Urodziny w Wikipedii

Przedstawiciele jakiego zawodu są najczęściej opisywani w Wikipedii? Czy miesiąc urodzenia predysponuje do wykonywania danego zawodu? Czy w polskiej Wiki więcej jest o Polakach czy innych nacjach?

Pomysł

Któregoś dnia, siedzimy w knajpie z J.P. a właściwie z J.A., z okazji jego urodzin. I tak od słowa do słowa pada “a dzisiaj urodziny ma też Putin”. Sprawdzamy w Wikipedii – faktycznie. A oprócz J.A. i Putina urodziny ma cała masa piłkarzy. I aktorów. I to mnie natchnęło – czym zajmują się (albo zajmowali) osoby opisane w Wikipedii? Którego zawodu jest najwięcej? Wydawałoby się, że ludzi kultury, sztuki i polityki – tak by wypadało, bo tak było zawsze w encyklopedii. Sprawdzimy jak jest naprawdę.

Pobranie danych z Wikipedii

Za listę osób posłużą strony poświęcone każdemu z dni roku. Na każdej takiej stronie (pracujemy z polską Wikipedią) mamy sekcje:

Święta
Wydarzenia w Polsce
Wydarzenia na świecie
Urodzili się
Zmarli

Nas interesują osoby urodzone danego dnia.

Jeśli technikalia Cię nie interesują – przewiń trochę stronę w dół, do pierwszego wykresu.

Przy pomocy kilku funkcji zawartych w pakietach

library(tidyverse)
library(tidytext)
library(stringr)
library(lubridate)

library(tidyverse)

library(tidytext)

library(stringr)

library(lubridate)

rozpracujemy ten problem. Przygotujemy odpowiednią funkcję, która:

przygotuje adres strony (na bazie dwóch parametrów – numeru dnia i numeru miesiąca) z Wikipedii
pobierze tę sronę
znajdzie odpowiednią sekcję (poświęconą urodzinom)
wydobędzie z niej listę osób urodzonych, razem z rokiem urodzenia i opisem kim dana osoba jest/była

Funkcja zwróci nam ramkę interesujących nas danych, gotową do dalszej obróbki. Oto i ona, komentarze tłumaczą co i jak:

GetBorn <- function(p_dzien, p_miesiac) {

   html_offset <- 1
   
   # budujemy urla do wikipedii
   miesiace <- c("stycznia", "lutego", "marca", "kwietnia", "maja", "czerwca", "lipca", "sierpnia", "września", "października", "listopada", "grudnia")
   url <- paste0("https://pl.wikipedia.org/wiki/", p_dzien, "_", miesiace[p_miesiac])
   
   
   # pobieramy odpowiedni kawałek strony
   page <- read_html(url)
   page <- page %>% html_node("div.mw-parser-output")
   
   
   # szukamy fragmentu "Urodzili się"
   urodziny <- page %>% html_children() %>% str_detect("Urodzili się") %>% which(arr.ind = TRUE) %>% .[[length(.)]]
   
   # czasem przed listą osób jest coś jeszcze w HTMLu (np. obrazek z Lincolnem 12 lutego)
   if(page %>% html_children() %>% .[[urodziny + 1]] %>% html_name() != "ul")
      html_offset <- html_offset + 1
   
   # bierzemy w kolejnych liniach kolejne osoby
   lista_urodzin <- page %>% html_children() %>% .[[urodziny + html_offset]] %>% html_nodes("li")  %>% html_text()
   
   # rozdzielamy linie na części składowe: rok, osoba
   lista_urodzin <- data_frame(opis = lista_urodzin) %>%
      rowwise() %>%
      mutate(data = str_sub(opis, 1, 6)) %>%
      mutate(rok = gsub("[^0-9]", "", data)) %>%
      mutate(osoba = str_sub(opis, 1 , str_locate(opis, ",")[1]-1)) %>%
      ungroup()
   
   # dla lat gdzie wymienionych jest więcej osób trzeba zrobić wyjątki
   l_rok <- 0
   for(i in 1:nrow(lista_urodzin)) {
      if(nchar(lista_urodzin[i, "rok"]) == 0) {
         lista_urodzin[i, "data"] <- "_" # jakiś unikalny znacznik
         lista_urodzin[i, "rok"] <- l_rok
      }
      else {
         l_rok <- lista_urodzin[i, "rok"]
      }
   }
   
   # wyczyszczenie zbędnych informacji
   lista_urodzin2 <- lista_urodzin %>%
      rowwise() %>%
      mutate(opis2 = gsub(paste0(osoba, ", "), "", opis, fixed = TRUE)) %>%
      mutate(opis2 = gsub(" \\(zm. [0-9]*\\)", "", opis2)) %>%
      mutate(osoba = gsub(data, "", osoba, fixed = TRUE)) %>%
      mutate(osoba = trimws(gsub("–", "", osoba))) %>%
      ungroup() %>%
      filter(!str_detect(data, ":")) %>%
      mutate(rok = as.numeric(rok)) %>%
      mutate(dzien = p_dzien,
             miesiac = p_miesiac) %>%
      mutate(data = make_date(rok, miesiac, dzien)) %>%
      select(rok, miesiac, dzien, data, osoba, opis = opis2)
   
   return(lista_urodzin2)
}

GetBorn <- function(p_dzien, p_miesiac) {

html_offset <- 1

# budujemy urla do wikipedii

miesiace <- c("stycznia", "lutego", "marca", "kwietnia", "maja", "czerwca", "lipca", "sierpnia", "września", "października", "listopada", "grudnia")

url <- paste0("https://pl.wikipedia.org/wiki/", p_dzien, "_", miesiace[p_miesiac])

# pobieramy odpowiedni kawałek strony

page <- read_html(url)

page <- page %>% html_node("div.mw-parser-output")

# szukamy fragmentu "Urodzili się"

urodziny <- page %>% html_children() %>% str_detect("Urodzili się") %>% which(arr.ind = TRUE) %>% .[[length(.)]]

# czasem przed listą osób jest coś jeszcze w HTMLu (np. obrazek z Lincolnem 12 lutego)

if(page %>% html_children() %>% .[[urodziny + 1]] %>% html_name() != "ul")

html_offset <- html_offset + 1

# bierzemy w kolejnych liniach kolejne osoby

lista_urodzin <- page %>% html_children() %>% .[[urodziny + html_offset]] %>% html_nodes("li") %>% html_text()

# rozdzielamy linie na części składowe: rok, osoba

lista_urodzin <- data_frame(opis = lista_urodzin) %>%

rowwise() %>%

mutate(data = str_sub(opis, 1, 6)) %>%

mutate(rok = gsub("[^0-9]", "", data)) %>%

mutate(osoba = str_sub(opis, 1 , str_locate(opis, ",")[1]-1)) %>%

ungroup()

# dla lat gdzie wymienionych jest więcej osób trzeba zrobić wyjątki

l_rok <- 0

for(i in 1:nrow(lista_urodzin)) {

if(nchar(lista_urodzin[i, "rok"]) == 0) {

lista_urodzin[i, "data"] <- "_" # jakiś unikalny znacznik

lista_urodzin[i, "rok"] <- l_rok

}

else {

l_rok <- lista_urodzin[i, "rok"]

