Introducción

En España hay gran diversidad de nombres de todas las nacionalidades, tanto para hombres como para mujeres. Aquí analizo cuales son los más comunes. También los nombres que por término medio se utilizan más en adultos así como en los más pequeños de la familia.

Datos

Descargo los datos de los hombres y las mujeres.

Nombres más comunes de hombres

Los 10 nombres con mayor frecuencia entre españoles

Nombres más comunes de mujeres

Los 10 nombres con mayor frecuencia entre las españolas

Nombres adultos

Vamos a ver qué nombre de mujer y de hombre son los que tienen una mayor edad de media y expresaremos esta información en una tabla. En hombres hay dos nombres que tienen la máxima edad de media.

Nombre	Edad media
Nombres con mayor edad de media
En España
ALBERT EDWARD	74.8
ALBERT WILLIAM	74.8
CANUTA	80.9

Nombres más comunes por orden

Nombres de infantiles

Nombres con una edad de media menor de los 3 años

Media de edad	Nombre
Nombres más comunes entre los menores de 3 años
Para hombres y mujeres en España
2.9	MALAK
2.6	NAIALA
2.9	ALAE
2.9	ISRAE
2.5	YUMALAY
2.7	JARE
2.3	YUMALAI
2.7	AAYA
2.5	ARHANE
1.9	RIHANNA
2.4	ABRAR
2.5	NEKAL
2.5	SURI
2.7	MAYSAA
2.5	MILEY
2.2	IZEL
2.8	ROEYA
2.8	YI XIN
2.5	SARA ANDREEA
3.0	TASSNIM
2.6	YUSRAA
2.2	RAYAN
2.9	NEIZAN
2.6	EIDAN
2.1	MOHAMED RAYAN
1.4	RAYYAN
2.8	EIZAN
1.5	HAOXUAN
2.5	ZAREK
2.5	ZI HAO
2.1	ANIR
2.9	ERIC ANDREI
2.5	EYDAN

Conclusión

Este análisis no permite extraer conclusiones detalladas, pero hemos podido mover los datos y conocer información a cerca de los diferentes nombres que existen en España.

