本章节以及后续章节的源码，当然也可以从我的github下载，在源码中我自己加了一些中文注释。
美国社会保障总署（SSA）提供了一份从1880年到现在的婴儿名字频率数据。你可以用这个数据集做很多事，例如：
计算指定名字（可以是你自己的，也可以是别人的）的年度比例。
计算某个名字的相对排名。
计算各年度最流行的名字，以及增长或减少最快的名字。
分析名字趋势：元音、辅音、长度、总体多样性、拼写变化、首尾字母等。
分析外源性趋势：圣经中的名字、名人、人口结构变化等。
美国社会保障总署将该数据库按年度制成了多个数据文件，其中给出了每个性别/名字组合的出生总数。这些文件的原始档案可以在这里获取：http://www.ssa.gov/oact/babynames/limits.html。
下载"National data"文件names.zip，解压后的目录中含有一组文件（如yob1880.txt）。
一、对所有婴儿姓名的预处理
1、文件是一个非常标准的以逗号隔开的格式，所以可以用pandas.read_csv将其加载到DataFrame中
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：
由于该数据集按年度被分隔成了多个文件，所以第一件事情就是要将所有数据都组装到一个DataFrame里面，并加上一个year字段。使用pandas.concat即可达到这个目的：
pieces是许多个DataFrame的集合：
每一个DataFrame的数据如下：
这里需要注意几件事情。第一，concat默认是按行将多个DataFrame组合到一起的；第二，必须指定ignore_index=True，因为我们不希望保留read_csv所返回的原始行号。现在我们得到了一个非常大的DataFrame，它含有全部的名字数据。有了这些数据之后，我们就可以利用groupby或pivot_table在year和sex级别上对其进行聚合了
2、以年为索引，性别为列，出生数为值。统计每年的男女出生总数
3、插入一个prop列，用于存放指定名字的婴儿数相对于总出生数的比例。prop值为0.02表示每100名婴儿中有2名取了当前这个名字。因此我们先按year和sex分组，然后再将新列加到各个分组上：
4、在执行这样的分组处理时，一般都应该做一些有效性检查，比如验证所有分组的prop的总和是否为1。
5、取出该数据的一个子集：每对sex/year组合的前1000个名字
这样也可以：
二、分析命名趋势
有了完整的数据集和刚才生成的top1000数据集，我们就可以开始分析各种命名趋势了。首先将前1000个名字分为男女两个部分：
1、生成一张按year和name统计总出生数透视表
2、用DataFrame的plot方法绘制几个名字的曲线图
结论：从图中可以看出，这几个名字在美国人民的心目中已经风光不再了。
三、评估命名多样性的增长
1、一种解释是父母愿意给小孩起常见的名字越来越少。这个假设可以从数据中得到验证。一个办法是计算最流行的1000个名字所占的比例，我按year和sex进行聚合并绘图。
结论：从图中可以看出，名字的多样性确实出现了增长（前1000项的比例降低）。
2、另一个验证办法是计算占总出生人数前50%的不同名字的数量，这个数字不太好计算。我们只考虑2010年男孩的名字：
在对prop降序排列之后，我们想知道前面多少个名字的人数加起来才够50%。虽然编写一个for循环确实也能达到目的，但NumPy有一种更聪明的矢量方式。先计算prop的累计和cumsum，然后再通过searchsorted方法找出0.5应该被插入在哪个位置才能保证不破坏顺序：
由于数组索引是从0开始的，因此我们要给这个结果加1，即最终结果为117。拿1900年的数据来做个比较，这个数字要小得多：
3、现在就可以对所有year/sex组合执行这个计算了。按这两个字段进行groupby处理，然后用一个函数计算各分组的这个值：
结论：从图中可以看出，女孩名字的多样性总是比男孩的高，而且还在变得越来越高。
四、最后一个字母的变革
1、 近百年来，男孩名字在最后一个字母上的分布发生了显著的变化。为了了解具体的情况，我首先将全部出生数据在年度、性别以及末字母上进行了聚合：
选出具有一定代表性的三年：
2、接下来我们需要按总出生数对该表进行规范化处理，以便计算出各性别各末字母占总出生人数的比例：
3、有了这个字母比例数据之后，就可以生成一张各年度各性别的条形图了
结论： 可以看出，从20世纪60年代开始，以字母"n"结尾的男孩名字出现了显著的增长。
4、回到之前创建的那个完整表，按年度和性别对其进行规范化处理，并在男孩名字中选取几个字母，最后进行转置以便将各个列做成一个时间序列：
5、有了这个时间序列的DataFrame之后，就可以通过其plot方法绘制出一张趋势图
五、变成女孩名字的男孩名字（以及相反的情况）
另一个有趣的趋势是，早年流行于男孩的名字近年来“变性了”，例如Lesley或Leslie。回到top1000数据集，找出其中以"lesl"开头的一组名字：
利用这个结果过滤掉其他的名字，并按名字分组计算出生数以查看相对频率
然后利用这个结果过滤其他的名字，并按名字分组计算出生数以查看相对频率：
按性别和年度进行聚合,并按年度进行规范化处理：
快速学习：
第一节 NumPy基础（一）
第二节 NumPy基础（二）
第三节 Pandas入门基础
第四节 数据加载、存储
第五节 数据清洗
第六节 数据合并、重塑
第七节 数据聚合与分组运算
第八节 数据可视化
第九节 pandas高级应用
第十节 时间序列
第十一节 Python建模库
数据分析案例--1880-2010年间全美婴儿姓名的处理
数据分析案例--MovieLens 1M数据集
数据分析案例--USA.gov数据
数据分析案例--2012联邦选举委员会数据库
数据分析案例--USDA食品数据库