}

# wyczyszczenie zbędnych informacji

lista_urodzin2 <- lista_urodzin %>%

rowwise() %>%

mutate(opis2 = gsub(paste0(osoba, ", "), "", opis, fixed = TRUE)) %>%

mutate(opis2 = gsub(" \\(zm. [0-9]*\\)", "", opis2)) %>%

mutate(osoba = gsub(data, "", osoba, fixed = TRUE)) %>%

mutate(osoba = trimws(gsub("–", "", osoba))) %>%

ungroup() %>%

filter(!str_detect(data, ":")) %>%

mutate(rok = as.numeric(rok)) %>%

mutate(dzien = p_dzien,

miesiac = p_miesiac) %>%

mutate(data = make_date(rok, miesiac, dzien)) %>%

select(rok, miesiac, dzien, data, osoba, opis = opis2)

return(lista_urodzin2)

}

Teraz trzeba uruchomić ją 366 razy (tyle ile dni w roku, licząc z 29 lutego) i wszystkie wyniki zapisać w jednej tabeli:

liczba_dni_w_miesiacu <- c(31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)

tabela <- data_frame()

for(miesiac in 1:12) {
   # dla każdego miesiąca
   for(dzien in 1:liczba_dni_w_miesiacu[miesiac]) {
      # i każdego możliwego dnia w tym miesiącu
      
      # pobierz dane
      tabela <- tabela %>% bind_rows(GetBorn(dzien, miesiac))
      
      # progress bar :) - bo trochę to trwa
      cat(paste("m =", miesiac, "d =", dzien, "\n")) 
   }
}

rm(dzien, miesiac, liczba_dni_w_miesiacu)

liczba_dni_w_miesiacu <- c(31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)

tabela <- data_frame()

for(miesiac in 1:12) {

# dla każdego miesiąca

for(dzien in 1:liczba_dni_w_miesiacu[miesiac]) {

# i każdego możliwego dnia w tym miesiącu

# pobierz dane

tabela <- tabela %>% bind_rows(GetBorn(dzien, miesiac))

# progress bar :) - bo trochę to trwa

cat(paste("m =", miesiac, "d =", dzien, "\n"))

}

rm(dzien, miesiac, liczba_dni_w_miesiacu)

Przegląd danych

Mamy zgromadzone dane, zobaczmy co w nich jest:

tabela %>%
   count(rok) %>%
   ggplot() +
   geom_line(aes(rok, n))

tabela %>%

count(rok) %>%

ggplot() +

geom_line(aes(rok, n))

Wyżej widzimy liczbę osób urodzonych w kolejnych latach. Oczywiście tylko tych wymienionych w Wikipedii.

Widać tutaj pierwszą ciekawostkę: im bliżej teraźniejszości tym więcej osób, o których pisze się na Wiki. To dość naturalne. Postacie historyczne muszą być bardzo interesujące, żeby komuś (szacun dla redaktorów) chciało się tworzyć hasło. Bo czy jakiś burmistrz małego miasteczka z XII wieku jest interesujący? Może wyjątki się znajdą, ale w przeważającej większości raczej nie. A na przykład obecny prezydent Opola już jest – bo człowiek ten występuje gdzieś w przestrzeni publicznej, być może dział PR taki czy inny (z urzędu miasta lub partii, którą reprezentuje) przygotował to hasło. W każdym razie według mnie nie ma nic dziwnego w kształcie powyższej krzywej.

Przybliżmy ją trochę, ograniczając ją od XVIII wieku do teraźniejszości:

tabela %>%
   filter(rok >= 1700) %>%
   count(rok) %>%
   ggplot() +
   geom_line(aes(rok, n))

tabela %>%

filter(rok >= 1700) %>%

count(rok) %>%

ggplot() +

geom_line(aes(rok, n))

Im bliżej teraźniejszości tym więcej źródeł informacji. Łatwiej więc przygotować hasło. Ale też rozwój nauki (ogólnopojętej) czy kultury większy – więcej ludzi, tańszy druk, tańszy dostęp do wiedzy (szkoły i uniwersytety, prasa). Wszystko to miało wpływ na szersze grono odbiorców rzeczy, które konkretny człowiek wyprodukował (napisał, namalował, odkrył).

Zobaczmy jak wygląda rozkład liczy urodzonych osób w zależności od dnia i miesiąca urodzenia:

tabela %>% 
   count(miesiac, dzien) %>%
   ggplot() +
   geom_tile(aes(miesiac, dzien, fill = n), color = "black", show.legend = FALSE) +
   scale_y_reverse() +
   scale_x_continuous(breaks = 1:12) +
   scale_fill_distiller(palette = "RdYlGn") +
   theme(legend.position = "bottom")

tabela %>%

count(miesiac, dzien) %>%

ggplot() +

geom_tile(aes(miesiac, dzien, fill = n), color = "black", show.legend = FALSE) +

scale_y_reverse() +

scale_x_continuous(breaks = 1:12) +

scale_fill_distiller(palette = "RdYlGn") +

theme(legend.position = "bottom")

Jest stosunkowo równomiernie (przy tej liczbie osób powinno). Pojedyncze czerwone (1 stycznia może być przyczyną złego parsowania wpisów w naszej funkcji pobierającej – napisana jest na szybko, na pewno nie najlepiej jak można) i zielone punkty to być może wyniki błędów przy przekształceniach danych podczas pobierania.

Na razie nie dowiedzieliśmy się niczego ciekawego :) Przejdźmy zatem dalej – spróbujmy wydzielić narodowość i zajęcie poszczególnych osób z ich opisów. Potrzebne będzie

rozbicie opisów na słowa

tabela_txt <- tabela %>%
   unnest_tokens(slowa, opis, token = "words") %>%
   distinct()

tabela_txt <- tabela %>%

unnest_tokens(slowa, opis, token = "words") %>%

distinct()

oraz przygotowanie słowników, bo słowa są różne – przede wszystkim w męskiej i żeńskiej formie (poeta i poetka to to samo zajęcie, dla maszyny jednak inne).

Przygotowanie słownika polegać będzie niestety na obróbce ręcznej. Wybierzemy słowa, które w opisach występują co najmniej sto razy (żeby nie było ich zbyt wiele – możecie wszystkie):

tabela_slownik <- count(tabela_txt, slowa, sort = TRUE) %>% ungroup() %>% filter(n > 100)

1	tabela_slownik <- count(tabela_txt, slowa, sort = TRUE) %>% ungroup() %>% filter(n > 100)

i zapiszemy je w pliku CSV:

write_csv2(tabela_slownik, file="slownik.csv")

1	write_csv2(tabela_slownik, file="slownik.csv")

Ten słownik przeedytujemy w Excelu. Każde ze słów sprowadzimy do jednego rodzaju (ja sprowadziłem do rodzaju męskiego – więc ze wspomnianej poetki zostaje poeta), a dodatkowo dodałem znacznik czy słowo określa narodowość (literka a) czy zajęcie (literka z).

Teraz można użyć słowników do odpowiedniej zmiany w tabeli z opisami. Najpierw wczytujemy słownik i rozdzielamy na dwa (narodowości i zajęć):

# wczytujemy przeedytowany słownik
slownik <- read_csv2("slownik.csv")
   
# słownik zawodów/zajęć
zawody <- slownik %>% filter(typ == "z") %>% select(-typ) %>% set_names(c("zawod", "kategoria"))

# słownik narodowości
narodowosci <- slownik %>% filter(typ == "a") %>% select(-typ) %>% set_names(c("narodowosc", "kraj"))

# wczytujemy przeedytowany słownik

slownik <- read_csv2("slownik.csv")

# słownik zawodów/zajęć

zawody <- slownik %>% filter(typ == "z") %>% select(-typ) %>% set_names(c("zawod", "kategoria"))

# słownik narodowości

narodowosci <- slownik %>% filter(typ == "a") %>% select(-typ) %>% set_names(c("narodowosc", "kraj"))

a później łączymy je z danymi:

tabela_txt <- left_join(tabela_txt, zawody, by = c("slowa" = "zawod"))
tabela_txt <- left_join(tabela_txt, narodowosci, by = c("slowa" = "narodowosc"))

1 2	tabela_txt <- left_join(tabela_txt, zawody, by = c("slowa" = "zawod")) tabela_txt <- left_join(tabela_txt, narodowosci, by = c("slowa" = "narodowosc"))

Dzięki temu zabiegowi możemy zobaczyć o osobach jakich narodowości pisze się najwięcej:

tabela_txt %>%
   filter(rok >= 1800) %>%
   count(rok, kraj) %>%
   na.omit() %>%
   ggplot() +
   geom_line(aes(rok, n, color = kraj), size = 1, show.legend = FALSE) +
   facet_wrap(~kraj)

tabela_txt %>%

filter(rok >= 1800) %>%

count(rok, kraj) %>%

na.omit() %>%

ggplot() +

geom_line(aes(rok, n, color = kraj), size = 1, show.legend = FALSE) +

facet_wrap(~kraj)

Kliknij w obrazek, żeby zobaczyć go w większej rozdzielczości.

Widać, że wyróżna się oczywiście Polska, Ameryka (w sensie Stany Zjednoczone) oraz europejskie ośrodki kulturalno-naukowo-polityczne (czyli kraje, które mają znaczenie w historii naszej europejskiej cywilizacji): Niemcy, Francja, Włochy czy też Rosja i Anglia (Wielka Brytania). Zobaczmy popularność osób dla tych wybranych narodowości:

wybrane_kraje <- c("amerykański", "brytyjski", "francuski", "niemiecki", "polski", "rosyjski")

tabela_txt %>%
   filter(rok >= 1800) %>%
   count(rok, kraj) %>%
   na.omit() %>%
   filter(kraj %in% wybrane_kraje) %>%
   ggplot() +
   geom_line(aes(rok, n, color = kraj), size = 1) +
   scale_x_continuous(breaks = seq(1800, 2020, 20))

wybrane_kraje <- c("amerykański", "brytyjski", "francuski", "niemiecki", "polski", "rosyjski")

tabela_txt %>%

filter(rok >= 1800) %>%

count(rok, kraj) %>%

na.omit() %>%

filter(kraj %in% wybrane_kraje) %>%

ggplot() +

geom_line(aes(rok, n, color = kraj), size = 1) +

scale_x_continuous(breaks = seq(1800, 2020, 20))

Dominują Polacy i Amerykanie, reszta jest mniej więcej na jednym poziomie. Co ciekawe – młodszych obecnych na Wikipedii mamy więcej Amerykanów niż Polaków. Z czego to wynika? Uprzedzając fakty zdradzę, że z tego jakie zajęcia dominują: aktorzy, piłkarze, osoby znane z pop-kultury. Show bussines w USA jest zdecydowanie większy niż w Polsce, to też tych osób więcej.

Urodzenia według zajęcia

Jak wygląda analogiczny rozkład według zajęcia wykonywanego przez wymienione osoby?

tabela_txt %>%
   filter(rok >= 1800) %>%
   count(rok, kategoria) %>%
   na.omit() %>%
   ggplot() +
   geom_line(aes(rok, n, color = kategoria), size = 1, show.legend = FALSE) +
   scale_y_log10() +
   facet_wrap(~kategoria) +
   theme(axis.text.x = element_text(angle=90, size = 8))

tabela_txt %>%

filter(rok >= 1800) %>%

count(rok, kategoria) %>%

na.omit() %>%

ggplot() +

geom_line(aes(rok, n, color = kategoria), size = 1, show.legend = FALSE) +

scale_y_log10() +

facet_wrap(~kategoria) +

theme(axis.text.x = element_text(angle=90, size = 8))

Kliknij w obrazek, żeby zobaczyć go w większej rozdzielczości.

Dla osi pionowej zastosowałem skalę logarytmiczną, dzięki czemu lepiej widać dynamikę zmian. A co widać?

Ano widać to co już wiemy – im bliżej teraźniejszości tym więcej osób. Ale też to, że aktorów przybywa z roku na rok. Mniej więcej stała na przestrzeni lat jest liczba osób zajmujących się naukami ścisłymi (fizyka, matmatyka, biologia, zoolog) czy też humanistycznymi.

W pewnym momencie zaczęły znikać poszczególne zawody: męczennik, jezuita, etnograf, admirał czy święty. To wynika z dwóch rzeczy: po pierwsze już tego typu zajęć się nie praktykuje na skalę która pozwoliłaby znaleźć się w Wikipedii (bo np. wszystko zostało odkryte), a po drugie (co pewnie bardziej prawdopodobnie) – aby dokonać czegoś w danej dziedzinie może potrzeba lat (więc osoby urodzone na przykład w drugiej połowie XX wieku są jeszcze za młode) a może jakiegoś uznania (na przykład tak jest w przypadku świętych).

Z drugiej strony pojawiają się nowe kategorie – szeroko rozumiany sport czy kultura masowa. Taki na przykład model/modelka – ktoś kto pokazuje jak wyglądają ubrania ma swoje hasło w Wikipedii (rozumianej jako nowoczesna encyklopedia) – czujecie to? Dla mnie to jest absurdalne… ale wynika z tego, że ta osoba jest jednoczenie na przykład aktorką (lub aktorem).

Ciekawie widać jeszcze jedną kategorię: zawody, które trwały jakiś czas i się skończyły. Tak jest z kosmonautami, pułkownikami i w dużym uproszczeniu żołnierzami. Ci ostatni wyjdą nam pod koniec tekstu.

Zobaczmy teraz porównanie liczby naukowców, pisarzy, polityków z popkulturą i sportem:

wybrane_zawody <- c("aktor", "piłkarz", "pisarz", "polityk", "wolakista", "piosenkarz", "malarz", "fizyk", "matematyk", "filozof")

tabela_txt %>%
   filter(rok >= 1800) %>%
   count(rok, kategoria) %>%
   na.omit() %>%
   filter(kategoria %in% wybrane_zawody) %>%
   ggplot() +
   geom_line(aes(rok, n, color = kategoria), size = 1)

wybrane_zawody <- c("aktor", "piłkarz", "pisarz", "polityk", "wolakista", "piosenkarz", "malarz", "fizyk", "matematyk", "filozof")

tabela_txt %>%

filter(rok >= 1800) %>%

count(rok, kategoria) %>%

na.omit() %>%

filter(kategoria %in% wybrane_zawody) %>%

ggplot() +

geom_line(aes(rok, n, color = kategoria), size = 1)

Potwierdzają się wcześniejsze obserwacje i wnioski: liczba przedstawicieli zawodów wymagających wieloletniej pracy i doświadczenia spada im bliżej roku 2017, a ci, którzy osiągają wyniki w młodości (sportowcy, aktorzy i piosenkarze) już są wymieniani w Wikipedii. W długim (sto lat?) terminie teoretycznie może się to wyrównać. Pisarze urodzeni w latach 90-tych nie zdążyli się jeszcze wsławić i pojawić w Wiki. Albo się nie rodzą.

