Federal Bureau of Investigation (FBI) Hate Crime Data Clustered by Groups of People

该数据集包含从2009年到2024年从联邦调查局（FBI）的国家事件报告系统（NIBRS）获取的仇恨犯罪数据，按不同人群群体分类。数据集包括日期、各种人群群体的仇恨犯罪数量等信息。

This dataset comprises hate crime data sourced from the Federal Bureau of Investigation (FBI)'s National Incident-Based Reporting System (NIBRS) spanning the period from 2009 to 2024, categorized by different demographic groups. The dataset includes information such as dates and the number of hate crimes targeting various demographic groups.

原始信息汇总

联邦调查局（FBI）仇恨犯罪数据集

数据来源

• 原始数据于2024年11月9日从联邦调查局（FBI）的国家事件报告系统（NIBRS）下载，包含多个CSV文件。
• 数据公开地址：
  • https://www.fbi.gov/how-we-can-help-you/more-fbi-services-and-information/ucr/hate-crime
  • https://cde.ucr.cjis.gov/LATEST/webapp/#/pages/explorer/crime/hate-crime

数据处理

• 原始CSV文件通过Python脚本aggregate.py聚合为一个文件。
• 聚合后的CSV文件为hate_offenses_fbi_data.csv。
• 数据处理使用了Python 3、NumPy和Matplotlib库。

数据描述

• 数据列包括：日期、所有群体、美国印第安人或阿拉斯加原住民、阿拉伯人、亚洲人、无神论者/不可知论者、双性恋者、黑人、佛教徒、天主教徒、耶稣基督后期圣徒教会、东正教基督徒、女性、同性恋者、性别不一致者、异性恋者、印度教徒、西班牙裔、耶和华见证人、犹太人、女同性恋者、男性、精神障碍者、穆斯林、夏威夷原住民或其他太平洋岛民、其他宗教、身体残疾者、新教徒、锡克教徒、跨性别者、白人。
• 第一列是日期（YYYY-MM），其余列是针对相应群体的仇恨犯罪数量。

缺失值

• 原始数据中某些日期存在缺失值，聚合文件中以NaN表示。
• 2024年1月至2024年11月的数据均为NaN，可能是因为下载时数据不可用。

代码示例

• 数据读取示例代码见read_data.py。

图表

• 生成了一些基本图表，文件位于media目录。

许可证

• 本项目代码和数据处理脚本遵循GNU通用公共许可证（GPL），版本3或更高版本。
• 许可证文件为COPYING。

搜集汇总

数据集介绍

构建方式

该数据集源自美国联邦调查局（FBI）的国家事件报告系统（NIBRS），于2024年11月9日下载。原始数据为多个CSV文件，通过Python脚本[aggregate.py](aggregate.py)进行聚合，生成单一的CSV文件[hate_offenses_fbi_data.csv](hate_offenses_fbi_data.csv)。聚合过程中使用了NumPy和Matplotlib库进行数据处理和可视化。数据集涵盖了2009年至2024年的仇恨犯罪数据，按日期和受害群体分类，确保了数据的完整性和一致性。

特点

该数据集具有多维度分类的特点，涵盖了多种受害群体，如种族、宗教、性别和性取向等。每一行数据代表特定月份的仇恨犯罪统计，列出了各群体的受害次数。数据直接从NIBRS下载，未经二次计算，确保了数据的原始性和准确性。此外，数据集中包含了缺失值的标记，便于研究人员识别和处理不完整数据。

使用方法

用户可通过Python脚本[read_data.py](read_data.py)读取和分析数据，利用NumPy库进行数据加载和类型转换。数据集适用于社会科学研究、政策分析和公共安全评估等领域。用户可生成自定义图表，如[explore.py](explore.py)和[bigplot.py](bigplot.py)所示，以可视化仇恨犯罪的趋势和分布。数据集的开放性和详细文档支持，使其成为研究者和政策制定者的宝贵资源。

背景与挑战

背景概述

联邦调查局（FBI）仇恨犯罪数据集按人群分类，是由FBI的国家事件报告系统（NIBRS）于2024年11月9日下载的原始数据集。该数据集公开可用，并提供了详细的仇恨犯罪数据，涵盖了从2009年至2024年的各类仇恨犯罪事件。主要研究人员或机构为FBI，其核心研究问题在于通过详细的数据分类和统计，揭示不同人群在特定时间段内遭受仇恨犯罪的情况，从而为政策制定和法律实施提供科学依据。该数据集对社会科学研究、法律分析以及公共政策制定具有重要影响力，特别是在理解和应对仇恨犯罪方面。

当前挑战

该数据集在构建过程中面临多项挑战。首先，原始数据来自多个文件，需要通过Python脚本进行聚合，这涉及数据清洗和处理的技术难题。其次，数据中存在大量缺失值，这些缺失值以NaN表示，可能导致分析结果的不准确。此外，数据的时间跨度较大，从2009年到2024年，涵盖了多个社会和政治变化时期，这增加了数据分析的复杂性。最后，仇恨犯罪的定义和分类在不同地区和时间段可能有所不同，这要求研究人员在分析时进行细致的校准和解释。

常用场景

经典使用场景

该数据集的经典使用场景在于分析和可视化美国联邦调查局（FBI）记录的仇恨犯罪数据。通过聚合和处理来自NIBRS的原始CSV文件，研究者可以深入探讨不同群体在特定时间段内遭受仇恨犯罪的数量变化。例如，研究者可以分析2009年至2024年间，针对亚裔群体的仇恨犯罪频率，从而揭示社会动态与犯罪趋势之间的关联。

衍生相关工作

基于该数据集，已衍生出多项经典工作，包括对特定群体（如亚裔、非裔美国人）仇恨犯罪趋势的长期研究，以及对仇恨犯罪与社会经济指标（如失业率、教育水平）之间关系的深入探讨。这些研究不仅丰富了学术界的知识库，也为实际政策制定提供了科学依据。

数据集最近研究

最新研究方向

在犯罪学与社会学交叉领域，联邦调查局（FBI）的仇恨犯罪数据集已成为研究热点。最新研究方向聚焦于利用机器学习技术分析仇恨犯罪的趋势与模式，旨在揭示社会动态与犯罪行为之间的复杂关系。通过聚类分析和时间序列预测，研究人员能够更精准地识别高风险群体和区域，从而为政策制定者提供科学依据，以制定更具针对性的预防措施。此外，该数据集还被用于评估社会事件对仇恨犯罪率的影响，如政治选举、社会运动等，为理解社会结构与犯罪行为之间的互动提供了新的视角。