数据解读2020年GDP前十榜,北京人均可支配收入逼近7万元?

随着春节的来临与2020年各城市GDP发布,2020年全国经济10强城市排行出炉。2020年城市GDP哪家强?GDP前十名中谁是你最惊喜的城市?
在这里插入图片描述

仔细去看这份榜单,就会发现GDP前十的城市,有九座都在南方,仅有北京是北方城市,可以说南方城市经济总量已超过北方城市了。而在上榜这些南方城市中,深圳增速下滑,没有拉开与广州的差距,广州重庆呈现你追我赶的态势,以制造业为核心的苏州展现出较高的经济动能。

疫情之下,武汉经济确实负增长了4.7%,但是武汉仍然坚挺在经济阵地上涅槃浴火,很多人说看到武汉很惊喜也很欣慰。

不过也有不少网友评论,直辖市跟一座城市比,有点不讲武德。重庆省面积比台湾,宁夏,海南省还大,和江苏,浙江差不多大。人口3000多万,比内蒙,吉林,甘肃,台湾,新疆等省的人口都多,把它放到城市里排名确实不太讲武德。

接着,我们来说一说连年“睥睨群雄”的上海和北京城。

数据显示,2020年,上海平均工资6378元/月,人均全年可支配收入72232元。上海人挣钱最多,花钱也最多,上海2020年居民人均消费支出达到42536元,是全国唯一超过4万元的地区。而北京平均工资为6906元/月,人均全年可支配收入69434元,其居民人均可支配收入距离7万元大关一步之遥,比2019年人均可支配收入67756元 上涨了2%左右。

对比2019年的前十榜单,可见杭州超过了武汉,位列第八,而南京则取代天津,位列第十,而天津则是唯一一个掉出前十榜单的直辖市,真的是有点尴尬了。从刚刚公布的数据来看,天津2020年GDP为14083.7亿,与南京差了700多亿,不过与2019年相比,天津的GDP还是有所增长,其曾速约为1.5%。

天津,也是一座历史悠久的城市,自永乐二年建城,到如今已有600多年历史,这座城市的名字也是永乐帝赐予的,天代表天子,津则为渡口,当年永乐帝就是在这里南下,发动靖难之役,从而夺得明朝江山。

此后,天津便因为地理优势,成为京畿门户,江浙地区的粮食要运到北京,无论是走海路还是京杭大运河,都要经过天津,而它也逐渐繁华起来。

最后,总结榜单相关的所有信息,2020年城市GDP前四还是北上深广,我们大家要继续努力,即使现在“拖后腿”了,但是奋斗的路依然很长,只要用心走,前方就总有光。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用 OpenCV 中的 `cv2.minAreaRect()` 函数来获得轮廓的最小外接矩形,然后再计算该矩形的最大内接矩形。代码示例如下: ```python import cv2 # 读取图像并转为灰度图像 img = cv2.imread('image.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化处理 ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 轮廓检测 contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 获取最大轮廓 max_contour = max(contours, key=cv2.contourArea) # 计算最小外接矩形 rect = cv2.minAreaRect(max_contour) # 获取最大内接矩形 box = cv2.boxPoints(rect) box = np.int0(box) rect_area = rect[1][0] * rect[1][1] max_area = 0 for i in range(4): j = (i + 1) % 4 k = (i + 2) % 4 cross = np.abs(np.cross(box[j] - box[i], box[k] - box[j])) area = cross / 2.0 if area > max_area: max_area = area max_rect = [box[i], box[j], box[k], box[(k + 1) % 4]] # 绘制最大内接矩形 cv2.drawContours(img, [max_rect], 0, (0, 0, 255), 2) cv2.imshow('img', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 其中,`cv2.minAreaRect()` 函数返回的是一个包含旋转矩形中心点坐标、长宽和旋转角度的元组,可以使用 `cv2.boxPoints()` 函数将其转换为矩形的四个顶点坐标,然后再计算顶点坐标中的最大内接矩形。最后使用 `cv2.drawContours()` 函数绘制最大内接矩形即可。 ### 回答2: 在OpenCV中,可以通过一系列步骤来获得轮廓的最大逼近内接矩形。 首先,我们需要用函数`cv2.findContours()`找到图像中的轮廓。该函数需要输入一副二值化图像,并将返回一系列轮廓的坐标。 接下来,我们可以使用函数`cv2.approxPolyDP()`对轮廓进行逼近。该函数需要输入原始轮廓的坐标和一个epsilon值来确定逼近的精度。该函数返回一个逼近轮廓的坐标。 然后,我们可以使用函数`cv2.minAreaRect()`找到逼近轮廓的最小外接矩形。该函数需要输入逼近轮廓的坐标,并返回矩形的中心点坐标、宽度、高度和旋转角度。 最后,我们可以将最小外接矩形画在原始图像上,以便查看结果。可以使用函数`cv2.rectangle()`来画矩形,需要输入原始图像、矩形的左上角和右下角坐标、颜色和线宽。 总结起来,要获得轮廓的最大逼近内接矩形,我们需要以下步骤: 1. 通过`cv2.findContours()`函数找到图像中的轮廓。 2. 使用`cv2.approxPolyDP()`函数对轮廓进行逼近。 3. 使用`cv2.minAreaRect()`函数找到逼近轮廓的最小外接矩形。 4. 使用`cv2.rectangle()`函数将最小外接矩形画在原始图像上。 ### 回答3: 在OpenCV中,可以使用`cv2.findContours()`函数来获取图像中的轮廓。然后,可以使用`cv2.approxPolyDP()`函数对每个轮廓进行逼近操作,以获取最大逼近内接矩形。 首先,加载图像并将其转换为灰度图像。然后,使用`cv2.findContours()`函数来获取轮廓。该函数返回一个轮廓列表。 接下来,创建一个循环来遍历每个轮廓。对于每个轮廓,可以使用`cv2.approxPolyDP()`函数来进行逼近操作,以获取逼近后的轮廓。该函数需要传入轮廓、逼近精度等参数。 然后,可以使用`cv2.boundingRect()`函数来获取逼近后的轮廓的最小外接矩形。该函数返回一个矩形的左上角坐标和宽高。这个矩形就是所求的最大逼近内接矩形。 最后,可以绘制最大逼近内接矩形以及轮廓,以便观察结果。可以使用`cv2.rectangle()`函数来绘制矩形,使用`cv2.drawContours()`函数来绘制轮廓。 通过以上步骤,就可以获得图像中轮廓的最大逼近内接矩形了。 示例代码如下: ```python import cv2 # 加载图像并转换为灰度图像 image = cv2.imread("image.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 获取轮廓 contours, _ = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历每个轮廓 for contour in contours: # 进行逼近操作,获取逼近后的轮廓 approx = cv2.approxPolyDP(contour, 0.01 * cv2.arcLength(contour, True), True) # 获取逼近后的轮廓的最小外接矩形 x, y, w, h = cv2.boundingRect(approx) # 绘制最大逼近内接矩形和轮廓 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.drawContours(image, [approx], 0, (0, 0, 255), 2) # 显示结果图像 cv2.imshow("Image", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 通过运行以上代码,即可获得图像中轮廓的最大逼近内接矩形并进行显示。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值