Question

因此，我在rstudio中使用了'babynames'软件包，并试图获取35个最常见的中性名称。我正在尝试根据50-50行的均方误差对名称进行排名（但是，我不确定如何执行此操作）。任何帮助将不胜感激！（同样在我的代码下方，我将放置给出的“参考代码”，其中包括前35个中性名称）。

参考代码：

actual_names <- c("Jessie", "Marion", "Jackie", "Alva", "Ollie",
                  "Jody", "Cleo", "Kerry", "Frankie", "Guadalupe", 
                  "Carey", "Tommie", "Angel", "Hollis", "Sammie",
                  "Jamie", "Kris", "Robbie", "Tracy", "Merrill", 
                  "Noel", "Rene", "Johnnie", "Ariel", "Jan", 
                  "Devon", "Cruz", "Michel", "Gale", "Robin", 
                  "Dorian", "Casey", "Dana", "Kim", "Shannon")

Answer 1

我认为，有几种方法可以回答所提出的问题，因为在“最受欢迎”和“最中性”之间需要权衡。

这是一种准备数据以收集每个姓名的某些统计信息的方法。

library(babynames)
library(tidyverse)
babynames_share <-
  babynames %>%
  filter(year >= 1930, year <= 2012) %>%
  count(name, sex, wt = n) %>% 
  spread(sex, n, fill = 0) %>% 
  mutate(Total = F + M,  
         F_share = F / Total,
         MS_50 = ((F_share-0.5)^2 + 
               (0.5-F_share)^2) / 2)

看起来大约有100个名字具有完全的性别均等-但它们很少见：

babynames_share %>%
  filter(F == M) %>%
  arrange(-Total) 
# A tibble: 100 x 6
   name         F     M Total F_share RMS_50
   <chr>    <dbl> <dbl> <dbl>   <dbl>  <dbl>
 1 Tyjae      157   157   314     0.5      0
 2 Callaway   128   128   256     0.5      0
 3 Avyn       100   100   200     0.5      0
 4 Zarin       92    92   184     0.5      0
 5 Tkai        72    72   144     0.5      0
 6 Rayen       57    57   114     0.5      0
 7 Meco        43    43    86     0.5      0
 8 Pele        40    40    80     0.5      0
 9 Nijay       35    35    70     0.5      0
10 Mako        27    27    54     0.5      0
# … with 90 more rows

或者我们可以选择任意阈值作为男女通用。在上面的示例中，我计算了男性和女性百分比份额的均方误差。我们可以绘制出这样的图，以便在顶部看到性别非常明显的名称（按此度量，MS_50在0.25处最高），而在底部则显示中性名称。但是对我来说，尚不清楚我们应该把一个名字归为男女通用的程度。凯西是男性，占58.9％，因此男女均方误差为8.9％^ 2 = 0.79％？还是我们需要进一步研究男性占50.8％的杰西（Jessie）？

babynames_share %>%
  ggplot(data = .,
         aes(Total, MS_50, label = name)) +
  geom_point(size = 0.2, alpha = 0.1, color = "gray30") +
  geom_text(data = . %>% filter(Total > 10000),
            check_overlap = TRUE, size = 3) +
  scale_x_log10(breaks = c(10^(1:7)), 
                labels = scales::comma)

在性别平等的“凯西”级别，这是前35名：

unisex_names <- babynames_share %>% 
  filter(MS_50 <= 0.00796) %>%
  arrange(-Total) %>%
  top_n(35, wt = Total)

有趣的是，可以看到整个名字范围，其中大多数男性在底部，女性在顶部，而男女通用在中间：

babynames_share %>%
  ggplot(data = .,
         aes(Total, F_share, label = name)) +
  geom_point(size = 0.2, alpha = 0.1, color = "gray30") +
  geom_text(data = . %>% filter(Total > 10000),
            check_overlap = TRUE, size = 2) +
  scale_x_log10(breaks = c(10^(1:7)), 
                labels = scales::comma)

如何使用MSE功能-婴儿名称示例

1 个答案: