french_first_names_insee_2024

该数据集包含从INSEE（法国国家统计和经济研究所）提供的死亡记录中提取的法国名字，涵盖1970年至2024年9月的时间段。数据集包含三个特征列：'firstname'（死者的名字）、'sexe'（性别指示符，1表示男性，2表示女性）和'occurrences'（记录中名字的出现次数）。数据经过过滤处理，只包括长度大于1个字符、不重复单个字符且至少出现两次的名字。数据集可用于历史分析、人口研究、性别分类、文化演变研究和家谱研究等多种用途。

This dataset comprises French names extracted from death records provided by INSEE (Institut National de la Statistique et des Études Économiques, the French National Institute of Statistics and Economic Studies), spanning the period from 1970 to September 2024. It includes three feature columns: 'firstname' (the name of the deceased), 'sexe' (gender indicator, where 1 denotes male and 2 denotes female), and 'occurrences' (the number of times the name appears in the records). The data has been filtered to retain only names with a length greater than 1 character, no repeated individual characters, and a minimum of two occurrences. This dataset can be utilized for various applications including historical analysis, demographic research, gender classification, studies on cultural evolution, and genealogy research.

原始信息汇总

French First Names from Death Records (1970-2024)

数据集描述

数据来源

• 数据来源于INSEE（法国国家统计与经济研究所）的死亡记录数据库。
• 包含法国死亡记录中的名字，提供了不同代际命名模式的宝贵见解。

时间范围

• 开始时间：1970年
• 结束时间：2024年9月

特征

数据集包含以下三列：

• firstname：死者的名字
• sexe：性别指示符（1 = 男性，2 = 女性）
• occurrences：记录中名字的出现次数

数据处理

数据经过以下过滤标准进行清洗：

• 名字长度大于1个字符
• 名字不是由重复的单个字符组成
• 仅包含至少出现2次的名字

数据格式

• 文件格式：CSV
• 编码：UTF-8
• 分隔符：逗号（,）

使用场景

该数据集可用于以下目的：

• 法国命名模式的历史分析
• 人口统计研究
• 法国名字的性别分类
• 文化演变研究
• 家谱研究

许可证

MIT许可证

引用

bibtex @dataset{french_first_names_insee_2024, author = {Ronan Le Meillat}, title = {French First Names from Death Records (1970-2024)}, year = {2024}, publisher = {Hugging Face}, source = {INSEE}, }

数据集创建

数据收集

数据从INSEE的死亡记录数据库中提取，该数据库维护法国所有死亡的官方记录。

预处理

1. 从死亡记录中提取名字
2. 过滤掉只有1个字符的名字
3. 过滤掉由重复单个字符组成的名字
4. 移除只出现一次的名字
5. 性别编码（1为男性，2为女性）
6. 统计每个名字的出现次数

数据集结构

python DatasetDict({ train: Dataset({ features: [firstname, sexe, occurrences], num_rows: 98244 }) })

附加信息

源数据

原始数据来自INSEE（法国国家统计与经济研究所）。

维护

该数据集是一个静态快照，反映截至2024年9月的死亡记录。

已知限制

• 数据集仅包含死亡记录中的名字，可能无法完全代表当代命名模式
• 历史记录可能存在拼写或记录不一致的情况
• 数据集仅包含至少出现2次的名字，可能排除一些罕见或独特的名字

致谢

感谢INSEE使这些数据公开可用。

搜集汇总

数据集介绍

构建方式

该数据集基于法国国家统计与经济研究所（INSEE）提供的1970年至2024年9月的死亡记录构建。数据提取过程包括从死亡记录中筛选出名字长度大于1字符且不包含重复单字符的名字，并仅保留出现次数至少为2次的名字。此外，性别信息被编码为1（男性）和2（女性），并对每个名字的出现次数进行了统计。数据以CSV格式存储，采用UTF-8编码，字段间以逗号分隔。

特点

该数据集包含三个主要特征：`firstname`（名字）、`sexe`（性别）和`occurrences`（出现次数）。名字来源于法国死亡记录，涵盖了1970年至2024年9月的命名数据。性别信息以数字编码形式呈现，便于性别分类研究。出现次数统计了每个名字在记录中的频率，为命名模式的历史分析和人口统计研究提供了丰富的数据支持。

使用方法

该数据集适用于多种研究场景，包括法国命名模式的历史分析、人口统计研究、性别分类以及文化演变研究等。用户可以通过Hugging Face的`datasets`库加载数据集，具体代码为`load_dataset('eltorio/french_first_names_insee_2024')`。数据集以CSV格式提供，便于直接导入到数据分析工具中进行进一步处理。

背景与挑战

背景概述

法国名字数据集（french_first_names_insee_2024）由法国国家统计与经济研究所（INSEE）提供的死亡记录数据构建而成，涵盖了1970年至2024年9月期间的法国人名信息。该数据集由Ronan Le Meillat于2024年发布，旨在为研究者提供关于法国命名模式的历史视角。通过分析这些数据，研究者可以深入探讨法国社会文化变迁、性别命名偏好以及人口统计学特征。该数据集不仅为历史学家和人口统计学家提供了宝贵资源，还为文化演变研究和家谱学研究提供了重要支持。

当前挑战

该数据集在构建过程中面临多重挑战。首先，数据来源仅限于死亡记录，可能导致对当代命名模式的代表性不足，尤其是在年轻一代中。其次，历史记录中可能存在拼写或记录不一致的问题，增加了数据清洗的难度。此外，数据集仅包含出现次数大于等于2的名字，这可能排除了一些罕见或独特的名字，影响了数据的全面性。在应用层面，尽管该数据集可用于性别分类和文化演变研究，但其静态特性限制了其在实时分析中的应用。这些挑战要求研究者在利用该数据集时，需谨慎考虑其局限性，并结合其他数据源进行综合分析。

常用场景

经典使用场景

在法国社会文化研究中，`french_first_names_insee_2024`数据集被广泛用于分析命名趋势的演变。通过对1970年至2024年间死亡记录中的名字进行统计，研究者能够追踪不同年代中法国人名的流行变化，揭示社会文化背景对命名习惯的影响。该数据集为历史学家、社会学家和人口统计学家提供了宝贵的数据支持，帮助他们深入理解法国社会的文化变迁。

实际应用

在实际应用中，`french_first_names_insee_2024`数据集为法国政府机构和研究机构提供了重要的参考依据。例如，该数据集可用于优化人口统计模型，帮助政府制定更精准的社会政策。同时，该数据集也为文化研究机构提供了丰富的数据资源，支持其对法国命名文化的深入分析和传播。

衍生相关工作

基于`french_first_names_insee_2024`数据集，许多经典研究工作得以展开。例如，研究者利用该数据集开发了法国名字性别分类模型，为自动化性别识别提供了技术支持。此外，该数据集还被用于构建法国命名文化演变的时间线，为相关领域的学术研究提供了重要的数据支撑和理论依据。