In martinmodrak/revize-rs: Code for analysis of revize-rs project data

source(here::here("setup_dotaznik.R"), encoding = "UTF-8")
source(here::here("datasety_dotaznik.R"), encoding = "UTF-8")

strediska_skautis <- read_csv2("public_data/pocet-clenu-strediska-2019.csv", na = c("NULL"), col_types = 
                                 cols(
                                    Year = col_integer(),
                                    ID_Unit = col_integer(),
                                    ID_UnitType = col_character(),
                                    RegistrationNumber = col_character(),
                                    UnitName = col_character(),
                                    Location = col_character(),
                                    RegularMembersTo6 = col_integer(),
                                    RegularMembersTo15 = col_integer(),
                                    RegularMembersTo18 = col_integer(),
                                    RegularMembersTo26 = col_integer(),
                                    RegularMembersFrom26 = col_integer(),
                                    RegularMembers = col_integer(),
                                    MembersTo6 = col_integer(),
                                    MembersTo15 = col_integer(),
                                    MembersTo18 = col_integer(),
                                    MembersTo26 = col_integer(),
                                    MembersFrom26 = col_integer(),
                                    Members = col_integer()
))
strediska_skautis_id <- strediska_skautis %>% select(RegistrationNumber, UnitName, Location)
head(strediska_skautis_id)

Kontrola: hledáme střediska, kde po namapování reg. čísla, jak ho vyplnili lidé nesedí název s tím, který je k tomu reg. č. uveden ve SkautISu.

replace_stredisko <- function(x) {
  gsub(pattern = " ?(skautské)? ?st.edisko ?", replacement = "",ignore.case = TRUE, x = x)
}

normalize_stredisko <- function(x) {
  replace_stredisko(x) %>%
    gsub(x = ., pattern = " ", replacement = "", fixed = TRUE) %>%
    tolower()
}

datasety_wide$pouzitelne %>% 
  select(reg_c_strediska_orig, nazev_strediska) %>%
  mutate(reg_c_strediska = str_trim(reg_c_strediska_orig)) %>%
  distinct() %>%
  inner_join(strediska_skautis_id, by = c("reg_c_strediska" = "RegistrationNumber")) %>%
  transmute(reg_c_strediska = reg_c_strediska, nazev_strediska_dotaznik = replace_stredisko(nazev_strediska), nazev_strediska_skautis = replace_stredisko(UnitName), misto_strediska_skautis = Location, nrml_stredisko_dotaznik = normalize_stredisko(nazev_strediska), nrml_stredisko_skautis = normalize_stredisko(UnitName)) %>%
  rowwise() %>%
  filter(!grepl(nrml_stredisko_dotaznik, nrml_stredisko_skautis, fixed = TRUE), !grepl(nrml_stredisko_skautis, nrml_stredisko_dotaznik, fixed = TRUE)) %>%
  ungroup() %>%
  select(nazev_strediska_dotaznik, nazev_strediska_skautis, misto_strediska_skautis, reg_c_strediska)

Jediné, co nesedí je předposlední řádek - "Watakí" vs. "Jablonec nad Nisou", ale to je v pořádku, protože středisko Jablonec nad Nisou vzniklo sloučením středisek Kříšťál a Watakí (http://jablonec.skauting.cz/informace-o-stredisku/)

Tj. celkově můžeme říct, že tam, kde je vyplněné reg. číslo, je vyplněné správně!

OK, jak vypadají ty, kde se reg. č. nenamapovalo

nesparovana <- datasety_wide$pouzitelne %>% 
  mutate(reg_c_strediska = reg_c_strediska_orig) %>%
  filter(typ_id_strediska == "reg_cislo", !(str_trim(reg_c_strediska) %in% strediska_skautis_id$RegistrationNumber)) %>% select(reg_c_strediska, nazev_strediska, nazev_oddilu)
#write_csv(nesparovana, here("local_data","nesparovana_strediska.csv"))
write.csv(nesparovana, here("local_data","nesparovana_strediska.csv"), fileEncoding = "UTF-8")

oddily_skautis <- read_csv2(here("public_data/pocet-clenu-oddily-2019.csv"), na = c("NULL"), col_types = 
                                 cols(
                                    Year = col_integer(),
                                    ID_Unit = col_integer(),
                                    ID_UnitType = col_character(),
                                    RegistrationNumber = col_character(),
                                    UnitName = col_character(),
                                    Location = col_character(),
                                    RegularMembersTo6 = col_integer(),
                                    RegularMembersTo15 = col_integer(),
                                    RegularMembersTo18 = col_integer(),
                                    RegularMembersTo26 = col_integer(),
                                    RegularMembersFrom26 = col_integer(),
                                    RegularMembers = col_integer(),
                                    MembersTo6 = col_integer(),
                                    MembersTo15 = col_integer(),
                                    MembersTo18 = col_integer(),
                                    MembersTo26 = col_integer(),
                                    MembersFrom26 = col_integer(),
                                    Members = col_integer()
))