W słownikach warto dodać jeszcze jedną informację, mianowicie dziedzinę danego zajęcia: sport, literatura, polityka, nauki ścisłe, nauki humanistyczne itd. Tak samo można dodać informację o płci. Możecie pobawić się w wolnej chwili.

Najpopularniejsze imiona

Możemy zobaczyć kilka innych przekrojów tych samych danych – na przykład jakie imię występuje naczęściej wśród wymienianych Polaków?

tabela_txt %>%
   filter(kraj == "polski") %>%
   unnest_tokens(txt, osoba) %>%
   filter(!txt %in% c("de", "von", "van")) %>%
   count(txt, sort=T) %>%
   top_n(25, n) %>%
   mutate(txt = factor(txt, levels = rev(unique(txt)))) %>% 
   ggplot() +
   geom_col(aes(txt, n), fill = "lightgreen", color = "gray50") +
   coord_flip()

tabela_txt %>%

filter(kraj == "polski") %>%

unnest_tokens(txt, osoba) %>%

filter(!txt %in% c("de", "von", "van")) %>%

count(txt, sort=T) %>%

top_n(25, n) %>%

mutate(txt = factor(txt, levels = rev(unique(txt)))) %>%

ggplot() +

geom_col(aes(txt, n), fill = "lightgreen", color = "gray50") +

coord_flip()

Albo to samo dla jednej z najliczniejszych grup – piłkarzy (już globalnie):

tabela_txt %>%
   filter(kategoria == "piłkarz") %>%
   unnest_tokens(txt, osoba) %>%
   filter(!txt %in% c("de", "von", "van", "el", "al", "da")) %>%
   count(txt, sort=T) %>%
   top_n(25, n) %>%
   mutate(txt = factor(txt, levels = rev(unique(txt)))) %>% 
   ggplot() +
   geom_col(aes(txt, n), fill = "lightgreen", color = "gray50") +
   coord_flip()

tabela_txt %>%

filter(kategoria == "piłkarz") %>%

unnest_tokens(txt, osoba) %>%

filter(!txt %in% c("de", "von", "van", "el", "al", "da")) %>%

count(txt, sort=T) %>%

top_n(25, n) %>%

mutate(txt = factor(txt, levels = rev(unique(txt)))) %>%

ggplot() +

geom_col(aes(txt, n), fill = "lightgreen", color = "gray50") +

coord_flip()

W którym miesiącu rodzą się dane zawody?

Wierzycie w horoskopy? Ja nie bardzo, ale sprawdźmy czy znak zodiaku (tutaj w uproszczeniu do miesiąca) w jakiś sposób określa zajęcie wykonywane przez osobę:

tabela_txt %>%
   filter(!is.na(kategoria)) %>%
   count(miesiac, kategoria) %>%
   group_by(kategoria) %>%
   mutate(sn = sum(n), p = 100*n/sum(n)) %>% mutate(maxp = max(p)) %>%
   ungroup() %>%
   filter(sn > quantile(n, 0.99)) %>%
   mutate(kategoria = factor(kategoria, levels = rev(unique(kategoria)))) %>%
   ggplot() +
   geom_tile(aes(miesiac, kategoria, fill = p), color = "gray50") +
   scale_x_continuous(breaks = 1:12) +
   scale_fill_distiller(palette = "RdYlGn") +
   theme(legend.position = "bottom")

tabela_txt %>%

filter(!is.na(kategoria)) %>%

count(miesiac, kategoria) %>%

group_by(kategoria) %>%

mutate(sn = sum(n), p = 100*n/sum(n)) %>% mutate(maxp = max(p)) %>%

ungroup() %>%

filter(sn > quantile(n, 0.99)) %>%

mutate(kategoria = factor(kategoria, levels = rev(unique(kategoria)))) %>%

ggplot() +

geom_tile(aes(miesiac, kategoria, fill = p), color = "gray50") +

scale_x_continuous(breaks = 1:12) +

scale_fill_distiller(palette = "RdYlGn") +

theme(legend.position = "bottom")

Wykres powyżej pokazuje tylko 1% najpopularniejszych zawodów. Widać, że duchownymi, biskupami czy arcybiskupami są osoby urodzone głównie w czerwcu. Z kolei prawnicy, premierzy i prezydenci rodzą się w październiku (podobnie jak zapaśnicy). Czy to prowadzi do wniosku, że znak zodiaku określa predyspozycje zawodowe?

Do tej pory korzystaliśmy z danych ułożonych dość specyficznie – w kolumnie kategoria mamy rozpoznane zawody, w kolumnie kraj mamy narodowość. Dla przykładu:

tabela_txt %>% filter(osoba == "Krzysztof Kieślowski")

1	tabela_txt %>% filter(osoba == "Krzysztof Kieślowski")

Rok	Miesiac	Dzień	Data	Osoba	Słowa	Kategoria	Kraj
1941	6	27	1941-06-27	Krzysztof Kieślowski	polski	–	polski
1941	6	27	1941-06-27	Krzysztof Kieślowski	reżyser	reżyser	–
1941	6	27	1941-06-27	Krzysztof Kieślowski	i	–	–
1941	6	27	1941-06-27	Krzysztof Kieślowski	scenarzysta	scenarzysta	–
1941	6	27	1941-06-27	Krzysztof Kieślowski	filmowy	–	–

Z takich danych nie jest łatwo wyciągnąć informację czy reżyserów (skoro jesteśmy przy Kieślowskim) jest więcej Polaków czy Amerykanów – nie da się nałożyć filtru kraj == polski oraz kategoria == reżyser. A to może być ciekawa obserwacja. Zatem musimy odpowiednio przygotować dane:

# unikalne osoby - nie tylko po nazwisku, ale też po dacie urodznia
unique_persons <- tabela_txt %>%
   filter(!is.na(osoba)) %>%
   select(rok, miesiac, dzien, osoba) %>%
   distinct()


# tutaj będziemy zbierać pełne dane
all_persons <- tibble()

n <- nrow(unique_persons) # na potrzeby progress bara

for(i in 1:n) {
   # progress bar :)
   cat(sprintf("\r%d = %.1f%%", i, round(100*i/n, 1)))
   
   # tymczasowa tabelka
   wynik <- tibble()
   
   # wybieramy część danych - tylko dla konkretnej osoby
   tab <- tabela_txt %>%
      filter(rok == as.numeric(unique_persons[i,"rok"])) %>%
      filter(miesiac == as.numeric(unique_persons[i,"miesiac"])) %>%
      filter(dzien == as.numeric(unique_persons[i,"dzien"])) %>%
      filter(osoba == as.character(unique_persons[i,"osoba"]))
      
   if(nrow(tab) > 0) {
      # unpivot danych
      tab2 <- tab %>%
         mutate(kategoria = ifelse(is.na(kategoria), "kategoriaNA", kategoria)) %>% 
         mutate(v = 1) %>%
         spread(kategoria, v, fill = 0)
      
      # jeśli (najczęściej tak, ale nie zawsze) w kategoriach było NA - usuwamy powstałą kolumnę
      if(sum(colnames(tab2) == "kategoriaNA")) tab2 <- select(tab2, -kategoriaNA)
      
      # czy powstały kolumny z unpivotowania?
      if(ncol(tab2) > 7) {
         # wyciągamy je z wielu wierszy do jednego wiersza
         tab2_c <- colSums(tab2[, 8:ncol(tab2)]) %>% as.data.frame() %>% set_names("l") %>% rownames_to_column() %>% spread(rowname, l)
         
