Posibile clasificări greșite

O mulțime de părtiniri fac această hartă nesigură și ar avea nevoie de editare manuală…

prenume epicene

unele prenume pot fi masculine sau feminine (GWEN, CAMILLE, DOMINIQUE)

nu este preocupat

nume de străzi ale persoanelor, dar fără prenumele (RUE VILLON),
titlu în loc de prenume (RUE DE L’AMIRAL COURBET),

are un gen, dar nu ar trebui

nume comune folosite ca prenume (CHEMIN DE LA POMME), în principal pentru fete…
prenume ciudate (AUTOROUTE DU SOLEIL, Soleil pare a fi un nume de fată…)

accidental bine clasificat

numele de familie este, de asemenea, un prenume (COURS BAYARD)