【第七次全国人口普查 | Pyecharts】数据可视化～

前言

关于第七次全国人口普查数据的探索～
人口普查数据 & 可视化代码请访问和鲸社区获取~

概览

人口总量。全国人口共 141178 万人，与 2010 年（第六次全国人口普查数据，下同）的 133972 万人相比，增加 7206 万人，增长 5.38%，年平均增长率为 0.53%，比 2000 年到 2010 年的年平均增长率 0.57%下降 0.04 个百分点。数据表明，我国人口 10 年来继续保持低速增长态势。
户别人口。全国共有家庭户 49416 万户，家庭户人口为 129281 万人；集体户 2853 万户，集体户人口为 11897 万人。平均每个家庭户的人口为 2.62 人，比 2010 年的 3.10 人减少 0.48 人。家庭户规模继续缩小，主要是受我国人口流动日趋频繁和住房条件改善年轻人婚后独立居住等因素的影响。
人口地区分布。东部地区人口占 39.93%，中部地区占 25.83%，西部地区占 27.12%，东北地区占 6.98%。与 2010 年相比，东部地区人口所占比重上升 2.15 个百分点，中部地区下降 0.79 个百分点，西部地区上升 0.22 个百分点，东北地区下降 1.20 个百分点。人口向经济发达区域、城市群进一步集聚。
性别构成。男性人口为 72334 万人，占 51.24%；女性人口为 68844 万人，占 48.76%。总人口性别比（以女性为 100，男性对女性的比例）为 105.07，与 2010 年基本持平，略有降低。出生人口性别比为 111.3，较 2010 年下降 6.8。我国人口的性别结构持续改善。
年龄构成。0—14 岁人口为 25338 万人，占 17.95%；15—59 岁人口为 89438 万人，占 63.35%；60 岁及以上人口为 26402 万人，占 18.70%（其中， 65 岁及以上人口为 19064 万人，占 13.50%）。与 2010 年相比，0—14 岁、15—59 岁、60 岁及以上人口的比重分别上升 1.35 个百分点、下降 6.79 个百分点、上升 5.44 个百分点。我国少儿人口比重回升，生育政策调整取得了积极成效。同时，人口老龄化程度进一步加深，未来一段时期将持续面临人口长期均衡发展的压力。
受教育程度人口。具有大学文化程度的人口为 21836 万人。与 2010年相比，每 10 万人中具有大学文化程度的由 8930 人上升为 15467 人，15 岁及以上人口的平均受教育年限由 9.08 年提高至 9.91 年，文盲率由 4.08%下降为2.67%。受教育状况的持续改善反映了 10 年来我国大力发展高等教育以及扫除青壮年文盲等措施取得了积极成效，人口素质不断提高。
城乡人口。居住在城镇的人口为 90199 万人，占 63.89%；居住在乡村的人口为 50979 万人，占 36.11%。与 2010 年相比，城镇人口增加 23642 万人，乡村人口减少 16436 万人，城镇人口比重上升 14.21 个百分点。随着我国新型工业化、信息化和农业现代化的深入发展和农业转移人口市民化政策落实落地，10 年来我国新型城镇化进程稳步推进，城镇化建设取得了历史性成就。
流动人口。人户分离人口为 49276 万人，其中，市辖区内人户分离人口为 11694 万人，流动人口为 37582 万人，其中，跨省流动人口为 12484 万人。与 2010年相比，人户分离人口增长 88.52%，市辖区内人户分离人口增长 192.66%，流动人口增长 69.73%。我国经济社会持续发展，为人口的迁移流动创造了条件，人口流动趋势更加明显，流动人口规模进一步扩大。
民族人口。汉族人口为 128631 万人，占 91.11%；各少数民族人口为 12547 万人，占 8.89%。与 2010 年相比，汉族人口增长 4.93%，各少数民族人口增长 10.26%，少数民族人口比重上升 0.40 个百分点。民族人口稳步增长，充分体现了在中国共产党领导下，我国各民族全面发展进步的面貌。

