河本の実験室: Wikipediaのデータで人生解析をしてみよう

■概要

人物に関するWikipediaの項目は人の出生から生き方、死に方まで色々載ってる。

せっかく大量にあるんだし、人の人生に関する解析をしてみよう。

例えば：

・こういう幼少を過ごした人はこうなるとか、

・こういう名前/誕生日の人はこういう人生を過ごしやすいっていうのは本当？とか、

・時代毎の名前/職業等傾向とか、
いろいろ調べてみよう。

■データ

・Wikipediaのデータベースダンプを取得、

・その中から人に関する項目だけ抽出（「存命人物」や「*没」などの文字列が含まれるエントリ）

・名字、名前、生年月日、死没日などをパースして取得。

・更にカテゴリ名に「日本の*」が含まれるエントリを日本人に関するエントリとして取得。

日本人は計119024人。

以下、雑多な解析結果。

■死亡した年と、その時の年齢

→近代化と共に寿命が伸びている様子が見える

→戦争時は（Wikipediaに載ってる人の）平均寿命が低くなっている

■「○子」みたいな名前の出現頻度

「まるこ」みたいな名前は少し昔のイメージがあるけど、実際どうなんだろう？

「○子」は1970年がピーク、古くは1875年ぐらいからある。

Wikipediaに載ってる一番若い「○子」は2006年生まれの幸田雛子

■名前の長さの平均

最近名前が短くなってる気がするけど、実際どうだろう？

生年毎の平均的な名前（の読み）の長さを算出してみた。

（読みの長さ＝拍の数。例えば「ヒョウ」＝2）

→名前の長さは単調減少している。

→戦時中は少しだけ増えてるのが気になる。

→2000年以降のばらつきはデータが少ないため。

■名前と人生

「こういう名前の人は溺死しやすい」「こういう名前はサッカー選手になりやすい」みたいなこと調べてみましたが、なんとなく名前差別とかでボコられそうなので割愛します。

■逮捕されやすい職業

一番逮捕されやすい職業はなんだろう？

職業が抽出できたエントリから、職業毎の「逮捕」という単語が含まれるエントリの割合を算出し、ランキングを作ってみた。

→「元幹部」エントリの９割（12人中11人）は逮捕済

→その他、いかにもな職業がランキング上位をしめた。

みんな逮捕されたくなかったらアナキストや元事業家は避けよう。

■誕生日分布
1月1日から12月31日まで、一番多い誕生日はいつだろう？
全データから算出：

→1月1日の誕生が多く、年末にかけての誕生日が少ない。
これって単に、届け出が適当だから？年末に生まれた子はキリよく1月1日の誕生日として届け出る人が多い、とかありそう。

1960年以降の誕生日：

→最近の誕生日だけにすると、1月1日のピークは消える。
昔の人は誕生日を盛ってた？

→今度は、3月31日の誕生日が異様に少ない。（多分有意に）
早生まれを避けるため？それにしては3月30日が下がってなさすぎる。

→7月7日がその付近と比べ1.7倍近い。
明らかに盛ってる。その他8月8日や12月12日などのゾロ目も多い傾向。

■職業毎の生まれた月
生まれた月でなりやすい職業とかあるのだろうか？
まず、全体での月ごとの生まれた人数：