就職氷河は溶けたのか？：雇用と賃金の明暗
（※）1987年に20～24歳であった人々を「バブル隆盛世代」とした。以下、同様。 例えば、1987年に20代前半だった若者は、日本がバブル経済を謳歌（おうか）していた時代に新卒で就職した「バブル隆盛世代」といえる。続く1992年は「バブル崩壊世代」である。5年後の1997年は、翌年から完全失業率が急上昇し、就職難が始まった「氷河期直前世代」にあたる。完全失業率が過去最高を記録した2002年は、まさに「就職氷河期世代」のど真ん中だ。経済が一時的に上向きになった2007年は「氷河期直後世代」といえよう。世界金融不況（日本ではリーマンショック）や東日本大震災の影響下にあった2012年の若者は「リーマン震災世代」とした。人手不足が深刻化した2017年の20代前半は「人手不足世代」になる。 総務省統計局「労働力調査」が、現行の方式で正規・非正規雇用の調査を開始したのは2002年以降である。そこで2
pandasでカテゴリー変数を数値に変換する | 分析ノート
pandasの関数を使ってカテゴリー変数を数値に変換する方法のメモです。 one-hot表現とは異なり、[“a”, “b”, “c”] みたいなデータを、 “a”は0,”b”は1,”c”は2みたいな感じで数字に変換します。 scikit-learnのデータセットにおける、正解ラベルのようなデータ型にする、と言ったほうがわかりやすいかもしれません。 Rにはカテゴリカル変数の型があるのでそちらの方がイメージしやすい人もいるかも。 使う関数は、pandas.factorizeです。 この関数に変換したいリストを渡すと、数値に変換したリストと、何番めの数がもともと何の値だったのかを示す配列を返してくれます。 実際にやってみましょう。 numpyでランダムに10個のデータを作って、それを数値化します。 import numpy as np import pandas as pd data = np.
グレート・ギャツビー・カーブとは｜世界経済用語集｜iFinance
グレート・ギャツビー・カーブ（Great Gatsby Curve）は、「グレート・ギャツビー曲線」とも呼ばれ、世界の国々をプロットした、格差の拡大と固定化を示すグラフをいいます。 2012年1月に米大統領経済諮問委員会の委員長だったアラン・クルーガー氏が公開・名付けたもので、横軸に所得（貧富）格差の大きさを表すジニ係数、縦軸に親と子の所得の連動性を表す数値（親の所得が1％高いと子の所得が何％高くなるかという世代間所得の弾性値）が取られています。 一般にグレート・ギャッツビー・カーブは、右上になるほど格差が大きく、かつ貧乏な家庭の子が努力しても金持ちになるのが難しいことを示しています。例えば、先進国では、現在、その上位（右上）に米国を筆頭に英国やイタリアなどが位置し、また日本も近年、右上方向に上昇しています。 ちなみに、グレート・ギャツビーとは、スコット・フィッツジェラルドが執筆したアメリ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Ali Smith to give inaugural Room of One’s Own Lecture – Newnham College