致敬情人节，用数据分析我国5年婚姻状况，且行且珍惜

最新推荐文章于 2023-05-08 22:47:13 发布

一毛钱的年代

最新推荐文章于 2023-05-08 22:47:13 发布

阅读量2.7k

点赞数 4

分类专栏： Python 文章标签： python 数据分析大数据

本文链接：https://blog.csdn.net/sc_liuliye/article/details/113808889

版权

Python 专栏收录该内容

11 篇文章 2 订阅

订阅专栏

致敬情人节，用数据分析我国5年婚姻状况，且行且珍惜

今年回老家过年，姑妈一直催刚刚大学毕业的表弟找女朋友。被催婚的表弟说“养活自己都不容易了，哪有钱找女朋友，我不结婚的”。姑妈无奈说，“你不结婚早说啊，不用我那么辛苦供你上大学”。虽然我们都知道表弟不是真的不想找对象结婚，姑妈也知道表弟他只是气话，但是确实说出了我们年轻人的无奈。估计姑妈做梦都想不到，他们那年代的人结婚就是三两天的事情，两人通过媒人婆介绍坐在一起，当场立断定姻缘，合适就发个大红包，不合适就回礼个小红包。

无独有偶，我堂哥87年的仍未结婚。中专毕业一直在城市打拼，前几年回村务农种植点三华李，相亲数十场，仍未遇到良缘。现在农村结婚也那么难的了吗？还是我们年轻人想法多了？越多想法越难凑合？

我也想一探究竟，用数据说话，看看结婚是不是很难，看看我国目前婚姻年龄分布情况，分地区农村婚姻状况分布等信息。

让我的杠精表弟且行且珍惜，遇到了就不要错过，错过了可能就是永远。不信？数据是不会骗人的。

本过程采用Anaconda-Jupyter-notebook开发环境，用到pandas、plotly等库，所有脚本及数据请点击下载，谢谢！

致敬情人节，用数据分析我国5年婚姻状况，且行且珍惜

一数据准备清洗

为此，我找了两份数据，一份是2015-2019年各省农村性别婚姻状况，一份是2018-2019年按年龄层性别分布婚姻状况。数据均取自于国家统计局http://www.stats.gov.cn/tjsj./ndsj/

各省农村性别婚姻状况取自于《中国人口和就业统计年鉴》-2-39《全国1人口省略各地区乡村分性别婚姻状况的人口》，2015-2019年五年的数据，数据均是取全国1%人口抽样调查数据样本。一般《中国人口和就业统计年鉴》是次年才发布，所有没有找到2020年的数据，需要2021年发布才有。虽然不能代表最新数据，但是2015-2019年五年发数据，均可以反应我国农村目前婚姻状况。部分数据样本如下:

年份	地区	15岁及以上	男_15岁及以上	女_15岁及以上	未婚	男_未婚	女_未婚	有配偶	男_有配偶	女_有配偶	离婚	男_离婚	女_离婚	丧偶	男_丧偶	女_丧偶
2019	全国	347154	175388	171766	61300	39196	22105	253911	123968	129943	6486	4622	1865	25456	7602	17854
2019	北京	2063	1119	945	392	234	158	1546	842	703	44	23	21	81	19	62
2019	天津	1748	893	855	321	192	129	1304	647	657	46	28	18	77	26	51
2019	河北	20126	10184	9942	3015	1957	1058	15546	7590	7957	308	241	67	1256	397	859
2019	山西	10113	5188	4925	1979	1250	729	7345	3638	3708	163	125	37	625	175	450

按年龄层性别分布婚姻状况，数据为《中国人口和就业统计年鉴_第二部分年人口变动情况省略及以上人口分年龄_性别的婚姻状况》，及根据年龄层分布的婚姻状况数据，数据均是取全国1%人口抽样调查数据样本。本次分析取2018-2019年数据，2017年的数据没找到，所以只分析两年数据。部分数据样本如下:

