library(tidyverse)
library(readr)
library(here)
library(statR)
library(ggthemes)
library(gt)Abschlussprojekt zu Eheschliessungen vom 16. bis 18. Jahrhundert
In Kirchgemeinden des Kantons Zürich
read_csv(here::here("daten/raw/EDB_16_18_Jh_Stand_2024_05_14.csv"))# A tibble: 296,207 × 20
Signatur Nachname_Mann Vorname_Mann Herkunft_Mann HLS_Artikel_Mann GND_Mann
<chr> <chr> <chr> <chr> <lgl> <lgl>
1 TAI 1.725… Iringer Heinrich Richterswil NA NA
2 TAI 1.725… Kräutli Oswald <NA> NA NA
3 TAI 1.725… Nussbaumer Jeremias <NA> NA NA
4 TAI 1.725… Geilinger Wolfgang <NA> NA NA
5 TAI 1.725… Wehrli Marx <NA> NA NA
6 TAI 1.725… Schwaninger Hans Ulrich <NA> NA NA
7 TAI 1.725… Bucher Schwideri <NA> NA NA
8 TAI 1.725… Dingli Hans <NA> NA NA
9 TAI 1.725… Wahl Martin Ulm (Deutsch… NA NA
10 TAI 1.725… Kappeler Jakob <NA> NA NA
# ℹ 296,197 more rows
# ℹ 14 more variables: Nachname_Frau <chr>, Vorname_Frau <chr>,
# Herkunft_Frau <chr>, HLS_Artikel_Frau <lgl>, GND_Frau <lgl>,
# Zusatzinfo_Mann <chr>, Zusatzinfo_Frau <chr>, Datum <chr>,
# Datum_Von <date>, Datum_Bis <date>, Kirchgemeinde <chr>, Band <chr>,
# Webseite <chr>, ID <dbl>Einleitung
Dieses Projekt entstand im Kontext der Weiterbildung “Statistics in R” vom Kanton Zürich. Es werden die Daten zu den “Eheschliessungen im Kanton Zürich vom 16. bis 18. Jahrhundert” (bereits OGD) mit R statistisch ausgewertet.
Daten
Die Datensammlung enthält in standardisierter Kurzform alle Eheeinträge, die in den überlieferten Kirchenbüchern der Kirchgemeinden des Kantons Zürich seit der Reformation verzeichnet sind. Die Datensammlung wurde ursprünglich von einem privaten Genealogen erstellt. Nach dem Erwerb durch das Staatsarchiv wurden die Einträge kontrolliert, ergänzt und 2015 und 2019 in zwei Schritten online publiziert (siehe auch: https://archives-quickaccess.ch/search/stazh/edb).
Daten laden
Ehedaten_16_bis_18Jh <- read_csv(here::here("daten/raw/EDB_16_18_Jh_Stand_2024_05_14.csv"))Daten aufbereiten
Ehedaten_16_bis_18Jh <- Ehedaten_16_bis_18Jh |>
select(Nachname_Mann, Vorname_Mann, Nachname_Frau, Vorname_Frau, Herkunft_Mann, Herkunft_Frau, Zusatzinfo_Mann, Zusatzinfo_Frau, Datum_Von, Kirchgemeinde, ID)
Ehedaten <- Ehedaten_16_bis_18Jh |>
rename(Datum = Datum_Von) |>
mutate(Vorname_Frau = if_else(Vorname_Frau == "anna", "Anna", Vorname_Frau))Daten speichern
write_csv(x = Ehedaten,
here::here("daten/processed/Ehedaten.csv"))Ergebnisse
Top 15 Vornamen
Erstellung von Tabellen in denen die Vornamen von Frauen bzw. Männern jeweils separat gelistet werden.
Frau_Vornamen <- Ehedaten |>
count(Vorname_Frau)
Mann_Vornamen <- Ehedaten |>
count(Vorname_Mann)Die fünfzehn beliebtesten Vornamen für Frauen werden in Figure 1 dargestellt.
TopFrau <- Frau_Vornamen |>
group_by(Vorname_Frau) |>
summarise(Anzahl = sum(n)) |>
arrange(desc(Anzahl)) |>
top_n(15, Anzahl) |>
mutate(Prozent = Anzahl/sum(Anzahl)*100)
ggplot(data = TopFrau,
mapping = aes(x = Anzahl,
y = reorder(Vorname_Frau, Anzahl)))+
geom_col(fill = zhpal$zhwebdataviz[9], width = 0.8)+
theme_stat()+
theme(panel.grid.major.y = element_blank())+
labs(title = "Die 15 häufigsten Vornamen von Frauen",
subtitle = "16. - 18. Jh.",
y = "")
Die fünfzehn beliebtesten Vornamen für Männer werden in Figure 2 dargestellt.
