苗字の漢字で悩む

日本人の苗字について書いてみたりしたら、思いがけないコメントをいただいたりしたので、実際のところ苗字に使われている漢字ってどういうものなんだろう？と検証してみようと思った。

ネット上に日本人の苗字を12万件ほど集めていたところがあったので、それらの苗字を漢字一文字ずつバラバラにしてまず出現数の総計をとってみた。つまりどんな漢字がどれくらい使われているか？ということだが、ここでは田中とか中村とか鈴木という名前を持つ人が多いということとは関係なくて、ひたすら苗字の件数(種類)を数えているので、お間違えのないよう。

集計したものをEXCELにしたので、利用できるなら利用していただきたい。ただしミスがあるかもしれず、そのへんは責任持てないよ～ってことで。

「漢字in苗字.xls」をダウンロード（ただしファイル名は「in.xls」になる）

で、集計してみたところ、まず苗字の長さについてはこういう結果が出た。

一文字苗字	2144件
二文字苗字	99742件
三文字苗字	24081件
四文字苗字	483件
五文字苗字	2件

五文字苗字の2件は

・勘解由小路

・左衛門三郎

ということだが、まぁそいういうこともあるのかな？と。

で、それぞれの漢字が例えば二文字苗字の何文字目に出てくるのかな？ということを知りたいのでそれを計算してみる。データは3000行以上あるので、最初の方だけを紹介する。詳細はEXCELシートをダウンロードして遊んでいただきたい。一文字苗字は意味ないかと思って省略したが、今考えてみると付けても良かったかも。


案外普段見ないような字が出てくるもんだなぁ、という印象だが、それはそれぞれの苗字を使っている人の人口分布が加味されたものを体験しているからで、ここではあくまでも「山田」であっても「勘解由小路」であっても1件として対等に扱っているからなので。

さて、それでこれをグラフにしてみたらなにか有意なものが出てくるかなぁと思うのだが、これをこのままグラフにするとこんな感じであまり面白くない（最初の300件についてグラフ化した）。


そこで、総計出現回数を100%としてパーセンテージを計算してみた。ただしこの部分はダウンロード用に用意したデータには入っていない。数式をてんこ盛りにするとcocologのupload容量を超えてしまうのだ。

というわけでパーセンテージを計算したものがこの表だ。

この表の最初の300件をを二文字苗字の一文字目で降順ソートしグラフ化したのがこれだ。と書いてから思ったが、全体をソートしたほうが良かったかもしれないな。まぁそれは興味をお持ちのあなたにもできることなので。

紺色のグラフが右下がりになっているところへ、ピンクの線(二文字苗字の二文字目)が右上がりになっているのが何やら意味ありげだ。やはり一文字目に来やすい文字と2文字目に来やすい文字があるのだろう。

ならば、と三文字苗字の1文字目で降順ソートしてみる。

黄色と水色と紫色の関係を見たいのだが、むしろピンクのグラフの右上がりが気になるところだ。

ということなんですが、これからなにか有意なことを導けるでしょうか？