(pl)(census) technical fixes

census/analyse.py

@@ -24,49 +24,49 @@ graphHead = '''
 <link href="https://fonts.googleapis.com/css2?family=Nunito:wght@500&display=swap" rel="stylesheet">
 '''
 
-def extractQuestion(
+def extract_question(
         df: pd.DataFrame,
-        questionNumber: int,
-        includeAnswers: bool = True,
-        includeAggregates: bool = False,
-        removeUnderscores: bool = True
+        question_number: int,
+        include_answers: bool = True,
+        include_aggregates: bool = False,
+        remove_underscores: bool = True
     ) -> pd.Series:
-    print('Extracting question', questionNumber)
-    questionDf = df.filter(regex='^%s_%s(?!_writein)' % (
-        questionNumber,
-        ('' if includeAnswers else 'aggr_') if includeAggregates else '(?!aggr)'
+    print('Extracting question', question_number)
+    question_df = df.filter(regex='^%s_%s(?!_writein)' % (
+        question_number,
+        ('' if include_answers else 'aggr_') if include_aggregates else '(?!aggr)'
     ))
-    questionDf.columns = [
-        c[len(str(questionNumber)) + 1:]
+    question_df.columns = [
+        c[len(str(question_number)) + 1:]
             .replace('aggr_', 'łącznie: ')
-            .replace('_', ' ' if removeUnderscores else '_')
+            .replace('_', ' ' if remove_underscores else '_')
             .replace('łącznie: trans_', 'łącznie: trans*')
-        for c in questionDf.columns
+        for c in question_df.columns
     ]
-    questionDf = questionDf.sum()
-    questionDf = questionDf.apply(lambda x: round(100 * x / len(df), 1))
+    question_df = question_df.sum()
+    question_df = question_df.apply(lambda x: round(100 * x / len(df), 1))
 
-    return questionDf
+    return question_df
 
 
-def extractQuestionSingle(
+def extract_question_single(
         df: pd.DataFrame,
-        questionNumber: int,
-        includeAnswers: bool = True,
-        includeAggregates: bool = False
+        question_number: int,
+        include_answers: bool = True,
+        include_aggregates: bool = False
     ) -> pd.Series:
-    print('Extracting question', questionNumber)
-    questionDf = df.filter(regex='^%s_%s(?!_writein)' % (
-        questionNumber,
-        ('' if includeAnswers else 'aggr_') if includeAggregates else '(?!aggr)'
+    print('Extracting question', question_number)
+    question_df = df.filter(regex='^%s_%s(?!_writein)' % (
+        question_number,
+        ('' if include_answers else 'aggr_') if include_aggregates else '(?!aggr)'
     ))
-    questionDf = questionDf.groupby(f'{questionNumber}_')[f'{questionNumber}_'].count()
-    questionDf = questionDf.apply(lambda x: round(100 * x / len(df), 1))
+    question_df = question_df.groupby(f'{question_number}_')[f'{question_number}_'].count()
+    question_df = question_df.apply(lambda x: round(100 * x / len(df), 1))
 
-    return questionDf
+    return question_df
 
 
-def renameIndex(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> Union[pd.DataFrame, pd.Series]:
+def rename_index(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> Union[pd.DataFrame, pd.Series]:
     if type(data) is pd.Series:
         data = data.copy()
         data.columns = new_index
@@ -76,7 +76,7 @@ def renameIndex(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> U
     return data.set_axis(labels=new_index, axis=0)
 
 
-def generateBar(
+def generate_graph(
         data: Union[pd.DataFrame, pd.Series],
         group: str,
         name: str,
@@ -87,10 +87,10 @@ def generateBar(
     is_multi = type(data) is pd.DataFrame and len(data.columns) > 1
 
     if all([type(c) is str and c.startswith('łącznie: ') for c in data.index]):
-        data = renameIndex(data, [c.replace('łącznie: ', '') for c in data.index])
+        data = rename_index(data, [c.replace('łącznie: ', '') for c in data.index])
 
     if 'nic, używam imienia nadanego mi przez rodziców' in data.index:
-        data = renameIndex(data, [
+        data = rename_index(data, [
             'nadane – ale przeciwna płeć',
             'nadane – ale wersja unisex',
             'nadane – bez zmian',
@@ -105,6 +105,7 @@ def generateBar(
         barmode='group',
         template='plotly_white',
     )
+
     fig.update_layout(
         showlegend=is_multi,
         legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1, title=''),
@@ -123,6 +124,7 @@ def generateBar(
             hovertemplate='%{x}<br>%{y:.2f}%' + ('<br>%{meta}' if is_multi else '') + '<extra></extra>',
             meta=trace.offsetgroup,
             hoverlabel_font=dict(family=fontFamily, size=12),
+            visible='legendonly' if trace.name == 'Ogół' else True,
         )
 
     file_path = outputDir / group / (name + '.html')
@@ -138,14 +140,16 @@ def percent(value: int, size: int, precision: int = 2) -> float:
     return round(100 * value / size, precision)
 
 
-def ensureEmptyDir(dir: Path) -> Path:
+def ensure_empty_dir(dir: Path) -> Path:
     if os.path.exists(dir):
         shutil.rmtree(dir)
     os.makedirs(dir, exist_ok=True)
 