--- title: "Nombres de hombres y mujeres en España" description: | Analizaremos los diferentes nombres de hombres y mujeres en España teniendo en cuenta la edad media y la frecuencia. author: - name: Leire Montón (leimon2@alumni.uv.es) date: 2023-01-13 categories: [trabajo BigData individual] image: "foto_nombres.jpg" title-block-banner: true #- {true, false, "green","#AA0000"} title-block-banner-color: "white" #-"#FFFFFF" toc: true toc-location: left toc-depth: 3 smooth-scroll: true format: html: #backgroundcolor: "pink" #embed-resources: true link-external-newwindow: true #css: ./assets/my_css_file.css #- CUIDADO!!!! code-tools: true code-link: true --- # Introducción En España hay gran diversidad de nombres de todas las nacionalidades, tanto para hombres como para mujeres. Aquí analizo cuales son los más comunes. También los nombres que por término medio se utilizan más en adultos así como en los más pequeños de la familia. ```{r, setup, include=FALSE, echo=FALSE} knitr::opts_chunk$set( comment = '', fig.width = 6, fig.height = 6 ) ``` # Datos Descargo los datos de los hombres y las mujeres. ```{r, include=FALSE, warning=FALSE} #- Descargamos la tablas de nombres de mujeres y de hombre my_url <- "https://raw.githubusercontent.com/marcboquet/spanish-names/master/hombres.csv" curl::curl_download(my_url, "./datos/hombres.csv") my_url2 <- "https://raw.githubusercontent.com/marcboquet/spanish-names/master/mujeres.csv" curl::curl_download(my_url2, "./datos/mujeres.csv") # Cagar los datos dfh <- rio::import("./datos/hombres.csv") #- str(dfh) dfm <- rio::import("./datos/mujeres.csv") #- str(dfm) library(tidyverse) library(ggplot2) library(scales) library(plotly) library(sf) library(gt) ``` # Nombres más comunes de hombres **Los 10 nombres con mayor frecuencia entre españoles** ```{r, echo=FALSE, message=FALSE, warning=FALSE} dfhrep <- dfh %>% group_by(nombre, edad_media) %>% summarise(frec = sum(frec)) %>% ungroup() %>% select(nombre, frec, edad_media) %>% slice_max(frec, n = 10) p1 <- ggplot(dfhrep, aes(y = nombre, x = frec)) + geom_col(fill = "steelblue") + scale_x_continuous(labels = label_comma()) p1 ``` # Nombres más comunes de mujeres **Los 10 nombres con mayor frecuencia entre las españolas** ```{r, echo=FALSE, message=FALSE, warning=FALSE} dfmrep <- dfm %>% group_by(nombre, edad_media) %>% summarise(frec = sum(frec)) %>% ungroup() %>% select(nombre, frec, edad_media) %>% slice_max(frec, n = 10) p2 <- ggplot(dfmrep, aes(y = nombre, x = frec)) + geom_col(fill = "steelblue") + scale_x_continuous(labels = label_comma()) p2 ``` # Nombres adultos Vamos a ver qué nombre de mujer y de hombre son los que tienen una mayor edad de media y expresaremos esta información en una tabla. En hombres hay dos nombres que tienen la máxima edad de media. ```{r, echo=FALSE, message=FALSE, warning=FALSE} edadh <- dfh %>% group_by(nombre) %>% select(nombre, edad_media) %>% ungroup() %>% top_n(1, edad_media) edadm <- dfm %>% group_by(nombre) %>% select(nombre, edad_media) %>% ungroup() %>% top_n(1, edad_media) max_edad_media <- bind_rows(edadh, edadm) t_1 <- max_edad_media %>% gt() t_1 <- gt :: gt( max_edad_media ) t_1 %>% tab_header( title = " Nombres con mayor edad de media" , subtitle = md ( " **En España** " )) %>% cols_label( nombre = " Nombre " , edad_media = " Edad media" ) %>% opt_stylize(style = 2, color = "pink") ``` # Nombres más comunes por orden ```{r, echo = FALSE,message = FALSE, warning = FALSE} comunes_totales <- bind_rows(dfhrep, dfmrep) p <- ggplot(comunes_totales) + aes(y = reorder(nombre, desc(frec)), x = frec) + geom_point(mapping = NULL, stat = "identity", colour = "pink") + labs(title = "20 primeros nombres más comunes ") + labs(subtitle = "de hombres y mujeres en España en orden") + labs(caption = "50% hombres y 50% mujeres") + labs(x = "Frecuencia de repetición") + labs(y = "Nombres") + scale_x_continuous(labels = label_comma()) + theme_dark() p ``` # Nombres de infantiles **Nombres con una edad de media menor de los 3 años** ```{r, echo = FALSE,message = FALSE, warning = FALSE} edadm_menor3 <- dfm %>% group_by(nombre) %>% select(nombre, edad_media) %>% ungroup() %>% filter(edad_media <= 3) edadh_menor3 <- dfh %>% group_by(nombre) %>% select(nombre, edad_media) %>% ungroup() %>% filter(edad_media <= 3) menores_3 <- bind_rows(edadm_menor3, edadh_menor3) t_2 <- menores_3 %>% gt() t_2 <- gt::gt(menores_3) t_2 %>% tab_header(title = "Nombres más comunes entre los menores de 3 años", subtitle = md ("**Para hombres y mujeres en España**")) %>% cols_label( nombre = " Nombre " , edad_media = "Media de edad" ) %>% cols_move(columns = c(nombre), after = c(edad_media)) %>% opt_stylize(style = 1, color = "red") ``` # Conclusión Este análisis no permite extraer conclusiones detalladas, pero hemos podido mover los datos y conocer información a cerca de los diferentes nombres que existen en España.