前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：CDA数据分析师

提到一线城市，大家马上会想到北上广深这四个超级大都市。除此之外，近年来新一线城市这个概念也越来越被大众所熟知。

2013年，财经媒体第一财经提出了提出“新一线城市”的概念，以商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性以及未来可塑性作为评判的五大指标，针对全国几百个地级市进行了全新的排名，将未来最有潜力晋升传统一线城市的15个城市称为“新一线城市”。

作为距离一线城市最近的梯队，新一线城市的榜单可以说含金量十足，每年的评选都备受关注。

2020年15座新一线城市包括成都、重庆、杭州、武汉、西安、天津、苏州、南京、郑州、长沙、东莞、沈阳、青岛、合肥、佛山。

其中在人口增量方面：西安由于大幅降低落户门槛，且将西咸新区人口纳入人口总数后，在近3年以新增128.87万常住人口，排名15个新一线城市常住人口增量第一位。常住人口增量连年提升的杭州，则以近3年117.2万的增量，排名新一线城市第二位。

和它们相比，天津近3年以来出现常住人口-0.29万的增长，沈阳3年增长了3万，势头微弱。

那么这15座新一线城市

近20年来的GDP变化趋势如何？

人口竞争力如何排座次？

房价又是怎样的？

今天我们就来用数据全面解读这15座城市。

这次我们使用Python的动态可视化库plotly，对这15座城市从2000年到2019年这20年的GDP、人口以及房价数据进行了可视化。下面就让我们来一起看看吧！

我们的数据从以下四个维度展开：

新一线城市2000-2019年GDP变化趋势

新一线城市2000-2019年GDP和人口变化趋势

新一线城市2001-2019年人口增量数据

新一线城市近10年平均房价走势图

数据获取

我们使用Python的可视化库Plotly对15座新一线城市的人口/GDP/房价数据进行动态可视化展示。plotly是一个基于javascript的绘图库，绘图种类丰富，效果美观，使用Plotly可以画出很多媲美Tableau的高质量图。

如果你没有安装plotly，可以使用以下代码进行pip安装:

pip install plotly -i https://pypi.tuna.tsinghua.edu.cn/simple

首先导入我们需要使用的包，其中pandas用于数据整理，plotly用于数据可视化。

# 导入包

import pandas as pd

import plotly as py

import plotly.graph_objs as go

import plotly.express as px

from plotly import tools

使用pandas读入并合并数据集，我们选取的数据来自于国家统计局网站，该数据包含了15座新一线城市自2000年~2019年20年期间的GDP和人口数据，这是一份带有时间序列的面板数据，适合进行动态可视化绘图使用。

# 读入数据

df_gdp = pd.read_excel('../data/新一线城市人口和GDP.xlsx', sheet_name=0)

df_pop = pd.read_excel('../data/新一线城市人口和GDP.xlsx', sheet_name=1)

# 合并数据

df_all = pd.merge(left=df_gdp, right=df_pop, on=['城市', '年份'])

df_all = df_all.sort_values(['城市','年份'])

df_all.head()

数据可视化

Plotly有两个很常用的绘图模块，分别是graph_objs和express，此次我们主要使用express进行动态可视化图形的绘制，使用它可以轻松绘制如散点图、条形图、漏斗图、桑基图等图形。

使用官网：

https://plotly.com/python/plotly-express/

绘图的步骤也非常简单：

直接使用px调用某个绘图方法，会自动创建画布，并画出图形。

展示图形，可以直接在notebook中展示，也可以使用py.offline.plot(fig,filename="XXX.html")代码保存成html网页动态图片。

接下来我们演示使用plotly.express绘制动态条形图和散点图。

首先绘制一个动态条形图，用于展示15座城市随时间走势的GDP变化趋势，调用bar的方法即可。

绘图主要参数解释：

data_frame：数据框名称

x：列名，展示的维度

y：列名，展示的度量

color：颜色

text：条形图标记文本

title：标题

range_y：y轴的刻度范围

animation_frame：列名，控制动画帧

# 条形图

fig2 = px.bar(df_all, x='城市', y='GDP', color='城市', text='GDP',

title='新一线城市近20年GDP变化趋势',

range_y=[300, 25000],

animation_frame='年份',

)

fig2.update_layout(yaxis_title='GDP(亿元)') # 更新布局配置

py.offline.plot(fig2, filename='2000-2019年GDP变化趋势.html')

然后绘制一个动态散点图，用于展示15座城市随时间走势的GDP和人口变化趋势，调用scatter的方法即可。绘图步骤和上述类似。

# 散点图

fig3 = px.scatter(df_all, x='GDP', y='人口', animation_frame='年份', animation_group='城市',

size='人口', color='城市', hover_name='城市', size_max=50, text='城市',

range_x=[300, 25000], range_y=[150, 4000],

title='新一线城市近20年GDP和人口变化趋势',

)

fig3.update_layout(xaxis_title='GDP(亿元)', yaxis_title='人口(万人)')

py.offline.plot(fig3, filename='2000-2019年GDP和人口变化趋势.html')

可视化效果

下面我们来具体看下可视化效果：

新一线城市近10年平均房价走势图

本文分享 CSDN - 松鼠爱吃饼干。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。