+    return dir
+
 
 def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] = None):
-    ensureEmptyDir(outputDir / group)
+    ensure_empty_dir(outputDir / group)
 
     df_plural = df[df['7_aggr_mnogie'] == 1]
     df_neuter = df[df['7_rodzaj neutralny'] == 1]
@@ -154,45 +158,49 @@ def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] =
         'size': len(df),
         'size_plural': len(df_plural),
         'size_neuter': len(df_neuter),
-        'age': pd.Series(buildAgesHistogram(df)),
+        'age': pd.Series(build_ages_histogram(df)),
         'ageStats': {
             'avg': round(df['age'].mean(), 1),
             'median': round(df['age'].median(), 1),
             'std': round(df['age'].std(), 1),
-            'under_30': percent(len(df[df['age'] < 30]), len(df)),
             'adults': percent(len(df[df['age'] >= 18]), len(df)),
-            'over_30': percent(len(df[df['age'] >= 30]), len(df)),
-            'under_30_count': len(df[df['age'] < 30]),
             'adults_count': len(df[df['age'] >= 18]),
+            'under_30': percent(len(df[df['age'] < 30]), len(df)),
+            'under_30_count': len(df[df['age'] < 30]),
+            'over_30': percent(len(df[df['age'] >= 30]), len(df)),
             'over_30_count': len(df[df['age'] >= 30]),
+            'under_25': percent(len(df[df['age'] < 25]), len(df)),
+            'under_25_count': len(df[df['age'] < 25]),
+            'over_25': percent(len(df[df['age'] >= 25]), len(df)),
+            'over_25_count': len(df[df['age'] >= 25]),
         },
-        'neuter': extractQuestionSingle(df, 6),
-        'neuterByUsers': extractQuestionSingle(df_neuter, 6),
-        'pronounGroups': extractQuestion(df, 7),
-        'pronounGroupsAggr': extractQuestion(df, 7, includeAnswers=False, includeAggregates=True),
-        'pluralNouns': extractQuestionSingle(df_plural, 8),
-        'pluralNonGendered': extractQuestionSingle(df_plural, 9),
-        'pronouns': extractQuestion(df, 10),
-        'pronounsAggr': extractQuestion(df, 10, includeAnswers=False, includeAggregates=True),
-        'nouns': extractQuestion(df, 11),
-        'honorifics': extractQuestion(df, 12, includeAggregates=True),
-        'obstacles': extractQuestion(df, 13),
-        'groups': extractQuestion(df, 14),
-        'reasons': extractQuestion(df, 15),
-        'names': extractQuestionSingle(df, 16),
-        'namesAggr': extractQuestion(df, 16, includeAnswers=False, includeAggregates=True),
-        'english': extractQuestion(df, 17, includeAggregates=True),
-        'labelsGender': extractQuestion(df, 18, includeAggregates=True, removeUnderscores=False),
-        'labelsAttractionSplit': extractQuestionSingle(df, 19),
-        'labelsSexuality': extractQuestion(df, 20, includeAggregates=True, removeUnderscores=False),
-        'labelsRomantic': extractQuestion(df, 21, includeAggregates=True, removeUnderscores=False),
-        'transtionAnswered': extractQuestionSingle(df, 22),
-        'transitionSocial': extractQuestionSingle(df, 23),
-        'transitionName': extractQuestionSingle(df, 24),
-        'transitionMarker': extractQuestionSingle(df, 25),
-        'transitionPhysical': extractQuestionSingle(df, 26),
-        'transitionHormonal': extractQuestionSingle(df, 27),
-        'transitionSurgical': extractQuestionSingle(df, 28),
+        'neuter': extract_question_single(df, 6),
+        'neuterByUsers': extract_question_single(df_neuter, 6),
+        'pronounGroups': extract_question(df, 7),
+        'pronounGroupsAggr': extract_question(df, 7, include_answers=False, include_aggregates=True),
+        'pluralNouns': extract_question_single(df_plural, 8),
+        'pluralNonGendered': extract_question_single(df_plural, 9),
+        'pronouns': extract_question(df, 10),
+        'pronounsAggr': extract_question(df, 10, include_answers=False, include_aggregates=True),
+        'nouns': extract_question(df, 11),
+        'honorifics': extract_question(df, 12, include_aggregates=True),
+        'obstacles': extract_question(df, 13),
+        'groups': extract_question(df, 14),
+        'reasons': extract_question(df, 15),
+        'names': extract_question_single(df, 16),
+        'namesAggr': extract_question(df, 16, include_answers=False, include_aggregates=True),
+        'english': extract_question(df, 17, include_aggregates=True),
+        'labelsGender': extract_question(df, 18, include_aggregates=True, remove_underscores=False),
+        'labelsAttractionSplit': extract_question_single(df, 19),
+        'labelsSexuality': extract_question(df, 20, include_aggregates=True, remove_underscores=False),
+        'labelsRomantic': extract_question(df, 21, include_aggregates=True, remove_underscores=False),
+        'transtionAnswered': extract_question_single(df, 22),
+        'transitionSocial': extract_question_single(df, 23),
+        'transitionName': extract_question_single(df, 24),
+        'transitionMarker': extract_question_single(df, 25),
+        'transitionPhysical': extract_question_single(df, 26),
+        'transitionHormonal': extract_question_single(df, 27),
+        'transitionSurgical': extract_question_single(df, 28),
     }
 
     stats_json = {
@@ -231,17 +239,17 @@ def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] =
     return stats
 
 
-def buildAgesHistogram(df: pd.DataFrame) -> pd.Series:
+def build_ages_histogram(df: pd.DataFrame) -> pd.Series:
     ages = [int(a) for a in df['age'].to_list() if a > 0]
-    agesHist = {i: 0 for i in range(min(ages), max(ages) + 1)}
+    ages_hist = {i: 0 for i in range(min(ages), max(ages) + 1)}
     for age in ages:
-        agesHist[age] += 1
+        ages_hist[age] += 1
     s = len(ages)
 
     return pd.Series({
         age: percent(count, s, 3)
         for age, count
-        in agesHist.items()
+        in ages_hist.items()
     })
 