年份	年龄层	15岁及以上口	男_15岁及以上	女_15岁及以上	未婚	男_未婚	女_未婚	有配偶	男_有配偶	女_有配偶	离婚	男_离婚	女_离婚	丧偶	男_丧偶
2019	总计	908609	459235	449374	163714	98992	64721	672419	334602	337817	20530	11546	8984	51947	14095
2019	15-19	55822	30261	25560	55038	30048	24990	777	212	565	6	1	5	2	1
2019	15	11586	6284	5302	11556	6267	5288	29	17	12	1		1
2019	16	10421	5655	4767	10376	5639	4737	43	14	29	2	1	1	1	1
2019	17	11229	6094	5135	11155	6069	5086	74	25	49
2019	18	11136	6032	5104	10918	5972	4946	217	60	157	1		1
2019	19	11449	6197	5253	11034	6101	4932	414	95	318	1		1	1
2019	20-24	61519	32854	28665	50292	28817	21475	11036	3944	7092	183	91	92	9	1
2019	20	11121	5998	5124	10383	5768	4615	731	225	506	7	4	3
2019	21	12030	6469	5562	10778	6088	4690	1236	374	862	14	7	7	2
2019	22	11891	6367	5525	9950	5725	4225	1911	628	1284	29	14	15	1
2019	23	12411	6600	5811	9424	5488	3937	2918	1077	1841	68	36	32	1
2019	24	14065	7421	6644	9756	5749	4008	4239	1641	2599	65	31	35	4	1
2019	25-29	81741	42186	39555	32502	20651	11851	48010	20885	27125	1182	641	541	47	9
2019	25	14258	7420	6838	8431	5085	3346	5700	2275	3426	118	57	60	8	2
2019	26	14941	7726	7215	7442	4589	2853	7332	3061	4271	159	73	86	8	2
2019	27	15439	8000	7439	6197	3964	2233	9015	3907	5108	223	129	95	3

1 数据导入

# 1-读取数据
import pandas as pd

CSV_FILE_PATH_01 = './01_各省农村婚姻状况数据.csv'
CSV_FILE_PATH_02 = './02_全国年龄层婚姻状况数据.csv'

df01 = pd.read_csv(CSV_FILE_PATH_01,sep=',',encoding="gbk")
df02 = pd.read_csv(CSV_FILE_PATH_02,sep=',',encoding="gbk")

print(df01.head(5))
print(df02.head(5))

2 样本数据清理转换

# 2 历年统计样本总数据情况
df01_total = df01[df01.地区 =='全国']
print(df01_total)

	年份	地区	15岁及以上	男_15岁及以上	女_15岁及以上	未婚	男_未婚	女_未婚	有配偶	男_有配偶	女_有配偶	离婚	男_离婚	女_离婚	丧偶	男_丧偶	女_丧偶
0	2019	全国	347154	175388	171766	61300	39196	22105	253911	123968	129943	6486	4622	1865	25456	7602	17854
31	2018	全国	372487	188280	184207	66272	41659	24613	272839	133925	138914	6568	4605	1964	26807	8091	18716
63	2017	全国	382931	193484	189446	67993	42154	25840	280967	138147	142821	6460	4615	1846	27510	8569	18941
95	2016	全国	398692	201401	197292	71988	44466	27523	291770	143175	148595	6224	4374	1850	28709	9385	19324
127	2015	全国	7542218	3808334	3733885	1361810	843848	517962	5544921	2718782	2826140	102716	73701	29014	532772	172003	360769