chart = Map3D(init_opts=opts.InitOpts(width='1000px',height='600px',theme='dark',bg_color='#000')
)# 引用添加的地图
chart.add_schema(maptype="china",ground_color='#999',shading="lambert",emphasis_label_opts=opts.LabelOpts(is_show=True),itemstyle_opts=opts.ItemStyleOpts(border_width=0.2,border_color="rgb(0,0,0)",),light_opts=opts.Map3DLightOpts(main_shadow_quality='high',is_main_shadow=True,main_intensity=1,main_alpha=30,ambient_cubemap_texture='https://echarts.apache.org/examples/data-gl/asset/canyon.hdr',ambient_cubemap_diffuse_intensity=0.5,ambient_cubemap_specular_intensity=0.5),post_effect_opts=opts.Map3DPostEffectOpts(is_enable=True,is_ssao_enable=True,ssao_radius=1,ssao_intensity=1)
)
chart.add("GDP",data_pair=data_pair,type_="bar3D",bar_size=1.5,min_height=3,shading="lambert",label_opts=opts.LabelOpts(is_show=False,formatter=JsCode("function(data){return data.name + ': ' + data.value[2];}"),)
)
chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(is_show=False,type_='color',dimension=2,min_=1e7,max_=1e8,range_color=['#313695','#4575b4','#74add1','#abd9e9','#e0f3f8','#ffffbf','#fee090','#fdae61','#f46d43','#d73027','#a50026']),title_opts=opts.TitleOpts(title="全国各省人口统计",subtitle='数据来自全国第七次人口普查数据，未包含港澳台地区。',pos_left="2%",pos_top='1%',title_textstyle_opts=opts.TextStyleOpts(color='#00BFFF', font_size=20)),tooltip_opts=opts.TooltipOpts(is_show=False),legend_opts=opts.LegendOpts(is_show=False),graphic_opts=[opts.GraphicGroup(graphic_item=opts.GraphicItem(id_='1', left="100px", bottom="100px"),children=[opts.GraphicRect(graphic_item=opts.GraphicItem(left="center", top="center", z=1),graphic_shape_opts=opts.GraphicShapeOpts(width=200, height=80),graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(# 颜色配置，这里设置为黑色，透明度为0.5fill="rgba(0,0,0,0.5)",line_width=4,stroke="#fff",),),opts.GraphicText(graphic_item=opts.GraphicItem(left="center", top="center", z=100),graphic_textstyle_opts=opts.GraphicTextStyleOpts(# 要显示的文本text='全国人口：{:,}\n\n现役军人：{:,}'.format(int(total), int(soldier)),font="bold italic 14px Microsoft YaHei",graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="#fff"),),)],), ]
)pie = Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='400px',bg_color='rgb(0,0,0)')
)
pie.add("",data_pair_age,# 指定饼图中心位置center=["20%", "35%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.add("",data_pair_sex,# 指定饼图中心位置center=["50%", "35%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.add("",data_pair_edu,# 指定饼图中心位置center=["80%", "35%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.add("",[('城镇', 63.89), ('农村', 36.11)],# 指定饼图中心位置center=["20%", "70%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.add("",[('汉族', 91.11), ('少数民族', 8.89)],# 指定饼图中心位置center=["50%", "70%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.add("",[('流动人口', 26.62), ('非流动人口', 73.38)],# 指定饼图中心位置center=["80%", "70%"],# 将饼图尺寸相应缩小，不然饼图会重叠radius=["15%", "25%"],label_opts=opts.LabelOpts(formatter='{b}\n{c}%')
)pie.set_global_opts(legend_opts=opts.LegendOpts(is_show=False),title_opts=[dict(text='人口画像', left='2%', top='1%', textStyle=dict(color='#00BFFF', fontSize=20)),dict(text='年龄 ',left='20%',top='32%',textAlign='center',textStyle=dict(color='#fff',fontWeight='normal',fontSize=15)),dict(text='性别 ',left='50%',top='32%',textAlign='center',textStyle=dict(color='#fff',fontWeight='normal',fontSize=15)),dict(text='教育 ', left='80%', top='32%', textAlign='center', textStyle=dict(color='#fff', fontWeight='normal', fontSize=15)),dict(text='户籍 ', left='20%', top='67%', textAlign='center', textStyle=dict(color='#fff', fontWeight='normal', fontSize=15)),dict(text='民族 ', left='50%', top='67%', textAlign='center', textStyle=dict(color='#fff', fontWeight='normal', fontSize=15)),dict(text='流动 ', left='80%', top='67%', textAlign='center', textStyle=dict(color='#fff', fontWeight='normal', fontSize=15))],graphic_opts=[opts.GraphicGroup(graphic_item=opts.GraphicItem(id_='2', left="center", top="40px"),children=[opts.GraphicRect(graphic_item=opts.GraphicItem(left="center", top="center", z=1),graphic_shape_opts=opts.GraphicShapeOpts(width=950, height=320),graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="rgba(0,0,0,0)",line_width=5,stroke="#fff",),)],)]
)
colors = ['#313695','#4575b4','#74add1','#abd9e9','#e0f3f8','#ffffbf','#fee090','#fdae61','#f46d43','#d73027','#a50026']
random.shuffle(colors)
pie.set_colors(colors)page = Page()
page.add(chart).add(pie)
page.render_notebook()