 
@@ -317,37 +325,37 @@ if __name__ == '__main__':
         'transitionSurgical': 'Tranzycja medyczna – zmiany chirurgiczne',
     }
 
-    # for group, group_stats in stats.items():
-    #     for graph, graph_label in graphs.items():
-    #         generateBar(group_stats[graph], group, graph, graph_label)
-    #
-    # for comparison_key, comparison_groups in comparisons.items():
-    #     ensureEmptyDir(outputDir / comparison_key)
-    #     for graph, graph_label in graphs.items():
-    #         data = pd.DataFrame({
-    #             groupLabel: stats[group][graph]
-    #             for group, groupLabel
-    #             in comparison_groups.items()
-    #         })
-    #         generateBar(data, comparison_key, graph, graph_label)
-    #
-    # by_year = {}
-    # for prev_year in [*diffs, year]:
-    #     file_path = outputDir.parent / f'spis-{prev_year}' / 'general' / 'stats.json'
-    #     if not file_path.exists():
-    #         continue
-    #     with open(file_path, 'r') as f:
-    #         by_year[prev_year] = json.load(f)
-    #
-    # ensureEmptyDir(outputDir / 'by_year')
-    # for graph, graph_label in graphs.items():
-    #     data = pd.DataFrame({
-    #         column_year: year_data[graph]
-    #         for column_year, year_data
-    #         in by_year.items()
-    #         if graph in year_data
-    #     })
-    #     generateBar(data, 'by_year', graph, graph_label)
+    for group, group_stats in stats.items():
+        for graph, graph_label in graphs.items():
+            generate_graph(group_stats[graph], group, graph, graph_label)
+
+    for comparison_key, comparison_groups in comparisons.items():
+        ensure_empty_dir(outputDir / comparison_key)
+        for graph, graph_label in graphs.items():
+            data = pd.DataFrame({
+                groupLabel: stats[group][graph]
+                for group, groupLabel
+                in comparison_groups.items()
+            })
+            generate_graph(data, comparison_key, graph, graph_label)
+
+    by_year = {}
+    for prev_year in [*diffs, year]:
+        file_path = outputDir.parent / f'spis-{prev_year}' / 'general' / 'stats.json'
+        if not file_path.exists():
+            continue
+        with open(file_path, 'r') as f:
+            by_year[prev_year] = json.load(f)
+
+    ensure_empty_dir(outputDir / 'by_year')
+    for graph, graph_label in graphs.items():
+        data = pd.DataFrame({
+            column_year: year_data[graph]
+            for column_year, year_data
+            in by_year.items()
+            if graph in year_data
+        })
+        generate_graph(data, 'by_year', graph, graph_label)
 
     write_ins_dir = outputDir / 'write_ins'
     write_ins_dir.mkdir(parents=True, exist_ok=True)

locale/pl/blog/spis-2023.md

@@ -55,7 +55,7 @@ a {json=spis-2023/%group%/stats.json=ageStats.adults}% to osoby pełnoletnie.
 
 {/census_groups}
 
-Liczba odpowiedzi jest w tym roku rekordowa (w porównaniu z 1816 odpowiedziami w 2022 roku i 2211 w 2021 roku).
+Liczba odpowiedzi jest w tym roku rekordowa (w porównaniu z {json=spis-2022/general/stats.json=size} odpowiedziami w 2022 roku i {json=spis-2021/general/stats.json=size} w 2021 roku).
 Średnia wieku jest podobna we wszystkich edycjach (20.4 w zeszłym roku i 21 w 2021).
 
 Zwrócono się do nas z pytaniem nt. udziału w badaniu osób poniżej osiemnastego roku życia

locale/pl/blog/spis-2024.md

@@ -4,12 +4,6 @@
 
 <img src="/img-local/census/spis-2024.png" class="hero d-none" alt=""/>
 
-<div class="alert alert-warning small">
-    <span class="fal fa-exclamation-triangle"></span>
-    To wersja <strong>work-in-progress</strong>!
-    Automatycznie pobierane dane i wykresy są aktualne, natomiast wording, dopiski etc. to póki co copy-paste z raportu 2023.
-</div>
-
 Za nami już czwarte edycja Niebinarnego Spisu Powszechnego. Jak co roku, pojawia się parę nowości:
 idąc za licznymi sugestiami osób respondenckich, zapytałośmy osobno o orientację seksualną i romantyczną (jeśli dana
 osoba je rozdziela); po raz pierwszy zadałośmy (nieobowiązkowe) pytania o proces tranzycji; ponadto, tegoroczny
@@ -74,18 +68,22 @@ a {json=spis-2024/%group%/stats.json=ageStats.adults}% to osoby pełnoletnie.
 
 {/census_groups}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/age}
 
 {/details}
 
-Drugi rok z rzędu bijemy rekord w liczbie odpowiedzi (w 2023 było ich 3016, w 2022 – 1816, a w 2021 – 2201).
-**Trzeba będzie poprawić 2211 na 2201 też w pozostałych raportach.**
+</div>
+
+Drugi rok z rzędu bijemy rekord w liczbie odpowiedzi (w 2023 było ich {json=spis-2023/general/stats.json=size},
+w 2022 – {json=spis-2022/general/stats.json=size}, a w 2021 – {json=spis-2021/general/stats.json=size}).
 
