soc.sna/identificer_samlet.R at master · antongrau/soc.sna · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
setwd("~/My Dropbox/R/soc.sna/")
library(igraph)
library(ggplot2)
source("soc.sna.R")

bag    <- read.csv("data_baggrund.csv", sep="|", fileEncoding="UTF-8")
n      <- as.character(bag$Navn)


##############################
# Uddannelse

uddannelse      <- read.csv("data_uddannelse.csv", sep="|", fileEncoding="UTF-8")
uddannelse$Navn <- sub(' +$', '', uddannelse$Navn)
nu              <- as.character(uddannelse$Navn)
data            <- cbind(bag, uddannelse[,-1])
data$Navn       <- nu


###################################################################
# Find Biq_id


rel            <- read.csv("Data_virksomheder_rel.csv", sep="|", fileEncoding="UTF-8")
rel.n          <- as.character(rel$NAVN)[rel$NAVN %in% nu]
rel.id         <- as.character(rel$BIQ_PERSON_ID)[rel$NAVN %in% nu]
fest           <- unique(data.frame(rel.n, rel.id))
tb             <- table(fest$rel.n)
fest           <- fest[order(fest[,1]),]
eliminate      <- c(1154180, 270261, 908748, 282522, 1655058, 468144, 468165, 989328, 513857, 1605072, 1881695, 919971, 570550)
festa          <- fest[(fest[,2] %in% eliminate)==FALSE ,]
festa[,2]      <- as.numeric(as.character(festa[,2]))
festa[,2][festa[,1] %in% c("Jørgen Jensen", "Lars Jensen", "Niels Fog")]   <- NA
festa          <- festa[order(festa[,1]),]
data           <- data[order(data$Navn),]
data$BIQ_ID    <- festa[,2]


##############################
# find advokaterne

advokat        <- read.csv("data_advokater.csv", sep="|", fileEncoding="UTF-8")
advokat$X[is.na(advokat$X)] <- 0
advokat        <- advokat[advokat$BIQ_ID != 0,] # Her fjerner vi alle advokater uden bestyrelsesposter - for de har ingen BIG_ID
advokat_biq    <- advokat[advokat$X != 0,]
advokat        <- advokat[advokat$X==0,]  # Her fjerner vi alle bestyrelsesmedlemmer der ikke er advokater - de har en anden X værdi end 0
advokat        <- advokat[duplicated(advokat$BIQ_ID)==FALSE,] # Her fjerner vi nogle advokater der af en eller anden årsag opstod flere gange. Det er 2.
advokat_BIQ_navn <- advokat_biq$Navn[advokat_biq$BIQ_ID %in% advokat$BIQ_ID]

advokat.ind    <- as.factor(data$Navn %in% advokat_BIQ_navn)
levels(advokat.ind) <- c("Ikke advokat", "Advokat")
data$advokat   <- advokat.ind

summary(advokat.ind)
n[advokat.ind == "Advokat"]


###############################
# Find køn

setwd("~/My Dropbox/R/soc.sna/")
gender.mat <- read.csv("names_gender.csv", sep="|", fileEncoding="UTF-8")

find.køn <- function(navne, names.gender=names.gender){
  n.list <- strsplit(navne, " ")
  fornavne <- vector(length=length(navne))
  for (i in 1:length(fornavne)){
    fornavne[i] <- n.list[[i]][1]
  }
  fornavne <- toupper(fornavne)

  ng <- names.gender[names.gender$Navn %in% fornavne,]

  køn   <- vector(length=length(navne))
  for (i in 1:length(navne)){
    n <- fornavne[i]
    køn.navn <- as.numeric(ng[match(n, ng$Navn),][5])
    køn[i]     <- køn.navn
  }
  b <- c(0, 0.2, 0.8, 1)
  kategori <- cut(køn, b, include.lowest=TRUE, labels=c("Kvinde", "Binominal", "Mand"))
  return(kategori)
}

køn <- find.køn(data$Navn, gender.mat)
data$køn <- køn

#################################
## Find kommissionsmedlemmer

ind  <- read.csv("indsamling_kommission.csv", sep="|", fileEncoding="UTF-8")
dn <- data$Navn

indo <- ind[ind$BIQ_ID != 0,]
indo <- indo[indo$Data_kilde != "Bestyrelse",]
bid  <- indo$BIQ_ID
bestyrelse <- ind[ind$BIQ_ID %in% bid & ind$Data_kilde == "Bestyrelse",]
kommissionspost <- as.factor(data$Navn %in% bestyrelse$NAVN)
levels(kommissionspost) <- c("Ingen kommissionspost" , "Kommissionspost")

data$kommissionspost <- kommissionspost

###############################
### Gem
data <- data[, -1]
write.table(data, "Data_inderkreds_individer.csv", sep="|", fileEncoding="UTF-8", row.names = FALSE)