Registro Nacional de Personas Desaparecidas y No Localizadas de México

墨西哥失踪和未定位人员国家注册表（RNPDNO）是由墨西哥国家搜索委员会（CNB）管理的官方数据库，集中并更新了该国失踪人员的信息。数据集来源于Consulta Pública del RNPDNO。

The National Registry of Missing and Unlocated Persons in Mexico (RNPDNO) is an official database managed by the National Search Commission of Mexico (CNB), which centralizes and updates information regarding missing persons within the country. The dataset is sourced from the Consulta Pública del RNPDNO.

原始信息汇总

数据集概述：墨西哥失踪及未定位人员登记数据

数据集基本信息

• 数据来源：墨西哥国家失踪及未定位人员登记处(RNPDNO)
• 官方管理机构：墨西哥国家搜寻委员会(CNB)
• 原始数据地址：https://consultapublicarnpdno.segob.gob.mx/consulta
• 数据状态：仅包含当前仍处于失踪/未定位状态的人员记录

数据特性说明

1. 记录性质：

   • 所有登记人员均视为受害者（包括自愿失踪情况）
   • 存在重复记录（不同机构独立上报同一案例）

2. 数据更新机制：

   • 已定位人员会从登记中移除
   • 包含标记为"CONFIDENCIAL"的保密字段

3. 关键时间字段：

   • 优先使用FECHA_DESAPARICION（失踪日期）
   • 次选FECHA_REGISTRO（登记日期）

分析维度

时间维度分析

• 年度趋势分析（全国/州级层面）
• 月度趋势对比（示例：锡那罗亚州2024年数据）

空间维度分析

• 州级分布比较（2024年分布地图）
• 市级热点识别（含未明确标注市级的数据）

人口统计维度

• 年龄-性别分布特征（2024年散点图）
• 人口统计学风险群体识别

分析结果可视化

• 年度趋势图：./imgs/anual_0.png（全国）、./imgs/anual_25.png（州级）
• 月度对比图：./imgs/mensual_25_2024.png
• 空间分布图：./imgs/estatal_2024.png、./imgs/municipal_2024.png
• 统计表格：./imgs/tabla_tasa.png（过滤后）、./imgs/tabla_absolutos.png（原始数据）
• 人口特征图：./imgs/tasa_edad_2024.png

技术需求

• Python版本：3.13
• 依赖管理：通过requirements.txt文件配置

搜集汇总

数据集介绍

构建方式

该数据集源自墨西哥国家失踪与未定位人员登记处（RNPDNO），由墨西哥国家搜索委员会（CNB）官方维护，通过公开查询平台[Consulta Pública del RNPDNO](https://consultapublicarnpdno.segob.gob.mx/consulta)整合而成。数据采集过程中严格遵循受害者隐私保护原则，剔除了已确认定位的个案记录，并对标记为'CONFIDENCIAL'的敏感字段进行特殊处理。数据清洗时采用去重机制解决多机构重复登记问题，并以'FECHA_DESAPARICION'作为核心时间维度进行标准化处理。

特点

数据集具有鲜明的社会问题研究价值，完整记录了墨西哥全境持续未解决的失踪案件时空分布。其特色在于包含多层级地理信息（国家/州/市）和人口统计学特征，支持跨年度趋势分析与区域对比研究。值得注意的是，数据采用动态更新机制，案件状态变更会导致记录移除，这种实时性为研究墨西哥公共安全态势演变提供了独特视角。数据字段设计兼顾法律严谨性与研究实用性，特别标注自愿失踪案例以符合墨西哥法律对'受害者'的界定标准。

使用方法

研究人员可通过配套Python脚本（需3.13版本）进行多维分析，脚本内置处理逻辑可自动解决数据重复、缺失值等问题。典型应用场景包括：基于'FECHA_DESAPARICION'字段的年度趋势可视化，结合地理编码的犯罪热点地图生成，以及跨区域失踪率对比分析。数据集可与墨西哥国家公共安全系统犯罪数据（SESNSP）进行关联研究，脚本中已集成相关数据接口。使用时需注意置信度标记字段的过滤处理，并优先采用原始失踪日期而非登记日期进行分析以确保时序准确性。

背景与挑战

背景概述

墨西哥国家失踪与未定位人员登记数据集（Registro Nacional de Personas Desaparecidas y No Localizadas de México）由墨西哥国家搜寻委员会（Comisión Nacional de Búsqueda, CNB）主导创建并维护，旨在系统整合全国范围内的失踪人员信息。该数据集作为政府公开数据平台的重要组成部分，为研究墨西哥人口失踪现象提供了权威的实证基础，其数据来源直接关联墨西哥公共安全领域的核心议题。通过标准化记录失踪案件的时间、地域和人口特征等关键维度，该数据集不仅服务于政策制定与执法行动，更为学术界开展犯罪模式分析、社会风险预警等研究提供了宝贵资源。

当前挑战

该数据集面临多重技术与社会层面的挑战。在数据质量方面，存在重复登记现象，同一失踪案例可能因多机构独立录入而产生冗余记录；部分敏感字段被标记为机密信息，导致数据完整性受损。时效性约束体现为数据集仅包含未解决案件，已定位个案会被移除，这虽符合隐私保护原则，但限制了纵向研究的连续性。地理粒度方面，市级行政单位数据存在显著缺失，影响区域风险分析的精确性。更根本的挑战在于，如何平衡数据透明度与受害者隐私保护，以及如何建立跨机构的数据协调机制以避免信息碎片化。这些挑战直接制约着数据集在犯罪预防和社会政策评估中的应用深度。

常用场景

经典使用场景

在人口统计学与公共安全交叉领域，该数据集为研究墨西哥失踪人口时空分布特征提供了核心数据支撑。通过整合各州、市两级行政单元的年度失踪案例，研究人员能够构建多维分析模型，揭示地理差异性与时间演变规律，特别是对犯罪高发区域与特殊人口结构的关联性研究具有独特价值。

衍生相关工作

基于该数据集衍生的研究已形成多个学术分支，包括《墨西哥毒品战争与人口失踪的时空关联》等标志性成果。数据清洗方法论方面的创新尤为突出，如解决重复登记问题的去重算法已成为类似研究的范本。近期更有研究将其与卫星夜光数据结合，开创了犯罪地理学研究新范式。

数据集最近研究

最新研究方向

近年来，墨西哥失踪与未定位人口国家登记数据集（RNPDNO）已成为社会学、犯罪学与公共政策领域的重要研究对象。该数据集由墨西哥国家搜索委员会（CNB）维护，记录了全国范围内失踪人口的关键信息，为研究人口失踪现象提供了宝贵的一手资料。前沿研究主要聚焦于失踪人口时空分布模式分析、人口统计学特征挖掘以及与犯罪率的相关性建模。学者们通过机器学习技术，探索失踪事件与地区治安状况、经济指标之间的潜在关联，为政府制定针对性干预措施提供数据支持。热点研究方向还包括开发数据融合方法，整合警方报案记录、法医数据库等多源信息，以解决数据重复记录和部分字段缺失问题。这些研究不仅有助于理解墨西哥复杂的安全形势，也为拉美地区类似社会问题的解决提供了参考框架。