 Średnia wieku jest podobna we wszystkich edycjach, choć zwraca uwagę, że od 2022 roku stopniowo rośnie.
-Przypomnijmy, że w poprzednich latach wynosiła odpowiednio: 21,1 (2021); 20,4 (2022) i 21,2 (2023).
-**Do poprawienia średnia wieku z 1. edycji.**
+Przypomnijmy, że w poprzednich latach wynosiła odpowiednio: {json=spis-2021/general/stats.json=ageStats.avg} (2021);
+{json=spis-2022/general/stats.json=ageStats.avg} (2022) i {json=spis-2023/general/stats.json=ageStats.avg} (2023).
 
 Od pierwszej edycji wyniki Spisu wskazują, że to przede wszystkim młode osoby identyfikują się jako niebinarne
 (przy założeniu, że zebrana przez nas próba jest reprezentatywna, czego nie możemy być pewne).
@@ -136,8 +134,8 @@ W tym roku po raz drugi zapytałośmy osoby badane o preferencje w kwestii nazyw
 konotacje „nijakości”. Nasze podejście zdaje się podzielać większość osób badanych – **{json=spis-2024/general/stats.json=neuter.rodzaj neutralny}%**
 **wybrało opcję „rodzaj neutralny”, a tylko {json=spis-2024/general/stats.json=neuter.rodzaj nijaki}% – „rodzaj nijaki”.**
 
-Jednocześnie, ciekawie jest zauważyć, że popularność „rodzaju neutralnego” spadła o {json=spis-2024/general/stats.json=@diff.spis=2023.neuter.rodzaj neutralny} p.p.
-w stosunku do zeszłego roku, podczas gdy popularność „rodzaju nijakiego” wzrosła o {json=spis-2024/general/stats.json=@diff.spis=2023.neuter.rodzaj nijaki} p.p.
+Jednocześnie, ciekawie jest zauważyć, że popularność „rodzaju neutralnego” spadła o {json=spis-2024/general/stats.json=@diff.spis-2023.neuter.rodzaj neutralny} p.p.
+w stosunku do zeszłego roku, podczas gdy popularność „rodzaju nijakiego” wzrosła o {json=spis-2024/general/stats.json=@diff.spis-2023.neuter.rodzaj nijaki} p.p.
 
 W dopiskach do tego pytania w zeszłorocznej edycji powtarzały się jeszcze dwie propozycje, które postanowiłośmy dodać do formularza w tym roku.
 Za nazwą „rodzaju niebinarny” opowiedziało się {json=spis-2024/general/stats.json=neuter.rodzaj niebinarny}% osób badanych,
@@ -169,12 +167,16 @@ Przy podziale ze względu na miejsce zamieszkania, przypisaną płeć i grupę w
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/neuter}
 
 {/details}
 
+</div>
+
 ### …wśród osób używających tych form
 
 Byłośmy również ciekawe, czy odpowiedzi będą znacząco inne wśród samych osób, które zadeklarowały, że odpowiadają
@@ -189,12 +191,16 @@ za tą opcją opowiada się {json=spis-2024/general/stats.json=neuterByUsers.rod
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/neuterByUsers}
 
 {/details}
 
+</div>
+
 ## Używane formy
 
 Zaznaczamy, że osoby respondenckie były pytanie o to, jak *chcą* mówić i jak *chcą* by się do nich zwracać – nawet jeśli nie jest to (obecnie) możliwe.
@@ -213,12 +219,16 @@ W dalszej części formularza pytałośmy też o powody nieużywania niestandard
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/pronounGroups}
 
 {/details}
 
+</div>
+
 Na początku podkreślmy, że pytanie dotyczyło form, które osobom badanym odpowiadają i których _chciałyby_ używać, nawet
 jeśli obecnie nie mogą (bo np. nie są wyoutowane lub boją się o swój komfort czy bezpieczeństwo).
 
@@ -230,17 +240,17 @@ zeszłorocznego, jak i [tego sprzed dwóch lat](/blog/spis-2022#rodzaj-gramatycz
 {census_groups}
 
 {json=spis-2024/%group%/stats.json=pronounGroups.unikanie form nacechowanych płciowo}% osób respondenckich
-używa wobec siebie [form unikających deklarowania płci](/unikanie),
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroups.unikanie form nacechowanych płciowo} p.p. w stosunku do zeszłego roku).
+używa wobec siebie [form unikających deklarowania płci](/unikanie){optional},
+({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroups.unikanie form nacechowanych płciowo} p.p. w stosunku do zeszłego roku){/optional}.
 
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne}% osób używa form binarnych (rodzaj męski i/lub żeński) ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne} p.p.),
-ale tylko {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie binarne}% _wyłącznie_ form binarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie binarne} p.p.).
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne zamiennie}% osób zaznaczyło zarówno formy męskie i żeńskie ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne zamiennie} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne}% osób używa form binarnych (rodzaj męski i/lub żeński){optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne} p.p.){/optional},
+ale tylko {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie binarne}% _wyłącznie_ form binarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie binarne} p.p.){/optional}.
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne zamiennie}% osób zaznaczyło zarówno formy męskie i żeńskie{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne zamiennie} p.p.){/optional}.
 
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: niebinarne}% osób używa form niebinarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: niebinarne}),
-przy czym {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie niebinarne}% _wyłącznie_ form niebinarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie niebinarne} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: niebinarne}% osób używa form niebinarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: niebinarne}){/optional},
+przy czym {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie niebinarne}% _wyłącznie_ form niebinarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie niebinarne} p.p.){/optional}.
 
