Articles
Comment fonctionnent réellement les données de noms, d’adresses et de téléphones selon les pays — registres, exceptions et nos propres erreurs.
58 articles
- D'où viennent nos données de noms chinoisDemandez quel nom de famille est le plus répandu en Chine et vous obtiendrez une réponse assurée que les données n'étayent pas. 王 et 李 diffèrent de 0,06 point de pourcentage — environ 800 000 personne…Lire →
- Des noms de famille qui n'existent pas : comment repérer les valeurs de remplissage dans un recensementLe 78e nom de famille le plus répandu aux États-Unis est DOE. Il figure dans le fichier des noms de famille du recensement de 2020 entre PETERSON au 77 et WARD au 79, avec 262 774 porteurs. Dix ans pl…Lire →
- Des noms de rues qui n'existent plus : décommunisation, décolonisation et pourquoi les données d'adresses deviennent obsolètesTout jeu de données d'adresses porte une affirmation implicite : la rue qu'il nomme serait une rue à laquelle vous pourriez réellement envoyer une lettre. Pour une grande partie de l'Europe, et pour p…Lire →
- Des numéros de téléphone factices qui ne peuvent pas exister : un défaut de 12 % caché dans un seul appel `mt_rand`Environ un sur huit des numéros de téléphone américains et canadiens que notre générateur produisait ne pouvaient pas exister. Non pas « avaient l'air bizarre » — ne pouvaient pas exister, au sens où …Lire →
- Des numéros de téléphone trop réguliersNous avons déjà écrit sur les faux numéros de téléphone qui ne peuvent pas exister(fake-phone-numbers-that-cannot-exist.md) — des numéros dont le code de central commençait par un chiffre que le plan …Lire →
- Des poids devinés coûtent dix fois plus cher que la quantificationPendant longtemps, nous avons présenté un seul défaut comme le problème sérieux de nos données de fréquence des noms : des poids compressés dans un unique octet, si bien que la moitié d'une liste fini…Lire →
- Enracinés ou importés ? Les distinguer avec le seul registreL'institut national de statistique espagnol, l'INE, publie ses noms de famille sans accents. GARCIA, MARTINEZ, TRAORE, CALDERON — 86 512 lignes, dont 1 832 portent un Ñ et zéro un accent aigu ou un tr…Lire →
- Krzysztof a culminé en 1971. Kacper a culminé en 2001. Comment les cohortes de naissance séparent les migrants de leurs enfantsDans les données de prénoms de la Norvège, Krzysztof passe de zéro à 1 148 personnes dans la cohorte de naissance 1971 — puis s'effondre à 14 dans la cohorte 2001. Kacper, également polonais, fait exa…Lire →
- L'autorité n'est pas une propriété des lignesIl existe en Ouganda un conseil municipal nommé MASAKA TOWN COUNCIL. Il compte 5 731 habitants et se situe dans le Manafwa District, à l'extrême est du pays, tout contre la frontière kényane. Il exist…Lire →
- L'office statistique espagnol supprime les accents des noms à desseinSi vous vous êtes déjà demandé pourquoi tant de bases de données croient que les Espagnols s'appellent Jose, Angel et Maria, la preuve tient sur un seul écran. Nous avons téléchargé les deux fichiers …Lire →
- La Turquie n'a pas eu de noms de famille avant 1934 — et cela se lit encore dans le top 10Le nom de famille le plus répandu en Turquie signifie « ne renonce pas ». Le deuxième signifie « rocher ». Le troisième signifie « fer ». Puis : acier, étoile, faucon, foudre, Turc pur, éclairé, fer p…Lire →
- La couche qui tombe : pourquoi les corpus de noms de famille manquent systématiquement les cinquante dernières annéesDans le registre national norvégien des noms de famille, Mohamed est porté par 3 885 personnes. Cela le place au rang 99 — devant un très grand nombre de noms que la plupart des gens qualifieraient de…Lire →