champagne anarchist | armchair activist

Data

De 1.368 tabellen van Onderzoek en Statistiek

Op de website van de afdeling Onderzoek, Informatie en Statistiek van de gemeente Amsterdam zijn veel gegevens te vinden, maar die zijn niet altijd even makkelijk te vinden. Dat probleem los je ook niet op door te googelen naar filetype:xlsx site:ois.amsterdam.nl, want dat levert maar een fractie op van de beschikbare tabellen.

Daarom hier een overzichtje met alle (?) 1.368 tabellen op de website van OIS. Kan van pas komen als je cijfers zoekt over de fitnessexplosie van de afgelopen jaren, over de groei van het aantal uitgeleende buitenlandse jeugdboeken door bibliotheken, of over de afdelingen van de gemeente die het meeste uitgeven aan uitzendkrachten.

Stadsdelen te groot voor indeling CBS

Sinds vorig jaar zijn er in de Kerncijfers Wijken en Buurten van het CBS geen cijfers meer te vinden over de Amsterdamse stadsdelen. De wijziging heeft niets te maken met de afbrokkelende macht van de stadsdelen. De reden is dat de grootte van de wijken en buurten in Amsterdam teveel afweek van de rest van Nederland, aldus CBS Infoservice.

In de oude indeling vielen de wijken van het CBS samen met de Amsterdamse stadsdelen. Een gemiddeld stadsdeel had echter ruim 100 duizend inwoners, terwijl wijken in de rest van Nederland gemiddeld ruim 5 duizend inwoners hadden.

Vanaf 2016 worden daarom de oorspronkelijke Amsterdamse buurten als wijk aangeduid. De term buurt wordt voortaan gebruikt voor een gedetailleerdere indeling. In 2015 had Amsterdam 8 wijken (de stadsdelen plus Westpoort) en 97 buurten; in 2016 waren dat 99 wijken en 479 buurten.

Als je ontwikkelingen in de tijd wil analyseren, dan is het handig om de buurtcodes uit 2015 te kunnen vertalen naar wijkcodes uit 2016. Het CBS heeft zelf geen conversietabellen beschikbaar. Het lijkt erop dat je de codes vrij makkelijk kan omzetten, bijvoorbeeld met de Pythoncode:

def convert_code(x):
    x = 'WK' + x[2:]
    x = x[:6] + x[-2:]
    return x

Let op: er zijn ook kleine grenswijzigingen en wellicht ook naamswijzigingen doorgevoerd, zo laat het CBS weten.

Tussen 2010 en 2011 is de indeling voor Amsterdam ook al aangepast, maar toen ging het vooral om wijzigingen in de schrijfwijze van de buurtnamen, bijvoorbeeld Bijlmer-Centrum D, F en H versus Bijlmer-Centrum (D, F, H). Bovendien zijn de codes vaak ook veranderd. Je kan dit lijstje gebruiken om de buurtnamen uit 2010 te vertalen naar de buurtnamen uit 2011 (achtergrond). Let op: geen garantie dat het altijd klopt!

Informatie over de gebiedsindeling in Amsterdam is hier te vinden. In dat overzicht is de CBS-aanpassing uit 2016 nog niet verwerkt.

How to do fuzzy matching in Python

Statistics Netherlands (CBS) has an interesting dataset containing data at the city, district and neighbourhood levels. However, some names of neighbourhoods have changed, specifically between 2010 and 2011 for Amsterdam. For example, Bijlmer-Centrum D, F en H was renamed Bijlmer-Centrum (D, F, H).

In some of those cases the neighbourhood codes have changed as well, and CBS doesn’t have conversion tables. So this is one of those cases where you need fuzzy string matching.

There’s a good Python library for that job: Fuzzywuzzy. It was developed by SeatGeek, a company that scrapes event data from a variety of websites and needed a way to figure out which titles refer to the same event, even if the names have typos and other inconsistencies.

Fuzzywuzzy will compare two strings and compute a score between 0 and 100 reflecting how similar they are. It can use different methods to calculate that score (e.g. fuzz.ratio(string_1, string_2) or fuzz.partial_ratio(string_1, string_2). Some of those methods are described in this article, which is worth a read.

Alternatively, you can take a string and have Fuzzywuzzy pick the best match(es) from a list of options (e.g., process.extract(string, list_of_strings, limit=3) or process.extractOne(string, list_of_strings)). Here, too, you could specify the method to calculate the score, but you may want to first try the default option (WRatio), which will figure out which method to use. The default option seems to work pretty well.