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: mnogie}% osób używa którejś z (lub kilku) form mnogich ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: mnogie} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: mnogie}% osób używa którejś z (lub kilku) form mnogich{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: mnogie} p.p.){/optional}.
 
 {/census_groups}
 
@@ -318,12 +328,16 @@ Treśc pozostałych dopisków podsumowano poniżej.
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/pronouns}
 
 {/details}
 
+</div>
+
 Pytanie o pismo było bardziej szczegółowe niż to o mowę i pozwalało na wybór konkretnych zestawów zaimków korespondujących z różnymi rodzajami.
 Przykładowo, zamiast standardowego paradygmatu „[ono/jego](/ono)” w rodzaju neutralnym można było wybrać „[ono/jej](/ono/jej)”, gdzie formy
 deklinacyjne identyczne z męskimi zastąpione są żeńskimi. Dostępne były także niewymawialne formy graficzne, takie jak iksy ([onx/jex](/onx))
@@ -352,12 +366,16 @@ Ze względu na mnogość opcji, zgrupowałośmy ze sobą podobne zaimki, by lepi
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/pronounsAggr}
 
 {/details}
 
+</div>
+
 Podobnie jak w mowie, **w piśmie najpopularniejsze są formy męskie ({json=spis-2024/general/stats.json=pronouns.on/jego}%, {json=spis-2024/general/stats.json=@diff.spis-2023.pronouns.on/jego} p.p.).**
 **W piśmie zachowała się też obecna w zeszłym roku przewaga rodzaju neutralnego nad żeńskim.** Przynajmniej jedną formę korespondującą z rodzajem neutralnym
 wybrało {json=spis-2024/general/stats.json=pronounsAggr.łącznie: neutralne}% osób respondenkich ({json=spis-2024/general/stats.json=@diff.spis-2023.pronounsAggr.łącznie: neutralne} p.p.),
@@ -441,12 +459,16 @@ do generatora z naszej strony, aby szczegółowo przedstawić używane formy. Z
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/nouns}
 
 {/details}
 
+</div>
+
 Odpowiedzi na pytanie dotyczące form rzeczownikowych wyglądają podobnie we wszystkich edycjach spisu.
 Od początku **najczęściej wybierane są maskulatywy (w tym roku wybrało je {json=spis-2024/general/stats.json=nouns.maskulatywy}%, {json=spis-2024/general/stats.json=@diff.spis-2023.nouns.maskulatywy} p.p. w stosunku do zeszłego roku),**
 **minimalnie rzadziej – [osobatywy](/osobatywy) ({json=spis-2024/general/stats.json=nouns.osobatywy}%, {json=spis-2024/general/stats.json=@diff.spis-2023.nouns.osobatywy} p.p.).**
@@ -530,12 +552,16 @@ W przyszłym roku rozważymy dodanie pytania o konkretne formy neutratywów.
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/honorifics}
 
 {/details}
 
+</div>
+
 W tej edycji, kierując się częstymi dopiskami, dodałośmy dwie nowe opcje do formularza: neologiczną formę
 grzecznościową *pano* oraz na wpół normatywny zwrot ze słowem *osoba* (np. „czy chciałby osoba złożyć zamówienie?”).
 
@@ -549,8 +575,8 @@ Niżej pod względem popularności plasują się normatywne formy grzecznościow
 *pan* ({json=spis-2024/general/stats.json=honorifics.pan}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.pan} p.p.),
 *pani* ({json=spis-2024/general/stats.json=honorifics.pani}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.pani} p.p.),
 oraz *państwo* z uzgodnieniem w liczbie pojedynczej – „czy chce państwo...”
-({json=spis-2024/general/stats.json=honorifics.państwo (l. poj.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l. poj.)} p.p.)
-i mnogiej – „czy chcą państwo...” ({json=spis-2024/general/stats.json=honorifics.państwo (l. mn.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l. mn.)} p.p.).
+({json=spis-2024/general/stats.json=honorifics.państwo (l\\. poj\\.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l\\. poj\\.)} p.p.)
+i mnogiej – „czy chcą państwo...” ({json=spis-2024/general/stats.json=honorifics.państwo (l\\. mn\\.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l\\. mn\\.)} p.p.).
 
 Na podobnym poziomie utrzymuje się opcja zwracania się „per wy”; tę wybrało {json=spis-2024/general/stats.json=honorifics.„per wy”}%
 osób ({json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.„per wy”} p.p.).
@@ -630,12 +656,12 @@ o mowę, czyli {json=spis-2024/general/stats.json=size_plural} osób.
 
 {census_groups}
 
-{json=spis-2024/%group%/stats.json=pluralNonGendered.tak}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.tak} p.p.
+{json=spis-2024/%group%/stats.json=pluralNonGendered.tak}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.tak} p.p{/optional}.
 w stosunku do zeszłego roku) zadeklarowało, że chce używania liczby mnogiej także w przypadku form nienacechowanych rodzajowo.
-{json=spis-2024/%group%/stats.json=pluralNonGendered.nie}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.nie} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNonGendered.nie}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.nie} p.p.){/optional}
 woli w tych miejscach liczbę pojedynczą.
-{json=spis-2024/%group%/stats.json=pluralNonGendered.wymiennie / bez różnicy / nie mam zdania}%
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.wymiennie / bez różnicy / nie mam zdania} p.p.) nie ma w tej kwestii preferencji.
+{json=spis-2024/%group%/stats.json=pluralNonGendered.wymiennie / bez różnicy / nie mam zdania}%{optional}
+({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.wymiennie / bez różnicy / nie mam zdania} p.p.) nie ma w tej kwestii preferencji{/optional}.
 