         # wyciągamy wiersz z wartością w kolumnie kraj
         tab2 <- tab2 %>% filter(!is.na(kraj)) %>% select(rok, miesiac, dzien, data, osoba, kraj) 
         
         # jeśli coś zostało - łączymy z kolumnami po unpivocie
         # (jeden losowy wiersz jeśli do osoby przypisany był więcej niż jeden kraj)
         if(nrow(tab2) > 0) wynik <- bind_cols(tab2 %>% sample_n(1), tab2_c)
      }
   }
   
   # łączymy do pełnej tabeli
   all_persons <- all_persons %>% bind_rows(wynik)

   # co 1000 iteracji zapisujemy na wszelki wypadek :)
   if(i %% 1000 == 0) saveRDS(all_persons, file="all_persons_part.RDS")
}

# zmieniamy NA na 0 w kolumnach określających kategorie
all_persons[, 7:ncol(all_persons)][is.na(all_persons[, 7:ncol(all_persons)])] <- 0

# do wykresów potrzebujemy długiej tabeli
all_persons_long <- all_persons %>% 
   gather(key = "zawod", value = "Val", -rok, -miesiac, -dzien, -data, -osoba, -kraj) %>%
   filter(Val != 0) %>%
   select(-Val)

# unikalne osoby - nie tylko po nazwisku, ale też po dacie urodznia

unique_persons <- tabela_txt %>%

filter(!is.na(osoba)) %>%

select(rok, miesiac, dzien, osoba) %>%

distinct()

# tutaj będziemy zbierać pełne dane

all_persons <- tibble()

n <- nrow(unique_persons) # na potrzeby progress bara

for(i in 1:n) {

# progress bar :)

cat(sprintf("\r%d = %.1f%%", i, round(100*i/n, 1)))

# tymczasowa tabelka

wynik <- tibble()

# wybieramy część danych - tylko dla konkretnej osoby

tab <- tabela_txt %>%

filter(rok == as.numeric(unique_persons[i,"rok"])) %>%

filter(miesiac == as.numeric(unique_persons[i,"miesiac"])) %>%

filter(dzien == as.numeric(unique_persons[i,"dzien"])) %>%

filter(osoba == as.character(unique_persons[i,"osoba"]))

if(nrow(tab) > 0) {

# unpivot danych

tab2 <- tab %>%

mutate(kategoria = ifelse(is.na(kategoria), "kategoriaNA", kategoria)) %>%

mutate(v = 1) %>%

spread(kategoria, v, fill = 0)

# jeśli (najczęściej tak, ale nie zawsze) w kategoriach było NA - usuwamy powstałą kolumnę

if(sum(colnames(tab2) == "kategoriaNA")) tab2 <- select(tab2, -kategoriaNA)

# czy powstały kolumny z unpivotowania?

if(ncol(tab2) > 7) {

# wyciągamy je z wielu wierszy do jednego wiersza

tab2_c <- colSums(tab2[, 8:ncol(tab2)]) %>% as.data.frame() %>% set_names("l") %>% rownames_to_column() %>% spread(rowname, l)

# wyciągamy wiersz z wartością w kolumnie kraj

tab2 <- tab2 %>% filter(!is.na(kraj)) %>% select(rok, miesiac, dzien, data, osoba, kraj)

# jeśli coś zostało - łączymy z kolumnami po unpivocie

# (jeden losowy wiersz jeśli do osoby przypisany był więcej niż jeden kraj)

if(nrow(tab2) > 0) wynik <- bind_cols(tab2 %>% sample_n(1), tab2_c)

}

# łączymy do pełnej tabeli

all_persons <- all_persons %>% bind_rows(wynik)

# co 1000 iteracji zapisujemy na wszelki wypadek :)

if(i %% 1000 == 0) saveRDS(all_persons, file="all_persons_part.RDS")

}

# zmieniamy NA na 0 w kolumnach określających kategorie

all_persons[, 7:ncol(all_persons)][is.na(all_persons[, 7:ncol(all_persons)])] <- 0

# do wykresów potrzebujemy długiej tabeli

all_persons_long <- all_persons %>%

gather(key = "zawod", value = "Val", -rok, -miesiac, -dzien, -data, -osoba, -kraj) %>%

filter(Val != 0) %>%

select(-Val)

Powyższy kod dla każdej unikalnej osoby (zakładamy, że danego dnia urodziła się tylko jedna osoba o danym imieniu i nazwisku) wyciąga kawałek tabelki (taki sam jak wyżej dla Kieślowskiego) i rozkłada wartości kolumny kategoria w kolejne kolumny. Później wybiera wiersz z niepustą wartością kolumny kraj i dokłada do niego utworzone kolumny odpowiadające za wykonywane zajęcie. Na pewno da się to zrobić lepiej, a jeśli nie – warto to napisać w C (i wykorzystać pakiet Rcpp), bo jest straszliwie wolne. Szczególnie w tym przypadku, gdzie mamy informacje o 118869 osobach.

Teraz już możemy sprawdzić z jakiego kraju pochodzą poszczególne zawody:

all_persons_long %>%
   count(kraj, zawod) %>%
   filter(n > quantile(n, 0.97)) %>%
   ggplot() +
   geom_tile(aes(kraj, zawod, fill=n), color = "gray50", show.legend = FALSE) +
   theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1)) +
   scale_fill_distiller(palette = "YlOrRd", direction = 1)

all_persons_long %>%

count(kraj, zawod) %>%

filter(n > quantile(n, 0.97)) %>%

ggplot() +

geom_tile(aes(kraj, zawod, fill=n), color = "gray50", show.legend = FALSE) +

theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1)) +

scale_fill_distiller(palette = "YlOrRd", direction = 1)

Powyżej tylko 3% najpopularniejszych. Widać, że najwięcej narodowości jest wśród polityków i piłkarzy. Widać, że najwięcej mamy amerykańskich aktorów. Wśród Polaków dominują aktorzy, politycy, działacze i pisarze.

Weźmy więc pod lupę Polaków urodzonych w XX i XXI wieku – kogo jest najwięcej?

all_persons_long %>%
   filter(kraj == "polski", rok >= 1900) %>%
   count(zawod, sort = TRUE) %>%
   ungroup() %>%
   top_n(30, n) %>%
   mutate(zawod = factor(zawod, level=zawod)) %>%
   ggplot() +
   geom_col(aes(zawod, n), fill = "lightgreen", color = "gray50") +
   theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1))

all_persons_long %>%

filter(kraj == "polski", rok >= 1900) %>%

count(zawod, sort = TRUE) %>%

ungroup() %>%

top_n(30, n) %>%

mutate(zawod = factor(zawod, level=zawod)) %>%

ggplot() +

geom_col(aes(zawod, n), fill = "lightgreen", color = "gray50") +

theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1))

Wygrywają aktorzy – w którym roku się urodzili?

all_persons_long %>%
   filter(kraj == "polski", rok >= 1900, zawod == "aktor") %>%
   count(rok) %>%
   ggplot() +
   geom_line(aes(rok, n), color = "blue") +
   scale_x_continuous(breaks = seq(1900, 2020, 5))

all_persons_long %>%

filter(kraj == "polski", rok >= 1900, zawod == "aktor") %>%

count(rok) %>%

ggplot() +

geom_line(aes(rok, n), color = "blue") +

scale_x_continuous(breaks = seq(1900, 2020, 5))