各省

人口变化

从2010年-2020年各省人口的在全国占比变化来看：

东三省人口占比下降最多，黑龙江在2010年人口占全国2.86%，在2020年下降到2.26%；
广东人口占比上涨最多，在2010年人口全国占比为7.79%，在2020年的时候全国占比达到了8.93%，2020年人口数1.2亿；

map_chart = Map(init_opts=opts.InitOpts(theme='dark',width='1000px',height='700px',bg_color='#000')
)
map_chart.add('占比变化',data_pair=data_pair,maptype='china',# 关闭symbol的显示is_map_symbol_show=False,label_opts=opts.LabelOpts(color='#fff'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 0,  # Y轴方向阴影偏移'shadowOffsetX': 0,  # x轴方向阴影偏移'borderColor': '#fff'}})
map_chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(is_show=True,is_piecewise=True,series_index=0,pos_top='center',pos_left='2%',range_text=['人口占比变化：\n\n流入', '流出'],min_=-0.5,max_=0.5,precision=1,pieces=[{'min': 0.2, "color": 'red'},{'min': 0.1, 'max': 0.2, 'color': '#FF69B4'},{'min': 0, 'max': 0.1, 'color': '#FFB6C1'},{'min': -0.1, 'max': 0, 'color': '#87CEFA'},{'max': -0.1, 'min': -0.2, 'color': '#1E90FF'},{'max': -0.2, 'color': 'blue'}],),legend_opts=opts.LegendOpts(is_show=False),tooltip_opts=opts.TooltipOpts(is_show=True,trigger='item',formatter='{b}:{c}%'),title_opts=dict(text='2010-2020年各省人口占比变化',left='2%',top='1%',textStyle=dict(color='#00BFFF'))
)map_chart.render_notebook()

年龄构成

我们看北京、上海、广东这三个发达地区，可以发现在15-59岁年龄区间的群体都是高于全国平均水平的；
上海、北京地区0-14岁年龄的群体远低于平均水平，尤其上海占比只有9.8%；

bar = Bar(init_opts=opts.InitOpts(theme='dark',width='1000px',height='1000px',bg_color='#000')
)
bar.add_xaxis(df['地区'].tolist()
)
bar.add_yaxis('0—14岁',df['0—14岁'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('15—59岁',df['15—59岁'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('60岁及以上',df['60岁及以上'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)
bar.set_global_opts(xaxis_opts=opts.AxisOpts(is_show=False, max_=100),yaxis_opts=opts.AxisOpts(axisline_opts=opts.AxisLineOpts(is_show=False),axistick_opts=opts.AxisTickOpts(is_show=False)),legend_opts=opts.LegendOpts(is_show=True, pos_top='1%', pos_right='10%'),title_opts=opts.TitleOpts(title="全国各省人口年龄构成",# subtitle='数据来自全国第七次人口普查数据，未包含港澳台地区。',pos_left="5%",pos_top='1%',title_textstyle_opts=opts.TextStyleOpts(color='#00BFFF', font_size=20)),
)bar.reversal_axis()
bar.set_colors(['orange', 'blue', 'red'])
bar.render_notebook()

性别构成

广东的朋友找对象可能最难；
全国的男女比例大概1.02:1，大约是每100个男性中有4个得打光棍；
考虑到女性平均寿命高于男性，适婚年龄的男女比例可能更恐怖；

bar = Bar(init_opts=opts.InitOpts(theme='dark',width='1000px',height='1000px',bg_color='#000')
)
bar.add_xaxis(df['地区'].tolist()
)
bar.add_yaxis('男性',df['男'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('女性',df['女'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.set_global_opts(xaxis_opts=opts.AxisOpts(is_show=False, min_=40, max_=60),yaxis_opts=opts.AxisOpts(axisline_opts=opts.AxisLineOpts(is_show=False),axistick_opts=opts.AxisTickOpts(is_show=False)),legend_opts=opts.LegendOpts(is_show=True, pos_top='1%', pos_right='10%'),title_opts=opts.TitleOpts(title="全国各省人口性别构成",# subtitle='数据来自全国第七次人口普查数据，未包含港澳台地区。',pos_left="5%",pos_top='1%',title_textstyle_opts=opts.TextStyleOpts(color='#00BFFF', font_size=20)),
)bar.reversal_axis()
bar.set_colors(['blue', 'red'])
bar.render_notebook()