 {/census_groups}
 
@@ -645,20 +671,24 @@ woli w tych miejscach liczbę pojedynczą.
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/pluralNonGendered}
 
 {/details}
 
+</div>
+
 {census_groups}
 
-{json=spis-2024/%group%/stats.json=pluralNouns.tak}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.tak} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNouns.tak}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.tak} p.p.){/optional}
 osób chce być opisywane rzeczownikami w liczbie mnogiej,
-{json=spis-2024/%group%/stats.json=pluralNouns.nie}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.nie} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNouns.nie}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.nie} p.p.){/optional}
 wybiera rzeczowniki w liczbie pojedynczej, a
 {json=spis-2024/%group%/stats.json=pluralNouns.wymiennie / bez różnicy / nie mam zdania}%
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.wymiennie / bez różnicy / nie mam zdania} p.p.)
+{optional}({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.wymiennie / bez różnicy / nie mam zdania} p.p.){/optional}
 nie na w tej kwestii preferencji.
 
 {/census_groups}
@@ -669,12 +699,16 @@ nie na w tej kwestii preferencji.
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/pluralNouns}
 
 {/details}
 
+</div>
+
 Choć różnice w stosunku do wartości z zeszłego roku nie są bardzo znaczące, widzimy dwie interesujące rzeczy.
 Po pierwsze, w pytaniu o formy nienacechowane rodzajowo większość osób opowiedziała się za liczbą pojedynczą (w zeszłym roku
 największa grupa osób nie miała preferencji). Po drugie, w przypadku obu pytań liczba odpowiedzi „tak” i „nie mam zdania”
@@ -699,12 +733,16 @@ pozostają zawsze w liczbie mnogiej (np. „usiądźcie, mamo”). Zatem korzyst
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/english}
 
 {/details}
 
+</div>
+
 **Od pierwszej edycji Spisu największą popularnością cieszy się zaimek *they*,** który w języku angielskim zyskał już miano
 niejako „domyślnego” zaimka dla osób niebinarnych (choć, jak wskazują wyniki badania [Gender Census](https://www.gendercensus.com),
 nie jest on akceptowany przez wszystkie z nich). Może on przybierać dwie formy zwrotne – tradycyjne *themselves* i mniej standardowe
@@ -716,8 +754,8 @@ w stosunku do zeszłego roku), a *they/themselves* – {json=spis-2024/general/s
 **({json=spis-2024/general/stats.json=@diff.spis-2023.english.łącznie: they}%).** Jest to najwyższa wartośc procentowa nie tylko
 w pytaniu o angielskie zaimki, ale we wszystkich pytaniach Spisu – w żadnej innej kwestii osoby respondenckie nie były aż tak zgodne. 
 
-Dalej znalazły się standardowe *he* {json=spis-2024/general/stats.json=english.he/him}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.he/him} p.p.)
-i *she* {json=spis-2024/general/stats.json=english.she/her}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.she/her} p.p.).
+Dalej znalazły się standardowe *he* ({json=spis-2024/general/stats.json=english.he/him}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.he/him} p.p.)
+i *she* ({json=spis-2024/general/stats.json=english.she/her}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.she/her} p.p.).
 
 Kolejną pozycję zajął zaimek *it* ({json=spis-2024/general/stats.json=english.it/its}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.it/its} p.p.).
 Choć jego popularność w Spisie stopniowo spada od 2022 roku, taki wynik wciąż może zaskakiwać. Wielu osobom może kojarzyć się dehuminazująco,
@@ -808,7 +846,7 @@ do ściągania uwagi na swoją płeć wskazują, że **popularne wyobrażenie o
 **używania konkretnego języka jest błędne.**
 
 Jedna trzecia badanych osób ({json=spis-2024/general/stats.json=obstacles.strach przed stygmatyzacją z powodu „niepoprawnego” języka}%,
-{json=spis-2024/general/stats.json=obstacles.@diff.spis-2023.strach przed stygmatyzacją z powodu „niepoprawnego” języka})
+{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.strach przed stygmatyzacją z powodu „niepoprawnego” języka})
 podała, że korzystanie z niestandardowych form utrudnia jej strach przed stygmatyzacją z powodu „niepoprawnego języka”,
 a jedna czwarta ({json=spis-2024/general/stats.json=obstacles.nie chcę być odebranx jako nieprofesjonalnx, boję się wyśmiania}%) – że
 boi się wyśmiania i bycia potraktowaną jako nieprofesjonalna.
@@ -821,8 +859,8 @@ Jednocześnie, Puchała i Hansen ([2024](https://psycnet.apa.org/doiLanding?doi=
 wskazują, że tendencja ta jest słabsza u osób, które już wczesniej zetknęły się z takim językiem. A zatem jego promowanie – i po prostu używanie – ma szansę stopniowo
 zmniejszać negatywny odbiór społeczny.
 
