
信息专家分析了成千上万条可怕又令人心碎的分手数据后,发现人们其实可以预测到恋人的关系可能会以什么方式来结束。
先来看则好消息:每天约有300万情侣开始首次约会,这是300万次让各位将萍水相逢变为人生乐事的机会,是300万次火花的迸发,是300万次人与人沟通的良缘。同时,在美国这个总人口中5.4%的人到死都没结过婚的国度里,这个数字又表明有300万人将认识生命中可能不会与之共度余生的那个人。
比起恋爱来说,婚姻中的迷茫更为常见。相爱到婚姻是幸福,那么反面就是相爱然后分手。
信息专家大卫·麦克坎德莱斯(David McCandless)和李·拜伦(LeeByron)在分析了成千上万条可怕又令人心碎的分手数据后,发现人们其实可以预测到恋人的关系可能会以什么方式来结束。
他们的数据来源于美国人口普查局、Facebook上的投票、Twitter、杜蕾斯全球性调查,以及雅虎问答(YahooAnswers)。
1、婚恋宏观面
在全世界范围,每天约有300万对情侣开始首次约会。以美国为例,每年250万人宣誓结婚,同时超过100万对夫妇离婚,还有,5.4%的美国人一辈子到死都没结过婚。
2、全年分手高峰与低谷出乎意料的是,情人节和春节期间并非情意融融的季节,而是处于攀升分手高峰的趋势中。
3月:全年最容易分手的高峰时期。
春天不是读书天,也不是郎情妾意的好时光。或许因为情人节、春节等节日密集期间容易产生情侣矛盾,导致分手“牛市”在接下来的3月份一触即发。所以,情侣们要在春天要多冷静、多包容。
11月与12月交界:圣诞假期之前,是全年分手另一个高峰。因此,重要假期前后都是情侣们内分泌、肾上腺素等紊乱的期间。所以,假期出没,请注意。
分手频率高的其他时期:愚人节、暑假,以及4、5月间的每个周一。
3、怎么分手
1975年前出生的人:74%是直接说的,当面了结;只有16%人选择通电话“把爱变成往事”。
1984年后出生的人:只有47%面对面说分手,30%的人选择了“电话割爱”,14%的人选择了QQ等即时通讯工具“说拜拜”。另外,5%通过Facebook结束恋情,4%发email来一刀两断。
4、不能说的秘密
全世界47%男性和40%女性曾经有过一夜情。36%的成年人承认曾因对方的容貌而分手——外貌协会的力量真不容小觑。56%的成年人表示性生活不和谐。
5、忠诚的真相
全世界22%的婚恋中人曾经出轨。
对婚恋最为不忠的是土耳其人,高达58%的情侣发生过出轨“事故”。接下来是冰岛,这个只有33.2万人口的北欧国家,却有39%的人背叛过对方;第三名是奔放的意大利人——“劈腿”比例为26%;17%的浪漫美国人有外遇史;而被认为保守的英国人,也有14%的不忠率。
在这个“出轨榜单”上,位列第五的是中国香港,11%的香港人曾经是“花心萝卜”。排名第六的是以色列,该指标为7%。
6、TA们为什么分手
出轨:22%的离婚原因是出现了第三者;“小三”也让18%的恋人“走不下去”。
不感兴趣了:28%的情侣因为厌倦而放弃了对方,而26%的夫妇出于“七年之痒”而埋葬了婚姻。
距离:16%的夫妇因为两地分居而“有缘无份”,21%的“异地恋”无疾而终。3.5%的分手原因是“父母或朋友不赞同”。宁拆十座庙,不毁一桩婚。前辈们可以对别人的婚姻作些“指点”,但不要“指指点点”吧。(文章源于cda数据分析师)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29