Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
n
2
  "author": null,
n
2
  "author": "Eduardo Flores",
            
3
  "author_email": null,
3
  "author_email": "",
            
4
  "creator_user_id": "f377ea05-7c75-49c8-8579-cfdf548ccf82",
4
  "creator_user_id": "f377ea05-7c75-49c8-8579-cfdf548ccf82",
            
5
  "id": "2f4f2e93-fb20-423b-bf44-e68256bcc635",
5
  "id": "2f4f2e93-fb20-423b-bf44-e68256bcc635",
            
6
  "license_id": "cc-zero",
6
  "license_id": "cc-zero",
            
n
7
  "maintainer": null,
n
7
  "maintainer": "",
            
8
  "maintainer_email": null,
8
  "maintainer_email": "",
            
9
  "metadata_modified": "2017-10-25T18:02:28.805599",
9
  "metadata_modified": "2017-10-25T18:03:23.641051",
            
10
  "name": "muestra-de-nombres-y-apellidos-comunes-en-mexico",
10
  "name": "muestra-de-nombres-y-apellidos-comunes-en-mexico",
            
11
  "notes": "# Nombres Mexicanos\r\n\r\nPara generar un dataset 
11
  "notes": "# Nombres Mexicanos\r\n\r\nPara generar un dataset 
            
12
representativo de los nombres de personas en M\u00e9xico se us\u00f3 
12
representativo de los nombres de personas en M\u00e9xico se us\u00f3 
            
13
una idea tomada de 
13
una idea tomada de 
            
14
[datamx](http://datamx.io/dataset/nombres-mas-comunes-en-mexico) que 
14
[datamx](http://datamx.io/dataset/nombres-mas-comunes-en-mexico) que 
            
15
utiliza una [base de datos abierta de la Secretar\u00eda de 
15
utiliza una [base de datos abierta de la Secretar\u00eda de 
            
16
Educaci\u00f3n 
16
Educaci\u00f3n 
            
17
P\u00fablica](http://cumplimientopef.sep.gob.mx/registro_personal/) 
17
P\u00fablica](http://cumplimientopef.sep.gob.mx/registro_personal/) 
            
18
con los nombres de 1,256,438 trabajadores federalizados.\r\n\r\nLa 
18
con los nombres de 1,256,438 trabajadores federalizados.\r\n\r\nLa 
            
19
limpieza y el procesamiento de los datos est\u00e1 en 
19
limpieza y el procesamiento de los datos est\u00e1 en 
            
20
[analizar_nombres_sep.R](analizar_nombres_sep.R). Realiza lo 
20
[analizar_nombres_sep.R](analizar_nombres_sep.R). Realiza lo 
            
21
siguiente:\r\n\r\n* Elimina duplicados usando como llave el CURP\r\n* 
21
siguiente:\r\n\r\n* Elimina duplicados usando como llave el CURP\r\n* 
            
22
Obtiene el g\u00e9nero a partir del caracter 11 del CURP\r\n* Obtiene 
22
Obtiene el g\u00e9nero a partir del caracter 11 del CURP\r\n* Obtiene 
            
23
el a\u00f1o de nacimiento de los caracteres 5 y 6 del CURP\r\n* 
23
el a\u00f1o de nacimiento de los caracteres 5 y 6 del CURP\r\n* 
            
24
Calcula la edad de cada registro al a\u00f1o 2012 que es el de 
24
Calcula la edad de cada registro al a\u00f1o 2012 que es el de 
            
25
actualizaci\u00f3n seg\u00fan la p\u00e1gina de la SEP\r\n* Calcula 
25
actualizaci\u00f3n seg\u00fan la p\u00e1gina de la SEP\r\n* Calcula 
            
26
las frecuencias de los primeros y segundos apellidos, elimina los que 
26
las frecuencias de los primeros y segundos apellidos, elimina los que 
            
27
tienen una frecuencia menor a 5 y elimina algunos que son basura o 
27
tienen una frecuencia menor a 5 y elimina algunos que son basura o 
            
28
nulos. Crea un solo data frame y lo guarda.\r\n* Divide el dataset en 
28
nulos. Crea un solo data frame y lo guarda.\r\n* Divide el dataset en 
            
29
Hombres y Mujeres, calcula las frecuencias de los nombres en cada 
29
Hombres y Mujeres, calcula las frecuencias de los nombres en cada 
            
30
caso, elimina los que tienen una frecuencia menor a 5, calcula la edad 
30
caso, elimina los que tienen una frecuencia menor a 5, calcula la edad 
            
31
promedio para cada nimbre y guarda el data frame\r\n\r\nSe usa un 
31
promedio para cada nimbre y guarda el data frame\r\n\r\nSe usa un 
            
32
formato similar al de los [nombres y apellidos frecuentes en 
32
formato similar al de los [nombres y apellidos frecuentes en 
            
33
Espa\u00f1a](https://github.com/marcboquet/spanish-names/) de donde se 
33
Espa\u00f1a](https://github.com/marcboquet/spanish-names/) de donde se 
            
34
inspir\u00f3 este proyecto. Hay que notar que es una muestra grande 
34
inspir\u00f3 este proyecto. Hay que notar que es una muestra grande 
            
35
pero dos \u00f3rdenes de magnitud menor a lo que ser\u00eda una 
35
pero dos \u00f3rdenes de magnitud menor a lo que ser\u00eda una 
            
36
completa y que est\u00e1 segmentada al ser \u00fanicamente 
36
completa y que est\u00e1 segmentada al ser \u00fanicamente 
            
37
trabajadores de la SEP. Los archivos originales y procesados estan en 
37
trabajadores de la SEP. Los archivos originales y procesados estan en 
            
38
[data/sep](data/sep).\r\n",
38
[data/sep](data/sep).\r\n",
            
39
  "owner_org": null,
39
  "owner_org": null,
            
40
  "private": false,
40
  "private": false,
            
n
41
  "revision_id": "0a6dd4e7-f740-4d4f-b77f-c66592b5fa04",
n
41
  "revision_id": "870d80a2-b1f1-49e9-9599-ec1b31c2a58c",
            
42
  "state": "draft",
42
  "state": "active",
            
43
  "title": "Muestra de Nombres y Apellidos Comunes en M\u00e9xico",
43
  "title": "Muestra de Nombres y Apellidos Comunes en M\u00e9xico",
            
44
  "type": "dataset",
44
  "type": "dataset",
            
t
45
  "url": null,
t
45
  "url": "http://cumplimientopef.sep.gob.mx/registro_personal/",
            
46
  "version": null
46
  "version": "1.0"
            
47
}
47
}