-Aż jedna czwarta osób respondenckich ({json=spis-2024/general/stats.json=obstacles.ciężko mi się przywyczaić}%,
-{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.ciężko mi się przywyczaić} p.p.)
+Aż jedna czwarta osób respondenckich ({json=spis-2024/general/stats.json=obstacles.ciężko mi się przyzwyczaić}%,
+{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.ciężko mi się przyzwyczaić} p.p.)
 zgłosiła, że im samym trudno się przyzwyczaić do używania niestandardowych form,
 z kolei {json=spis-2024/general/stats.json=obstacles.problemy z opanowaniem gramatyki tych form}% jako problem podało
 problemy z opanowaniem gramatyki tych form. Trudności z przywyczajeniem się do „niebinarnego” języka w odniesieniu do samych siebie od 2022 roku
@@ -852,12 +890,16 @@ iż jestem nieco starsza niż wyoutowane osoby NB.”
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/obstacles}
 
 {/details}
 
+</div>
+
 Osoby mieszkające za granicą wyraźnie mniej boją się trans-/enbyfobii; być może dlatego, że ich kontakt z osobami z Polski jest ograniczony
 i utrzymują go głównie z osobami, które są akceptujące. To może być też powód, dla którego mniej boją się sprawania kłopotu innym
 oraz oskarżeń o używanie „niepoprawnego” języka. Częściej są też wyoutwane. Jednocześnie częściej zgłaszają,
@@ -905,7 +947,7 @@ Najrzadziej wybieranymi odpowiedziamy były „opinie osób eksperckich” ({jso
 {json=spis-2024/general/stats.json=@diff.spis-2023.reasons.opinie osób eksperckich} p.p.), inspiracja naszym
 [Manifestem Niebinarnej Polszczyzny](/manifest) ({json=spis-2024/general/stats.json=reasons.Manifest Niebinarnej Polszczyzny}%,
 {json=spis-2024/general/stats.json=@diff.spis-2023.reasons.Manifest Niebinarnej Polszczyzny} p.p.)
-i wreszcie – inspiracja książką, filmem lub serialem ({json=spis-2024/general/stats.json=reasons.inspiracja książką, filmem, serialem, ...}%;
+i wreszcie – inspiracja książką, filmem lub serialem ({json=spis-2024/general/stats.json=reasons.inspiracja książką, filmem, serialem, …}%;
 ta odpowiedź pojawiła się w formularzu po raz pierwszy).
 
 Wśród dopisków najczęściej pojawiała się odpowiedź, że osoba chce „zbalansować” to, jak jest postrzegana przez użycie form
@@ -921,12 +963,16 @@ komentarz o tym, że osoba lubi „bawić się językiem” oraz zdanie „\[uż
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/reasons}
 
 {/details}
 
+</div>
+
 Przy podziale na miejsce zamieszakania nie widać wyraźnych różnic, choć można zauważyć, że osoby mieszkające
 poza Polską częścię deklarują, że istotna była dla nich estetyka i brzmienie dalej formy, a rzadziej
 komfort i poczucie dopasowania.
@@ -989,12 +1035,16 @@ bliskim środowiskiem queerowym (pamiętam że nawet urządziłam ankietę wśr
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/names}
 
 {/details}
 
+</div>
+
 ## Język neutralny płciowo
 
 ### Opisywanie grup mieszanych
@@ -1037,12 +1087,16 @@ nazwała „mówieniem podłogą” (znak „_” stosowany do zapisywania takic
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/groups}
 
 {/details}
 
+</div>
+
 {details=Dopiski}
 
 - \[unikanie nacechowania rodzajowego\] 50
@@ -1095,7 +1149,7 @@ osób opisało się przy pomocy kategorii *gender questioning*, a
 {json=spis-2024/general/stats.json=labelsGender.rozważając_ swoją płeć}% ({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.rozważając_ swoją płeć} p.p.)
 jako *rozważające swoją płeć*.
 
-**Jedynie niecała połowa badanych ({json=spis-2024/general/stats.json=labelsGender.łącznie: trans}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: trans} p.p.)**
+**Jedynie niecała połowa badanych ({json=spis-2024/general/stats.json=labelsGender.łącznie: trans\*}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: trans\*} p.p.)**
 określiła się jako transpłciowa, tzn. **wybrała co najmniej jeden termin z cząstką *trans-*.** Najczęściej wybierano sam przymiotnik *trans*
 ({json=spis-2024/general/stats.json=labelsGender.trans}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.trans} p.p.),
 w dalszej kolejności anglojęzyczne *transgender* ({json=spis-2024/general/stats.json=labelsGender.transgender}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transgender} p.p.),
@@ -1109,8 +1163,7 @@ Na końcu, dość blisko siebie – określenia denotujące neutralną i kobiec
 *transfeminine* ({json=spis-2024/general/stats.json=labelsGender.transfeminine}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transfeminine} p.p.),
 *trans kobiec_* ({json=spis-2024/general/stats.json=labelsGender.transkobiec_}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transkobiec_} p.p.),
 i *trans kobieta* ({json=spis-2024/general/stats.json=labelsGender.trans kobieta}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.trans kobieta} p.p.)
-oraz
-*transneutral* ({json=spis-2024/general/stats.json=labelsGender.transneutral}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutral} p.p.)
+oraz *transneutral* ({json=spis-2024/general/stats.json=labelsGender.transneutral}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutral} p.p.)
 i *transneutraln_* ({json=spis-2024/general/stats.json=labelsGender.transneutraln_}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutraln_} p.p.).
 
 Ten stosunkowo niski odsetek badanych osób utożsamiających się z kategorią transpłciowości może zaskakiwać – współczesne rozumienie transpłciowości jako
@@ -1120,14 +1173,14 @@ przeprowadzone na próbie 6258 osób transpłciowych (33% stanowiły osoby, któ
 z której 65% „zdecydowanie”, 26% „częściowo”, a 10% „wcale nie” utożsamiało się z terminem *transgender* (*transpłciowosć*),
 a także obserwację Aleksa Iantaffiego ([2017](https://link.springer.com/book/10.1057/978-1-137-51053-2): 285), że wiele osób niebinarnych
 czuje się „niewystarczająco trans” oraz, że wprowadzenie pojęcia niebinarności do dyskusji zamazuje granice między trans- a cispłciowością.
-Zwróćmy też uwagę, że liczba osób zaznaczających określenia z cząstką *-trans* stopniowo rośnie: w 2021 roku było to
-({json=spis-2021/general/stats.json=labels.łącznie: trans\*}%, w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: trans\*}%,
-a w zeszłym – ({json=spis-2023/general/stats.json=labelsGender.łącznie: trans\*}%.
+Zwróćmy też uwagę, że liczba osób zaznaczających określenia z cząstką *trans-* stopniowo rośnie: w 2021 roku było to
+31,8%, w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: trans\*}%,
+a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: trans\*}%.
 
