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。

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。