TopMann <- Mann_Vornamen |>
group_by(Vorname_Mann) |>
summarise(Anzahl = sum(n)) |>
arrange(desc(Anzahl)) |>
top_n(15, Anzahl) |>
mutate(Prozent = Anzahl/sum(Anzahl)*100)
ggplot(data = TopMann,
mapping = aes(x = Anzahl,
y = reorder(Vorname_Mann, Anzahl)))+
geom_col(fill = zhpal$zhwebdataviz[2], width = 0.8)+
theme_stat()+
theme(panel.grid.major.y = element_blank())+
labs(title = "Die 15 häufigsten Vornamen von Männern",
subtitle = "16. - 18. Jh.",
y = "")
Einmalige Vornamen von Frauen
Alle Frauennamen, die nur ein einziges Mal vorkommen und keine Doppelnamen sind, werden in Table 1 anzeigt.
Einmalige_Vornamen_Frau <- Frau_Vornamen |>
filter(!grepl("\\s", Vorname_Frau)) |>
filter(!grepl("[[:punct:]\\s]", Vorname_Frau)) |>
group_by(Vorname_Frau) |>
summarise(Anzahl = sum(n)) |>
filter(Anzahl == 1) |>
select(Vorname_Frau)
knitr::kable(Einmalige_Vornamen_Frau)| Vorname_Frau |
|---|
| Agga |
| Alexandra |
| Alice |
| Allida |
| Antoinette |
| Aprilla |
| Aqnna |
| Arianthia |
| Barbar |
| Bernhardina |
| Bollozina |
| Brigiol |
| Brigitte |
| Britta |
| Burga |
| Camilla |
| Candia |
| Catherine |
| Catton |
| Claranna |
| Clementia |
| Columbina |
| Cordelia |
| Cornelia |
| Demanda |
| Diamant |
| Dichtli |
| Dominika |
| Dominique |
| Dorotjea |
| Dulgiona |
| Eleonora |
| Eliberia |
| Emerentia |
| Emilie |
| Evimeria |
| Evinteria |
| Famula |
| Flaminia |
| Fortunat |
| Gabriele |
| Gora |
| Hedli |
| Heinriet |
| Henrika |
| Hyppolita |
| Idda |
| Jael |
| Jakobella |
| Jana |
| Jeneve |
| Jenophea |
| Johannata |
| Jonina |
| Julia |
| Juliane |
| Julie |
| Kleindorothea |
| Kleingret |
| Kleinveronika |
| Kohltobel |
| Küngolz |
| Laudemia |
| Lera |
| Lucia |
| Lukretia |
| Luziana |
| Machtel |
| Madeleine |
| Marguerite |
| Maximiliane |
| Mengia |
| Menta |
| Neopart |
| Pankratia |
| Perpetua |
| Proxbra |
| Prudentia |
| Quinteria |
| Richarda |
| Richlina |
| Ruth |
| Sareina |
| Stava |
| Stüdli |
| Tabita |
| Thabea |
| Tilio |
| Verona |
| Vienna |
| Vienne |
| Viktoria |
| Virginia |
| Walbert |
| Waldpert |
| Wieland |
| Wybrad |
| Wybrat |
| Xenophe |
| Zedonia |
| Zia |
Beliebtheit der Wochentage für Eheschliessungen
An welchen Wochentagen jeweils pro Monat am meisten Ehen geschlossen worden sind, wird in Figure 3 gezeigt.
Ehedaten_Datum <- Ehedaten |>
mutate(Jahr = year(Datum),
Monat = month(Datum, label = TRUE, abbr = FALSE),
Wochentag = wday(Datum, label = TRUE, abbr = FALSE)) |>
group_by(Monat, Wochentag) |>
summarize(Anzahl = n()) ggplot(data = Ehedaten_Datum,
mapping = aes(x = Monat,
y = Anzahl,
group = Wochentag,
color = Wochentag))+
geom_line()+
geom_point()+
theme_stat()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1),
legend.position = "right")+
labs(title = "Anzahl Eheschliessungen an Wochentagen pro Monat",
subtitle = "16. - 18. Jh. im Kanton Zürich",
x = NULL,
y = NULL)+
scale_color_manual(values = zhpal$zhdiagonal)
Schlussfolgerungen
asdf
asdf
asdf