-Wreszcie, **({json=spis-2024/general/stats.json=labelsGender.łącznie: binarne}% (({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: binarne} p.p.)**
+Wreszcie, **{json=spis-2024/general/stats.json=labelsGender.łącznie: binarne}% ({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: binarne} p.p.)**
 **badanych osób wybrało „binarnie nacechowane” określenia** (*kobieta* i *kobiec_* oraz *mężczyzna* i *męsk_*). Ten odsetek również stopniowo wzrasta
-od pierwszej edycji badnia: w 2021 wyniósł {json=spis-2021/general/stats.json=labelsGender.łącznie: binarne}%,
-w 2022 – {json=spis-2022/general/stats.json=labelsGender.łącznie: binarne}%, a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: binarne}%.
+od pierwszej edycji badnia: w 2021 wyniósł 18,0%,
+w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: binarne}%, a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: binarne}%.
 Możemy powtórzyć naszą zeszłoroczną obserwację, że ta pozorna sprzeczność może oznaczać coraz większą swobodę w definiowaniu własnej tożsamości
 zamiast sztywnego trzymania się etykietek.
 
@@ -1167,12 +1220,16 @@ i *gender abolitionist*, jedna z osób napisała „nie rozumiem płci”, a inn
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/labelsGender}
 
 {/details}
 
+</div>
+
 {census_groups}
 
 | Angielska etykietka | %                    | Polska etykietka        | %                                                                         | Polska etykietka    | %            |
@@ -1288,12 +1345,16 @@ i *wsumieobojetnemitoseksualny* oraz *kobieciarz*.
 
 {/census_comparisons}
 
+<div class="wide-escape">
+
 {details=Porównanie z poprzednimi edycjami}
 
 {graph=/docs-local/spis-2024/by_year/labelsSexuality}
 
 {/details}
 
+</div>
+
 ### Etykietki opisujące romantyczność
 
 W komentarzach do poprzedniej edycji Spisu wiele osób pisało, że chciałoby mieć możliwość

locale/pl/docs/spis-2024/agab_f/stats.json

@@ -59,12 +59,16 @@
         "avg": 22.7,
         "median": 21.0,
         "std": 5.7,
-        "under_30": 89.19,
         "adults": 87.99,
-        "over_30": 10.81,
-        "under_30_count": 2154,
         "adults_count": 2125,
-        "over_30_count": 261
+        "under_30": 89.19,
+        "under_30_count": 2154,
+        "over_30": 10.81,
+        "over_30_count": 261,
+        "under_25": 72.51,
+        "under_25_count": 1751,
+        "over_25": 27.49,
+        "over_25_count": 664
     },
     "neuter": {
         "nie mam zdania": 8.3,
@@ -467,8 +471,8 @@
                 "avg": 2.7,
                 "median": 2.0,
                 "std": 0.6,
-                "under_30": -5.2,
-                "adults": 26.0
+                "adults": 26.0,
+                "under_30": -5.2
             },
             "pronounGroups": {
                 "rodzaj m\u0119ski": -1.0,
@@ -601,11 +605,11 @@
                 "avg": 1.9,
                 "median": 1.0,
                 "std": 0.3,
-                "under_30": -4.2,
                 "adults": 17.8,
-                "over_30": 4.2,
-                "under_30_count": -118,
                 "adults_count": 417,
+                "under_30": -4.2,
+                "under_30_count": -118,
+                "over_30": 4.2,
                 "over_30_count": 99
             },
             "neuter": {

locale/pl/docs/spis-2024/agab_m/stats.json

@@ -68,12 +68,16 @@
         "avg": 25.3,
         "median": 23.0,
         "std": 7.1,
-        "under_30": 80.25,
         "adults": 95.02,
-        "over_30": 19.75,
-        "under_30_count": 451,
         "adults_count": 534,
-        "over_30_count": 111
+        "under_30": 80.25,
+        "under_30_count": 451,
+        "over_30": 19.75,
+        "over_30_count": 111,
+        "under_25": 57.83,
+        "under_25_count": 325,
+        "over_25": 42.17,
+        "over_25_count": 237
     },
     "neuter": {
         "nie mam zdania": 9.8,
@@ -476,8 +480,8 @@
                 "avg": 2.8,
                 "median": 2.0,
                 "std": 0.9,
-                "under_30": -9.5,
-                "adults": 13.7
+                "adults": 13.7,
+                "under_30": -9.5
             },
             "pronounGroups": {
                 "rodzaj m\u0119ski": -9.4,
@@ -610,11 +614,11 @@
                 "avg": 1.7,
                 "median": 1.0,
                 "std": 0.9,
-                "under_30": -5.7,
                 "adults": 7.6,
-                "over_30": 5.7,
-                "under_30_count": 54,
                 "adults_count": 130,
+                "under_30": -5.7,
+                "under_30_count": 54,
+                "over_30": 5.7,
                 "over_30_count": 46
             },
             "neuter": {