教育程度

bar = Bar(init_opts=opts.InitOpts(theme='dark',width='1000px',height='1000px',bg_color='#000')
)
bar.add_xaxis(df['地区'].tolist()
)
bar.add_yaxis('大学（含大专）',df['大学'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('高中（含中专）',df['高中'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('初中',df['初中'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('小学',df['小学'].tolist(),stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.add_yaxis('其他',[round(x, 2) for x in df['其他'].tolist()],stack=1,label_opts=opts.LabelOpts(is_show=True, formatter='{c}%', position='insideLeft'),itemstyle_opts={'normal': {'shadowColor': 'rgba(0, 0, 0, .5)',  # 阴影颜色'shadowBlur': 5,  # 阴影大小'shadowOffsetY': 2,  # Y轴方向阴影偏移'shadowOffsetX': 2,  # x轴方向阴影偏移'borderColor': '#fff'}}
)bar.set_global_opts(xaxis_opts=opts.AxisOpts(is_show=False, max_=100),yaxis_opts=opts.AxisOpts(axisline_opts=opts.AxisLineOpts(is_show=False),axistick_opts=opts.AxisTickOpts(is_show=False)),legend_opts=opts.LegendOpts(is_show=True, pos_top='1%', pos_right='10%'),title_opts=opts.TitleOpts(title="全国各省人口接受教育程度",# subtitle='数据来自全国第七次人口普查数据，未包含港澳台地区。',pos_left="5%",pos_top='1%',title_textstyle_opts=opts.TextStyleOpts(color='#00BFFF', font_size=20)),
)bar.reversal_axis()
bar.set_colors(['blue', '#1E90FF', '#87CEFA', '#FF69B4', 'red'])bar.render_notebook()

欢迎三连~~

【第七次全国人口普查 | Pyecharts】数据可视化～相关推荐

【报告分享】第七次全国人口普查主要数据情况报告.pdf（附下载链接）
大家好,我是文文(微信:sscbg2020),今天给大家分享国家统计局于2021年5月11日发布的<第七次全国人口普查主要数据情况报告.pdf>,这份姗姗来迟的数据报告,有哪些数据发现?伙 ...
Python海龟数据分析，第七次全国人口普查历年数据图表.py
"""Python海龟数据分析,第七次全国人口普查历年数据图表.py使用Python的海龟模块能进行数据分析,显示统计图标,画柱状图吗?答案是肯定的.下面的程序主要使用了 ...
你认为 2020 年我国第七次全国人口普查数据会有误差吗？请给出理由。
我不能确定 2020 年中国第七次全国人口普查数据是否会有误差,因为我没有相关信息.但是,在进行人口普查时,通常会采用多种方法来尽量减少误差,例如使用严格的调查方法和数据校验程序.此外,还可以采用计算 ...
腾讯云TDSQL-A发布公有云版本支持第七次全国人口普查等海量数据场景
5月18日,腾讯云发布首款全自研分布式分析型数据库TDSQL-A,全力应对海量数据实时分析需求. 这是腾讯云数据库在品牌升级后的首次新品发布,意味着腾讯云将这种多年积累的经验更加广泛全面地向社会行业开 ...
第七次全国人口普查登记今日零时启动六大释疑都在这
新京报讯我国第七次全国人口普查登记今日零时正式启动,持续至12月10日,随后开展普查数据处理.汇总等工作,2021年对外发布主要数据公报.本次普查,普查对象首次可选择自主填报,也可以由普查员上门登记 ...
第七次全国人口普查公报[1]（第七号） ——城乡人口和流动人口情况
来源:国家统计局发布时间:2021-05-11 10:00 国家统计局国务院第七次全国人口普查领导小组办公室 2021年5月11日根据第七次全国人口普查结果,现将2020年11月1日零时我国大陆3 ...
第七次全国人口普查公报[1]（第八号） ——接受普查登记的港澳台居民和外籍人员情况
来源:国家统计局发布时间:2021-05-11 10:00 国家统计局国务院第七次全国人口普查领导小组办公室 2021年5月11日根据第七次全国人口普查结果,现将2020年11月1日零时居住在我国 ...
第七次全国人口普查公报[1]（第四号） ——人口性别构成情况
来源:国家统计局发布时间:2021-05-11 10:00 国家统计局国务院第七次全国人口普查领导小组办公室 2021年5月11日根据第七次全国人口普查结果,现将2020年11月1日零时我国大陆3 ...
2020统计局的行政划分表_天津市第七次全国人口普查区域划分与地图绘制试点工作在西青区开展...
1 日前,天津市第七次全国人口普查区域划分与地图绘制试点工作在西青区张家窝镇顺利完成.天津市统计局人口处二级调研员梁振华同志亲临试点现场,主持召开试点工作培训及相关工作的开展,市统计局人口处.西青区统 ...
武汉市2010年第六次全国人口普查主要数据公报
地区武汉市2010年第六次全国人口普查主要数据公报武汉市人民政府第六次人口普查领导小组办公室武汉市统计局 2011年5月10日根据国务院的决定,我国以2010年11月1日零时为标准 ...

【第七次全国人口普查 | Pyecharts】数据可视化～

前言

概览

各省

人口变化

年龄构成

性别构成

教育程度

【第七次全国人口普查 | Pyecharts】数据可视化～相关推荐

最新文章

热门文章