Here’s the code I used to match the 2010 CBS Amsterdam neighbourhood names to those for 2011:

import pandas as pd
from fuzzywuzzy import process
 
# Prepare data
 
colnames = ['name', 'level', 'code']
 
data_2010 = pd.read_excel('../data/Kerncijfers_wijken_e_131017211256.xlsx', skiprows=4)
data_2010.columns = colnames
data_2010 = data_2010[data_2010.level == 'Buurt']
names_2010 = data_2010['name']
 
data_2011 = pd.read_excel('../data/Kerncijfers_wijken_e_131017211359.xlsx', skiprows=4)
data_2011.columns = colnames
data_2011 = data_2011[data_2011.level == 'Buurt']
names_2011 = data_2011['name']
 
# Actual matching
 
recode = {}
for name in names_10:
    best_match = process.extractOne(name, names_11)
    if best_match[1] < 100:
        print(name, best_match)
    recode[name] = best_match[0]
 

It prints all matches with a score below 100 so you can inspect them in case there are any incorrect matches (with larger datasets this may not be feasible). With the process option I didn’t get any incorrect matches, but with fuzz.partial_ratio, IJplein en Vogelbuurt was matched with Vondelbuurt instead of Ijplein/Vogelbuurt.

PS In case you’re actually going to work with the local CBS data, you should know that Amsterdam’s neighbourhoods (buurten) were reclassified as districts (wijken) in 2016, when a more detailed set of neighbourhoods was introduced. You can translate 2015 neighbourhood codes to 2016 district codes:

def convert_code(x):
    x = 'WK' + x[2:]
    x = x[:6] + x[-2:]
    return x

Nieuwe kanshebbers in de Amsterdamse raad

Het Parool bespreekt de kansen voor een aantal nieuwkomers om op 21 maart volgend jaar voor het eerst een zetel te winnen in de Amsterdamse gemeenteraad. Bij wijze van achtergrondinformatie laat de onderstaande tabel zien hoeveel procent van de stemmen zij in Amsterdam kregen bij de Tweede Kamerverkiezing afgelopen maart.



Lijst Uitslag 2017
DENK 6.9
Artikel 1 2.5
50PLUS 1.9
ChristenUnie 1.5
Forum voor Democratie 1.2
Piratenpartij 0.5

De Amsterdamse raad heeft 45 zetels, dus je hebt ruim twee procent van de stemmen nodig voor een plek in de raad.

Uiteraard kan een uitslag bij landelijke verkiezingen niet zomaar voorspellen wat de uitslag volgend jaar zal zijn. Zo oppert het Parool dat de Piratenpartij misschien wel kan profiteren van het feit dat we op 21 maart waarschijnlijk ook mogen stemmen over de Sleepwet. PVV doet in Amsterdam niet mee, dat kan gunstig uitpakken voor FvD.

Wikinieuws is een uitstekend initiatief, maar is het levensvatbaar?

Ik heb besloten om relevante artikelen van Wikinieuws over te nemen op Nieuws uit Amsterdam. Wikinieuws is een zusterproject van Wikipedia. De vrijwilligers van de Engelstalige versie omschrijven zich als volgt:

We are a group of volunteers whose mission is to present reliable, unbiased and relevant news. All our content is released under a free license. By making our content perpetually available for free redistribution and use, we hope to contribute to a global digital commons. Wikinews stories are written from a neutral point of view to ensure fair and unbiased reporting.

Het lijkt me wat te makkelijk om simpelweg te beweren dat je neutraal en onbevooroordeeld te werk gaat. De kracht van Wikinieuws is eerder dat het ruimte biedt voor discussie over nieuwsberichten en hun bronnen, op basis van argumenten. In tijden van clickbait, hoaxes en fake news is dat een interessant idee .

Wikinieuws functioneert zonder advertenties (en dat is belangrijk). De website ziet er misschien een beetje spartaans uit, maar aangezien het allemaal open source is kan iedereen de inhoud hergebruiken met een andere opmaak.

Vooralsnog bestaat Wikinieuws voor een groot deel uit samenvattingen van nieuws dat in andere media is verschenen, maar de site staat ook open voor genres zoals onderzoeksjournalistiek, (foto-) reportages en opiniestukken. Dat biedt ook mogelijkheden voor een andere doelstelling van Wikinieuws, namelijk aandacht besteden aan nieuws dat onderbelicht blijft in andere media.

Maar is Wikinieuws levensvatbaar? De algemene opvatting lijkt te zijn van niet. Jonathan Dee van de New York Times schreef in juli 2007: «Wikinews … has sunk into a kind of torpor; lately it generates just 8 to 10 articles a day on a grab bag of topics that happen to capture the interest of its fewer than 26,000 users worldwide …».

Dat was tien jaar geleden. Sindsdien is de productie van de Engelstalige versie van Wikinieuws nog verder ingezakt, zoals de grafiek hieronder laat zien. Ondertussen is er wel een opmerkelijke groei van het aantal artikelen op de Nederlandstalige Wikinieuws.

Misschien is dit een tijdelijke uitbarsting van enthousiasme, die na verloop van tijd weer inzakt. Aan de andere kant, misschien zet het door en vindt Wikinieuws zich opnieuw uit. Ik ben benieuwd hoe dit zich verder gaat ontwikkelen.

Pages