五年数据，15年的抽样数据样本最大有700万多，其他年份基本是30万份。总体样本数量不一样，我们将它转换成比例，方便历年数据作对比。清理转换数据为比率：

## 男女比率
df01['占比_男_15岁及以上'],df01['占比_女_15岁及以上'] = [df01['男_15岁及以上'] / df01['15岁及以上'],df01['女_15岁及以上'] / df01['15岁及以上']]
## 未婚比率
df01['占比_未婚'],df01['占比_未婚_男'] ,df01['占比_未婚_女']= [df01['未婚'] / df01['15岁及以上'],df01['男_未婚'] / df01['未婚'],df01['女_未婚'] / df01['未婚']]
## 有配偶比率
df01['占比_有配偶'],df01['占比_有配偶_男'] ,df01['占比_有配偶_女']= [df01['有配偶'] / df01['15岁及以上'],df01['男_有配偶'] / df01['有配偶'],df01['女_有配偶'] / df01['有配偶']]
## 离婚比率
df01['占比_离婚'],df01['占比_离婚_男'] ,df01['占比_离婚_女']= [df01['离婚'] / df01['15岁及以上'],df01['男_离婚'] / df01['离婚'],df01['女_离婚'] / df01['离婚']]
## 丧偶比率
df01['占比_丧偶'],df01['占比_丧偶_男'] ,df01['占比_丧偶_女']= [df01['丧偶'] / df01['15岁及以上'],df01['男_丧偶'] / df01['丧偶'],df01['女_丧偶'] / df01['丧偶']]


## 占比的列
type(df01)
cl_list = list(df01.filter(regex='占比'))
##放大100倍
df01_ratio = df01[cl_list] *100

cl_list.insert(0,'地区')
cl_list.insert(0,'年份')
df01_ratio =df01_ratio.reindex(columns=cl_list)

df01_ratio['地区'] = df01['地区']
df01_ratio['年份'] = df01['年份']

print(df01_ratio.head())

部分数据显示如下

二全国整体婚姻状况分析

基本数据已经准备完毕，我们开始看看这些数据都有带来给我们什么信息。先看看全国整体数据情况：

部分代码：

df =df01_ratio[df01_ratio.地区 =='全国']
x = df['年份']
fig = go.Figure()
for c in list(df.columns.drop(['年份','地区'])):
    fig.add_trace(go.Scatter(x=x, y=df[c],
                        mode='lines+markers',
                        name=c))
  

fig.show()

基本符合我们的预期，数据项比较多，我们逐一缕一缕，看看都有些什么信息。

1 未婚情况

发现，2015年-2019年未婚人数占比率逐年下降，由18%降到17.6%。女生未婚人数由38%降到36%，看样子大家都结婚啦，而且估计步入15岁的年轻人人口逐步减少，所以未婚率下降，比较符合我国国情。再看看男生未婚的，却是由61%上升到63%。未婚人群中，63%都是男的打光棍，女生占比不到40%。

结论1：男人成年后，60%+是要打光棍，而且逐年上升。

2 配偶情况

再看看配偶情况，5年内有配偶占比情况均73%，而男女分布情况基本为两级分化。男生有配有占比49%左右徘徊.找不到对象的基本都是男的。很符合我们的认知。

结论2：男人成年后，60%+是要打光棍，而且逐年上升。

3 离婚情况

离婚情况，很明显，逐年上升，而且涨得非常快。

看看离婚性比分别，基本男的占70%，女的30%左右。杠精表弟说，男女离婚不是应该是五五分吗？为什么男的占比70%？很显然就是人家女生离婚后还可以找到好人家呗，离婚男还想轻易有人要？(⊙﹏⊙)，所以，结婚的哥们，好好珍惜老婆，别想着你还可以找到更好的，离婚后70%*52%概率你还是没有配偶的离婚状态。

结论3：男人离婚后更难结婚

4 丧偶情况

15岁丧偶情况，整体小幅度上升趋势。估计是老龄化导致，比较年轻人占比逐步减小。而比较有意思的是，男女的上丧偶占比三七分，应该是女生丧偶后更多选择坚守曾经那份爱情吧，或是男人们工作压力大，而且从事危险工作多。程序员等996人群不容易，且包容您的丈夫吧，他为了这个家也不容易。爱情，婚姻，始终都是两个人的。

结论4：男人女人都不易，既然选择在一起就风雨兼程

杠精表弟说，这只是全国的状况，不代表我们大广东实际情况啊，可能我们广东女多男少呢，可能我们广东有钱就不一样呢？

也是，那我们看看全国各地的婚姻状况吧

三 2019年各省婚姻状况分析

1 省未婚情况

df =df01_ratio[(df01_ratio.地区 !='全国') & (df01_ratio.年份 == 2019 )]
#print(df.head())
TYPE_NAME = '占比_未婚_男'
fig = px.pie(df, values=df[TYPE_NAME], names='地区', title='2019年各省'+TYPE_NAME+'情况')
fig.show()