Z wykresu wynika, że najwięcej w 1977 roku – kto? Dodajmy od razu opisy bezpośrednio z Wikipedii:

all_persons_long %>%
   filter(kraj == "polski", rok == 1977, zawod == "aktor") %>%
   select(osoba, data) %>%
   arrange(data) %>%
   left_join(tabela, by = c("osoba" = "osoba", "data" = "data")) %>%
   select(osoba,  data, opis) %>%
   arrange(data)

all_persons_long %>%

filter(kraj == "polski", rok == 1977, zawod == "aktor") %>%

select(osoba, data) %>%

arrange(data) %>%

left_join(tabela, by = c("osoba" = "osoba", "data" = "data")) %>%

select(osoba, data, opis) %>%

arrange(data)

Imię i nazwisko	Data urodzenia	Opis
Grzegorz Stosz	1977-01-13	polski aktor
Tomasz Augustynowicz	1977-01-22	polski aktor
Joanna Litwin	1977-02-02	polska aktorka
Marcin Chochlew	1977-02-04	polski aktor
Anna Sarna	1977-02-08	polska aktorka
Paulina Holtz	1977-02-23	polska aktorka
Piotr Duda	1977-03-05	polski aktor, menedżer teatralny
Piotr Borowski	1977-03-08	polski aktor
Sambor Czarnota	1977-03-16	polski aktor
Katarzyna Glinka	1977-04-19	polska aktorka
Tomasz Kot	1977-04-21	polski aktor
Bodo Kox	1977-04-22	polski dziennikarz, reżyser filmowy, aktor
Daria Widawska	1977-05-01	polska aktorka
Teresa Dzielska	1977-05-11	polska aktorka
Bartłomiej Kasprzykowski	1977-05-19	polski aktor
Patrycja Durska-Mruk	1977-05-24	polska aktorka
Szymon Sędrowski	1977-06-02	polski aktor
Małgorzata Bela	1977-06-06	polska aktorka, modelka
Beata Chruścińska	1977-06-07	polska aktorka
Rafał Drozd	1977-06-07	polski aktor, wokalista
Ewa Andruszkiewicz	1977-06-09	polska aktorka
Sylwia Arnesen	1977-06-17	polska aktorka
Joanna Pokojska	1977-06-29	polska aktorka
Ewelina Serafin	1977-06-29	polska aktorka
Marek Żerański	1977-07-07	polski aktor
Maciej Jachowski	1977-07-08	polski aktor, wokalista
Cezary Jankowski	1977-07-10	polski aktor
Violetta Kołakowska	1977-07-13	polska aktorka, modelka, stylistka
Robert Szykier-Koszucki	1977-07-18	polski aktor
Marcin Piętowski	1977-07-20	polski aktor
Paweł Podgórski	1977-07-23	polski aktor, wokalista
Michał Sitarski	1977-07-29	polski aktor
Roch Poliszczuk	1977-07-31	polski wokalista, kompozytor, aktor
Łukasz Garlicki	1977-08-05	polski aktor, reżyser teatralny
Tomasz Mycan	1977-08-05	polski aktor
Marek Serafin	1977-08-09	polski aktor
Leszek Lichota	1977-08-17	polski aktor
Natasza Urbańska	1977-08-17	polska aktorka, piosenkarka, tancerka
Dominika Łakomska	1977-09-07	polska aktorka
Grzegorz Mielczarek	1977-09-16	polski aktor
Joanna Rossa	1977-09-17	polska aktorka
Ilona Wrońska	1977-09-17	polska aktorka
Dominika Kurdziel	1977-09-25	polska perkusistka, kompozytorka, wokalistka, producentka muzyczna, aktorka, reżyserka programów telewizyjnych
Paweł Gładyś	1977-09-29	polski aktor
Magdalena Emilianowicz	1977-09-30	polska aktorka
Wiktoria Padlewska	1977-10-04	polska dziennikarka, pisarka, aktorka
Gabriela Frycz	1977-10-15	polska aktorka
Dr Yry	1977-10-18	polski wokalista, muzyk, kompozytor, aktor
Mariusz Zaniewski	1977-10-19	polski aktor
Beata Jewiarz	1977-10-24	polska aktorka
Adam Malecki	1977-11-06	polski aktor
Anna Piróg	1977-12-11	polska aktorka
Łukasz Simlat	1977-12-11	polski aktor
Dominik Bąk	1977-12-19	polski aktor
Maja Frykowska	1977-12-23	polska prezenterka telewizyjna, aktorka, piosenkarka
Joanna Banasik	1977-12-27	polska aktorka, reżyserka teatralna

A teraz wrócimy na chwilę do wojskowych (obiecałem to wcześniej). Pojawią się, jeśli poszukamy kto urodził się w kolejnych latach biorąc pod uwagę narodowość radziecką (o ile można tak powiedzieć):

all_persons_long %>%
   filter(kraj == "radziecki", rok >= 1800) %>%
   count(rok, zawod) %>%
   ungroup() %>%
   group_by(zawod) %>%
   mutate(key_sum = sum(n)) %>%
   ungroup() %>%
   filter(key_sum > quantile(key_sum, 0.5)) %>%
   ggplot() +
   geom_tile(aes(rok, zawod, fill = n), color = "gray50", show.legend = FALSE) +
   scale_fill_distiller(palette = "YlOrRd", direction = 1)

all_persons_long %>%

filter(kraj == "radziecki", rok >= 1800) %>%

count(rok, zawod) %>%

ungroup() %>%

group_by(zawod) %>%

mutate(key_sum = sum(n)) %>%

ungroup() %>%

filter(key_sum > quantile(key_sum, 0.5)) %>%

ggplot() +

geom_tile(aes(rok, zawod, fill = n), color = "gray50", show.legend = FALSE) +

scale_fill_distiller(palette = "YlOrRd", direction = 1)

Sprawdzaliśmy czy miesiąc urodzenia predysponuje do zawodu, ale dane nie były jeszcze gotowe do podziału po narodowościach. Teraz możemy to samo zrobić dla Polaków:

all_persons_long %>%
   filter(kraj == "polski") %>%
   count(miesiac, zawod) %>%
   ungroup() %>%
   group_by(zawod) %>%
   mutate(key_sum = sum(n),
          p = 100 * n/key_sum) %>%
   ungroup() %>%
   filter(key_sum > quantile(key_sum, 0.75)) %>%
   ggplot() +
   geom_tile(aes(miesiac, zawod, fill = p), color = "gray50") +
   scale_x_continuous(breaks = 1:12) +
   scale_fill_distiller(palette = "YlOrRd", direction = 1) +
   theme(legend.position = "bottom")

all_persons_long %>%

filter(kraj == "polski") %>%

count(miesiac, zawod) %>%

ungroup() %>%

group_by(zawod) %>%

mutate(key_sum = sum(n),

p = 100 * n/key_sum) %>%

ungroup() %>%

filter(key_sum > quantile(key_sum, 0.75)) %>%

ggplot() +

geom_tile(aes(miesiac, zawod, fill = p), color = "gray50") +

scale_x_continuous(breaks = 1:12) +

scale_fill_distiller(palette = "YlOrRd", direction = 1) +

theme(legend.position = "bottom")

Senator, samorządowiec, filozof i ekonomista rodzi się najczęściej w czerwcu. Dla danych globalnych w czerwcu były osoby z hierarchii kościelnej (biskupi itd) – u nas biskup i duchowny to raczej październik.

