suicidios

该数据集包含墨西哥自杀死亡数据，基于INEGI的微观数据构建，涵盖1990年至今的时间序列。数据按性别、死亡原因（包括绞杀、枪械、中毒和其他原因）和居住地区分类，使用CIE-10分类系统进行标准化编码，确保历史可比性。数据集经过清洗和整合，移除了冗余字段，适用于探索性分析、比较可视化和深入研究。

This dataset contains Mexican suicide mortality data, constructed based on microdata from INEGI, covering time series from 1990 to the present. The data is categorized by gender, cause of death (including strangulation, firearms, poisoning, and other causes), and residential region, with standardized coding implemented via the CIE-10 classification system to ensure historical comparability. The dataset has been cleaned and integrated, with redundant fields removed, making it suitable for exploratory analysis, comparative visualization, and in-depth research.

原始信息汇总

墨西哥自杀数据集概述

数据集基本信息

• 数据集名称：墨西哥自杀数据
• 数据来源：墨西哥国家统计与地理研究所（INEGI）死亡微观数据
• 数据获取地址：https://www.inegi.org.mx/programas/edr/#microdatos
• 数据格式：CSV（data.csv）

数据收集与处理

时间范围

• 覆盖1990年至今的死亡记录

分类标准

• 1990–1997年：使用LISTA_BAS字段中的代码52（基本列表中的自伤）
• 1998年至今：使用LISTA1字段中的代码101（ICD-10分类）

数据处理

• 数据经过筛选和清洗后合并到单个CSV文件
• 删除冗余字段以提高分析效率

数据局限性

• 仅包含正式分类为自杀的死亡记录
• 部分记录存在年龄、性别或居住州等重要变量缺失
• 使用居住州而非发生州进行分析
• 性别分类至关重要，男女模式差异显著

自杀原因分类

• 上吊
• 枪械
• 中毒
• 其他原因

分析脚本功能

tendencia.py

• 生成按性别和死因分类的自杀率趋势线图
• 使用CONAPO人口预测数据计算标准化率

mapa_coropletico.py

• 生成州级自杀率分布地图
• 提供按州和性别分类的详细数据排序

mapa_calor.py

• 生成按五岁年龄组和性别分类的热图
• 显示随时间变化的自杀率演变

comparacion_causas.py

• 比较不同自杀原因的死亡情况
• 包含性别比例、年度趋势、年龄分布和州级分析

calendario.py

• 分析自杀事件的年度日历分布
• 检测季节性模式和重复出现的日期

数据应用

• 探索性分析
• 比较可视化
• 深入研究社会问题
• 支持学术研究、报告和公共政策

搜集汇总

数据集介绍

构建方式

在公共卫生研究领域，构建自杀死亡数据库需兼顾历史连续性与分类标准统一性。该数据集基于墨西哥国家统计与地理研究所（INEGI）的死亡微数据，通过跨年度编码映射确保数据可比性：1990-1997年采用基础列表代码52标识自残行为，1998年后遵循国际疾病分类标准（CIE-10）使用代码101。数据整合阶段通过自动化脚本过滤冗余字段，最终生成包含关键变量的标准化文件data.csv，有效解决了长期研究中分类体系变迁带来的方法论挑战。

使用方法

研究者可通过模块化Python脚本实现全流程分析，各脚本针对特定研究维度设计：tendencia.py生成时间趋势可视化，mapa_coropletico.py构建空间分布地图，mapa_calor.py展示年龄-时间热力图，comparacion_causas.py提供多角度病因对比，calendario.py则揭示时间聚集规律。运行环境需配置Python 3.13及以上版本及requirements.txt列出的依赖库，从数据获取、清洗到生成学术级图表形成完整工作流，所有可视化结果均支持直接用于学术出版物或政策研究报告。

背景与挑战

背景概述

墨西哥自杀数据集由公共研究机构基于国家统计与地理研究所的死亡微数据构建，聚焦于社会公共卫生领域的自杀行为模式分析。该数据集通过系统整合1990年至今的标准化死亡记录，采用国际疾病分类编码体系与本土统计规范的动态适配策略，旨在建立跨时期可比的自杀死亡数据库。其核心价值在于通过多维度变量解构自杀现象的空间分布、人口学特征与时间演变规律，为公共政策制定和学术研究提供实证基础。

当前挑战

领域研究面临自杀行为隐蔽性与统计口径一致性的双重挑战，需解决不同时期疾病分类系统迁移导致的数据连续性断裂问题。在数据构建过程中，原始记录存在关键变量缺失与地域编码不一致现象，同时需平衡自杀方式分类的粒度与可比性。跨年度人口基数换算与性别差异分析要求引入标准化计算方法，而行政数据固有的报告延迟与漏报现象进一步增加了趋势分析的复杂性。

常用场景

经典使用场景

在公共卫生研究领域，该数据集通过标准化脚本实现了对墨西哥自杀现象的纵向追踪分析。其核心应用聚焦于多维度趋势解析，包括基于人口统计学的性别差异比较、不同自杀方式的演变规律，以及地理空间分布特征的可视化呈现。通过整合INEGI机构三十余年的死亡登记微数据，研究者能够构建具有时序连续性的分析框架，揭示社会因素与自杀率波动的潜在关联。

解决学术问题

该数据集有效解决了社会科学研究中长期存在的三个关键问题：其一，通过建立跨分类系统的数据等效规则，克服了国际疾病分类标准迭代带来的历时性比较障碍；其二，基于CONAPO人口投影的标准化计算，消除了因人口基数变化导致的统计偏差；其三，通过精细化的人口学变量分层，为探究年龄队列效应、性别差异机制及区域文化影响因素提供了实证基础，显著提升了自杀研究的科学性与可比性。

实际应用

在公共政策制定层面，该数据集支撑着精准化干预策略的开发。卫生部门借助其地理热力图识别自杀高发区域，优化心理健康服务资源配置；教育机构通过年龄群组分析加强重点人群的心理危机干预；司法系统则依据自杀方式分布特征推进危险物品管控立法。这些应用不仅体现了数据驱动的决策优势，更形成了从监测预警到政策评估的完整治理闭环。

数据集最近研究

最新研究方向

基于墨西哥自杀数据集的前沿研究聚焦于多维度公共卫生分析，通过整合时空动态与人口统计学特征探索自杀行为的演化规律。当前研究重点包括运用机器学习方法识别高风险人群的时空聚集模式，结合社会经济指标分析区域差异的深层动因，以及通过自然语言处理技术挖掘临床记录中的潜在预警信号。该领域正从传统的描述性统计转向预测性建模，特别是在性别差异分析和自杀手段演变趋势方面取得显著进展，为制定精准干预策略提供了数据驱动的科学依据。