知识卡片
公开数据的分母有收录边界
公开姓名文件为隐私保护省略低频记录,所以文件内births之和只是已收录记录的合计。本例用它作年度、性别组的比例分母,得到的是该口径下的占比,不能直接称为全部实际出生人口的比例。原书“超过5次”的措辞也不能代替数据版本说明;SSA现行页说明排除少于5次等可能泄露身份的姓名记录。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
这些文件中仅含有当年出现超过5次的名字。为了简单起见,我们可以用births列的sex分组小计表示该年度的births总计: In [371]: names1880.groupby('sex').births.sum() Out[371]: sex F 90993 M 110493 Name: births 由于该数据集按年度被分隔成了多个文件,所以第一件事
参考来源
- 位置:《利用Python进行数据分析》第2章《1880-2010年间全美婴儿姓名》(spine259;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0245.html;u036-ch02-015)。
- 结论依据:原文在“这些文件中仅含有”附近的定义、例子或代码支撑本卡核心说明:公开姓名文件为隐私保护省略低频记录,所以文件内births之和只是已收录记录的合计。边界按已读前提解释;示例未执行。
- 原始内容:这些文件中仅含有当年出现超过5次的名字。为了简单起见,我们可以用births列的sex分组小计表示该年度的births总计: In [371]: names1880.groupby('sex').births.sum() Out[371]: sex F 90993 M 110493 Name: births 由于该数据集按年度被分隔成了多个文件,所以第一件事