Méthodologie | Time Machine

Dataset

Ce projet se base sur les recensements de 1832 et 1855. Les données sont extraites par un algorithme de machine learning à partir de la numérisation des recensements. Ces derniers nous ont également été fournis sous forme de feuille Excel.

Cependant, les données brutes comportent beaucoup d'erreurs de lecture. Nous avons alors décidé de travailler avec une version corrigée du recensement de 1855, fournie par Lucas Rappo. Pour le recensement de 1832, nous avons corrigé de manière semi-automatique le document Excel.

Nettoyage des données de 1832

Nous avons dû nettoyer de manière semi automatique les données brutes du recensement de 1832.

Voici la méthode employée en 3 points :

Extraction des noms des métiers des chefs de famille liés au nombre d'apparition depuis les données brutes grâce à la librairies Pandas de Python.
Correction de ces données à la main dans un tableau Excel
Réattribution de ces noms corrigés aux lignes correspondantes dans le dataset d'origine. Sur 3700 entrées 907 n'ont pas pu être corrigé

Choix de la catégorisation des métiers

Pour la catégorisation des métiers, nous nous sommes basés sur la catégorisation faite par Jean-Charles Biaudet dans son ouvrage Histoire de Lausanne. Il propose de regrouper les différentes professions selon le niveau de vie et du salaire. Son classement se présente de la façon suivante :

Les assistés

Les assistés correspondent aux habitants les plus démunis et ce groupe se compose de personnes devant être partiellement ou totalement assistées pour vivre. On peut notamment citer les infirmes, les personnes âgées et les orphelins. Au vue du faible nombre de chefs de famille pouvant être considérés comme "assistés", nous avons intégré ces personnes dans la catégorie "sans vocation".

Les journaliers et manoeuvres

Les journaliers et manoeuvres sont des personnes travaillant sur demande, à la journée ou sur de petites durées. Nous avons placé dans cette catégorie les personnes dont le métier précise "journalier", "manoeuvre" ou "garçon de place", ainsi que les professions telles que "crieur" et "messager".

Les ouvriers et domestiques

Les ouvriers et domestiques sont des employés de fabrique, des domestiques, des instituteurs et des femmes dans une situation très précaire malgré un emploi. Nous avons également classé toutes les professions féminines, les apprentis et commis, ainsi que les ouvriers et domestiques dans cette catégorie.

Les artisans

Les artisans ont une formation professionnelle et travaillent chez un maître. Cette catégorie est la plus grande et la plus variée de notre corpus. On peut citer comme exemple les cordonniers, gypsiers, charpentiers, tailleurs ou maçons.

La bourgeoisie

La bourgeoisie regroupe les personnes dont les revenus sont supérieurs à 1000 francs, notamment les pasteurs, les hauts fonctionnaires et les professeurs de l'Académie. Nous avons complété cette catégorie avec les métiers comme les élus politiques, les banquiers, médecins et professions juridiques estimant qu'ils appartiennent également à cette classe sociale.

Notre étude se donne pour but de comprendre l'organisation des quartiers et des métiers de la ville de Lausanne. Pour ce faire, nous souhaitons préciser les catégories afin de mieux comprendre la structure de la ville. Nous avons donc ajouté les catégories suivantes :

Les agriculteurs, fermiers et vignerons

Sans vocation

Cette dernière catégorie regroupe les locataires, les personnes sans vocation et les assistés mentionnés au début.

Les artistes

Cette catégorie contient les artistes de tout type, notamment des peintres et des pianistes.

Les fonctionnaires subalternes

Tous les fonctionnaires n'étant pas forcément de hauts fonctionnaires, nous avons ajouté cette catégorie afin d'y placer les secrétaires, inspecteurs, directeurs d'école et commissaires.

wordcloudmaitres artisans, marchands, commerçants.png

Les maitres artisans, marchands et commercants

Jean-Charles Biaudat relève que les maîtres artisans, marchands et commerçants forment, avec certains fonctionnaires subalternes, un groupe à revenu moyen, bien que ces revenus soient difficiles à estimer et varient en fonction de la branche concernée. Nous différencions donc dans cette catégorie les personnes ayant précisés le titre de maître devant leur profession artisanale, et les différents marchands et commerçants.

Finalement, nous avons ajouté une catégorie erreurs regroupant les professions n'ayant pas pu être identifiée ainsi que toutes les erreurs que nous n'avons pas pu corriger.

Le détail des catégories peut être téléchargé dans l'onglet documentation.

Catégorisation des métiers

Après le choix de cette catégorisation nous avons pu attribuer à chaque métier la catégorie correspondantes de manière semi automatique.

Voici la méthode employée en trois points :

Extraction des noms de métier du chef de famille liées à leurs nombre d'apparition depuis les données brutes grâce à la librairie Pandas de Python.
Attribution de ces métiers à la main dans un tableau Excel. Cette liste était constitué de 500 noms de métiers à catégoriser.
Réattribution de ces noms corrigés aux lignes correspondantes dans le dataset d'origine.

Nous avons effectué ces attributions pour le dataset de 1855 en premier. Pour gagner du temps nous avons réutilisé le fichier de 1855 pour le dataset de 1832 et complété les 50 noms de métier restant sans catégorie.

Division géographiques

Pour la division géographique de la ville, nous avons décidé de découper la ville en six zones selon les divisions définies dans le recensement de 1855 ainsi que certains points d'intérêts relevés par l'historien Jean-Charles Biaudet.

La carte ci-contre montre les différentes divisions choisies :

Division 1: Quartier du théâtre
Division 2: Quartier des affaires
Division 3: Quartier du commerce 1
Division 4: Quartier du commerce 2
Division 5: Quartier de la cathédrale
Division 6: Quartier du centre

Les points d'intérêts que nous avons définis sont des lieux qui auraient pu expliquer une division de la population selon les métiers que nous évaluons. Les points d'intérêts sont principalement la cathédrale, la tannerie, la place St. François et la banque, puis ces endroits sont présentés sur la carte interactive.

Grace à une méthodes semi automatique, similaires à la classification, nous avons classé chaque nom de rue dans une division pour compléter le dataset avec une colonne division_lieux_interets.

Pour le dataset de 1832 nous avons dû également procéder à un nettoyage des noms de rues. Il a parfois été difficile d'identifier et d'attribuer certains noms de rue, notamment en raison de l'illisibilité de certains noms avec une lecture automatique. Par conséquent, les noms de rue non-identifiés n'ont pour la plupart pas été classée.