中文姓名与性别的相关性分析

原始数据：./data/

基本字段：

• 姓名：name
• 性别：gender
• 省份：province
• 民族：nation

省份和民族字段不一定都有。可以扩展用于研究不同省份和民族的名字特征。

数据格式化

grep ",女" data/chinese_name_gender_0*.csv|cut -d, -f1|cut -d: -f2|sort|uniq > data/female.txt

grep ",男" data/chinese_name_gender_0*.csv|cut -d, -f1|cut -d: -f2|sort|uniq > data/male.txt

测试

python test.py