Czy jakieś polskie nazwisko się powtarza?

all_persons_long %>%
   filter(kraj == "polski") %>%
   select(data, osoba) %>%
   distinct() %>% 
   count(osoba, sort = TRUE) %>%
   ungroup() %>%
   filter(n == max(n))

all_persons_long %>%

filter(kraj == "polski") %>%

select(data, osoba) %>%

distinct() %>%

count(osoba, sort = TRUE) %>%

ungroup() %>%

filter(n == max(n))

Osoba	n
Andrzej Nowak	5
Andrzej Zieliński	5
Jerzy Tomaszewski	5

Spośród tych trzech najczęściej powtarzających się weźmy Andrzeja Nowaka:

tabela %>% filter(osoba == "Andrzej Nowak") %>% select(osoba, data, opis) %>% arrange(data)

1	tabela %>% filter(osoba == "Andrzej Nowak") %>% select(osoba, data, opis) %>% arrange(data)

Osoba	Data urodzenia	Opis
Andrzej Nowak	1935-09-14	polski lekarz internista
Andrzej Nowak	1942-07-04	polski pianista, członek zespołu Niemen Aerolit
Andrzej Nowak	1956-02-07	polski hokeista
Andrzej Nowak	1959-04-09	polski gitarzysta, członek zespołu TSA
Andrzej Nowak	1960-11-12	polski historyk, publicysta, sowietolog

W porównaniu z Wikipedią zabrakło nam jeszcze trzech Andrzejów Nowaków: tłumacza, psychologa i lekkoatlety. Dlaczego? Tłumacz urodzony w 1944 roku nie ma podanej dokładnej daty urodzenia (i tym samym nie znajdziemy go zapewne na stronie informującej o wydarzeniach konkretnego dnia), psycholog ma datę urodzenia (12 czerwca), ale nie ma go na stronie poświęconej temu dniu (a to tylko z niej zebraliśmy informacje). Zaś dla lekkoatlety nie ma przygotowanej żadnej strony (więc nie ma jak sprawdzić jakiego dnia się urodził). Pamiętajcie też, że Wikipedia nie uzupełnia automatycznie swoich stron – w przypadku Andrzeja Nowaka psychologa to wyraźnie widać: ktoś przygotował hasło o nim, ale nie wpisał go na listę osób urodzonych 12 czerwca.

A reżyserów w polskiej Wikipedii najwięcej jest polskich, w drugiej kolejności amerykańskich:

all_persons_long %>% filter(zawod == "reżyser") %>% count(kraj, sort = TRUE) %>% top_n(5, n)

1	all_persons_long %>% filter(zawod == "reżyser") %>% count(kraj, sort = TRUE) %>% top_n(5, n)

Narodowość	Liczba osób
polski	1079
amerykański	861
francuski	234
brytyjski	182
niemiecki	132

Z aktorami jest odwtornie (5059 amerykańskich, 3225 polskich).

Na koniec tabelka z najmłodszymi Polakami w każdym z zawodów wymienionych w Wikipedii:

all_persons_long %>%
   filter(kraj == "polski") %>%
   group_by(zawod) %>%
   filter(data == max(data)) %>%
   ungroup() %>%
   select(osoba, data, zawod) %>%
   distinct() %>%
   arrange(desc(data))

all_persons_long %>%

filter(kraj == "polski") %>%

group_by(zawod) %>%

filter(data == max(data)) %>%

ungroup() %>%

select(osoba, data, zawod) %>%

distinct() %>%

arrange(desc(data))

Osoba	Data urodzenia	Zawód
Mateusz Pawłowski	2004-06-03	aktor
Paweł Teclaf	2003-06-18	szachista
Maja Chwalińska	2001-10-11	tenisista
Martyna Łukasik	1999-11-26	siatkarz
Patryk Wysocki	1999-09-17	hokeista
Karolina Gąsecka	1999-08-20	łyżwiarz
Dawid Jarząbek	1999-03-03	narciarz
Dawid Jarząbek	1999-03-03	skoczek
Dominika Grabowska	1998-12-26	piłkarz
Magdalena Welc	1998-11-04	piosenkarz
Szymon Mazur	1998-09-02	lekkoatleta
Krystian Rempała	1998-04-01	żużlowiec
Alan Banaszek	1997-10-30	kolarz
Julia Kowalczyk	1997-09-30	judoka
Jacek Moczydłowski	1997-09-19	producent
Łukasz Dyczko	1997-09-15	saksofonista
Marcel Ponitka	1997-08-28	koszykarz
Bartłomiej Drągowski	1997-08-19	bramkarz
Natalia Strzałka	1997-08-04	zapaśnik
Ewa Swoboda	1997-07-26	sprinter
Justyna Święs	1997-04-16	autor
Andrzej Rządkowski	1997-03-04	florecista
Sylwia Lipka	1996-12-12	prezenter
Adam Mikołaj Goździewski	1996-12-05	pianista
Rafał Reszelewski	1996-08-22	astronom
Wojciech Wojdak	1996-03-13	pływak
Sofia Ennaoui	1995-08-30	biegacz
Dominik Czaja	1995-08-12	wioślarz
Michał Oleksiejczuk	1995-02-22	zawodnik
Izabella Krzan	1995-02-14	model
Błażej Koza	1994-07-21	kompozytor
Joanna Helena Szymańska	1994-03-16	reżyser
Martyna Buliżańska	1994-01-06	poeta
Zdzisław Pawlik	1993-08-30	polityk
Zdzisław Pawlik	1993-08-30	poseł
Patryk Szymański	1993-06-05	bokser
Dawid Podsiadło	1993-05-23	wokalista
Karolina Owczarz	1993-02-04	dziennikarz
Wojciech Engelking	1992-10-07	pisarz
Wojciech Engelking	1992-10-07	publicysta
Sebastian Szypuła	1992-09-14	kajakarz
Łukasz Rzepecki	1992-09-05	samorządowiec
Piotr Lisek	1992-08-16	tyczkarz
Agnieszka Kaczorowska	1992-07-16	tancerz
Monika Hojnisz	1991-08-27	biathlonista
Quebonafide	1991-07-07	raper
Maciej Marton	1991-05-01	pilot
Tomasz Zieliński	1990-10-29	sztangista
Kinga Gajewska	1990-07-22	politolog
Alexandre Beccuau	1990-06-05	rugbysta
Rafał Kołsut	1990-05-25	scenarzysta
Joanna Linkiewicz	1990-05-02	płotkarz
Mateusz Szeremeta	1989-04-07	muzyk
Jan Mela	1988-12-30	działacz
Zofia Bałdyga	1987-12-16	tłumacz
Piotr Kula	1987-05-23	żeglarz
Radzimir Dębski	1987-04-30	dyrygent
Paweł Oziabło	1986-10-12	gitarzysta
Bartosz Frankowski	1986-09-23	sędzia
Adam Bałdych	1986-05-18	skrzypek
Ajron	1985-11-09	operator
Michał Ligocki	1985-10-31	snowboardzista
Paweł Jaroszewicz	1985-09-20	perkusista
Krzysztof Gonciarz	1985-06-19	podróżnik
Sławomir Archangielski	1985-04-10	basista
Krzysztof Mikołajczak	1984-10-05	szpadzista
Donatan	1984-09-02	inżynier
Dariusz Przybylski	1984-07-28	organista
Marcin Plichta	1984-07-26	przedsiębiorca
Maciej Frączyk	1984-05-01	satyryk
Dorota Masłowska	1983-07-03	dramaturg
Krzysztof Aleksander Janczak	1983-05-01	muzykolog
Łukasz Czapla	1982-12-08	strzelec
Łukasz Śmigiel	1982-07-01	wydawca
Artur Skowronek	1982-05-22	trener
Emade	1981-12-15	didżej
Honza Zamojski	1981-11-16	artysta
Iwona Sobotka	1981-10-19	operowy
Iwona Sobotka	1981-10-19	śpiewak
Władysław Kosiniak-Kamysz	1981-08-10	lekarz
Władysław Kosiniak-Kamysz	1981-08-10	minister
Joanna Roszak	1981-04-01	akademicki
Aleksandra Dziurosz	1981-01-08	choreograf
Karolina Wigura	1980-10-01	socjolog
Paweł Czarnecki	1980-07-22	filozof
Marcin Orliński	1980-06-06	krytyk
Jacek Dehnel	1980-05-01	malarz
Jacek Dehnel	1980-05-01	prozaik
Piotr Zychowicz	1980-04-27	historyk
Dawid Tomaszewski	1979-11-21	projektant
Bartosz Łęczycki	1979-10-09	pedagog
Piotr Ślusarczyk	1979-08-24	prawnik
Mieczysław Kieca	1979-07-31	prezydent
Piotr Nowacki	1979-06-21	rysownik
Łukasz Kurowski	1979-02-14	podporucznik
Adam Orłamowski	1978-12-26	ilustrator
Artur Ziętek	1978-10-12	porucznik
Rafał Wiechecki	1978-09-25	ekonomista
Rafał Wiechecki	1978-09-25	adwokat
Sebastian Kudas	1978-08-31	scenograf
Grzegorz Sudoł	1978-08-28	chodziarz
Przemysław Tarnacki	1978-05-31	konstruktor
Krystyna Beniger	1978-02-18	curler
Andrzej Rzońca	1977-10-30	nauczyciel
Przemysław Dakowicz	1977-09-21	eseista
Przemysław Błaszczyk	1977-09-11	senator
Jan Kaczkowski	1977-07-19	duchowny
Marek Rybiński	1977-05-11	misjonarz
Dawid Kupczyk	1977-05-10	bobsleista
Piotr Piasecki	1977-04-19	król
Piotr Duda	1977-03-05	menedżer
Leszek Blanik	1977-03-01	gimnastyk
Anna Pieńkosz	1976-12-30	dyplomata
Marta Gryniewicz	1976-12-05	fotograf
Tomasz Rożek	1976-11-30	fizyk
Norbert Maliszewski	1976-06-14	psycholog
Tomasz Bagiński	1976-01-10	grafik
Przemysław Owczarek	1975-10-28	antropolog
Tomasz Schreiber	1975-06-25	matematyk
Margareta Budner	1975-06-11	chirurg
Barbara Nowacka	1975-05-10	informatyk
Arkadiusz Protasiuk	1974-11-13	wojskowy
Krzysztof Kaśkos	1974-10-10	żołnierz
Michał Czachowski	1974-08-22	architekt
Jerzy (Mariusz Pańkowski)	1974-08-04	biskup
Paweł Tański	1974-07-22	badacz
Robert Grzywna	1974-02-08	major
Krystian Bala	1974-01-01	morderca
Norbert Wójtowicz	1972-12-01	teolog
Paweł Wojtunik	1972-06-26	oficer
Sławomir Kowal	1972-04-06	burmistrz
Marek Więckowski	1971-05-11	geograf
Iwona Szewczyk	1970-02-14	zakonnica
Agnieszka Kozłowska-Rajewicz	1969-12-04	biolog
Wojciech Lubiński	1969-10-04	pułkownik
Wojciech Grygiel	1969-04-06	chemik
Jerzy Gorbas	1968-07-31	rzeźbiarz
Paweł Wypych	1968-02-20	sekretarz
Grzegorz Gielerak	1967-10-03	generał
Stanisław Ustupski	1966-11-15	kombinator
Katarzyna Szeloch	1966-04-07	filolog
Tomasz Kot	1966-01-03	jezuita
Krzysztof Grzeszczak	1965-09-17	teoretyk
Wojciech Polak	1964-12-19	arcybiskup
Wojciech Polak	1964-12-19	metropolita
Wojciech Polak	1964-12-19	prymas
Beata Szydło	1963-04-15	premier
Radosław Sikorski	1963-02-23	marszałek
Andrzej Depko	1962-10-24	neurolog
Cezary Pazura	1962-06-13	komik
Jerzy Szyłak	1960-11-08	naukowiec
Michał Tomaszek	1960-09-23	franciszkanin
Michał Tomaszek	1960-09-23	męczennik
Bogdan Klich	1960-05-08	psychiatra
Miłosz Martynowicz	1959-02-27	taternik
Wojciech Kajtoch	1957-04-19	językoznawca
Krzysztof Tarnowski	1956-09-20	wynalazca
Witold Zuchiewicz	1955-12-13	geolog
Jerzy Ciechanowicz	1955-10-09	archeolog
Elżbieta Regulska-Chlebowska	1955-03-16	etnograf
Andrzej Ostrowski	1955-02-04	kapitan
Wojciech Kubik	1953-01-13	saneczkarz
Piotr Piasecki	1952-09-04	jeździec
Piotr Naimski	1951-02-02	biochemik
Jerzy Dzik	1950-02-25	przyrodnik
Kazimierz Nycz	1950-02-01	kardynał
Marek Brągoszewski	1949-06-06	admirał
Jerzy Popiełuszko	1947-09-14	błogosławiony
Lech Marchelewski	1947-02-05	podpułkownik
Krzysztof Jędrzejko	1945-10-10	botanik
Czesław Błaszak	1942-05-05	zoolog
Mirosław Hermaszewski	1941-09-15	kosmonauta
Wiesław Barej	1934-01-22	fizjolog
Antoni Sawoniuk	1921-03-07	zbrodniarz
Karol Wojtyła	1920-05-18	święty
Zofia Maria Sapieha-Kodeńska	1919-10-11	księżna
Augustyn Józef Czartoryski	1907-10-20	książę
Ksawery Grocholski	1903-02-14	hrabia
Jan Hołyński	1890-04-24	przemysłowiec
Filip Zaleski	1836-09-25	arystokrata
Maria Augusta Wettyn	1782-06-21	księżniczka
Maria Amalia Wettyn	1724-11-24	królowa

Podobało się? Pokaż znajomym, wrzuć na Wykop czy co tam jeszcze uznasz za stosowne! :)

2 komentarze do “Urodziny w Wikipedii”

Ja 09-11-2017 o 19:15

Odpowiedz

Można praktykować bycie męczennikiem ;)
Łukasz 09-11-2017 o 22:30

Odpowiedz

Słowo wyjaśnienia odnośnie najmłodszego polskiego króla – wzięło się to z linijki:
Piotr Piasecki, polski muzyk, wokalista, kompozytor, autor tekstów, członek zespołów Pogodno i Babu Król

Urodziny w Wikipedii

Pomysł

Pobranie danych z Wikipedii

Przegląd danych

rozbicie opisów na słowa

Urodzenia według zajęcia

Najpopularniejsze imiona

W którym miesiącu rodzą się dane zawody?

Czy jakieś polskie nazwisko się powtarza?

2 komentarze do “Urodziny w Wikipedii”

Dodaj komentarz Anuluj pisanie odpowiedzi