【数据分享】全国地级市1999—2020年工业企业数(Shp/Excel格式)

在之前的文章中,我们分享过基于2000-2022年《中国城市统计年鉴》整理的1999-2021年地级市的人口相关数据、各类用地面积数据、污染物排放和环境治理相关数据、房地产投资情况和商品房销售面积、社会消费品零售总额和年末金融机构存贷款余额(可查看之前的文章获悉详情)。

本次我们分享的是从2000—2022年《中国城市统计年鉴》整理的地级市工业企业数!数据年份为1999-2021年,统计对象为地级及以上城市,格式为Shp和Excel两种格式,涉及到全市和市辖区两种统计口径,共有8个指标具体包括:

  • 工业企业数(2000-2010年/全市/市辖区/个)
  • 规模以上工业企业数(1999、2011-2021年/全市/市辖区/个)
  • 内资企业数(2003-2010年/全市/市辖区/个)
  • 规模以上内资企业数(2011-2021年/全市/市辖区/个)
  • 港澳台商投资企业数(2003-2010年/全市/市辖区/个)
  • 规模以上港澳台商投资企业数(2011-2021年/全市/市辖区/个)
  • 外商投资企业数(2003-2010年/全市/市辖区/个)
  • 规模以上外商投资企业数(2011-2021年/全市/市辖区/个)

以下为数据的详细信息:

01 数据预览

我们以全市的规模以上工业企业数、规模以上内资企业数和规模以上外商投资企业数这三个指标为例来预览下数据!

1.Shp格式的地级及以上城市规模以上工业企业数(全市)

我们以2020年的数据为例来预览一下:

2.Shp格式的地级及以上城市规模以上内资企业数(全市)

我们以2021年的数据为例来预览一下:

3.Shp格式的地级及以上城市规模以上外商投资企业数(全市)

我们以2021年的数据为例来预览一下:

4.Excel格式的地级及以上城市规模以上工业企业数(全市)

5.Excel格式的地级及以上城市规模以上内资企业数(全市)

6.Excel格式的地级及以上城市规模以上外商投资企业数(全市)

02 数据说明

①年鉴统计的是前一年的数据,所以2000-2022年《中国城市统计年鉴》统计的是1999-2021年数据;

②《中国城市统计年鉴》统计的指标在23年间有变动,每年并非一致,比如工业企业数只在2001年到2011年的年鉴中统计!

③《中国城市统计年鉴》统计的是城市的数据,非城市的行政单元和非地级及以上的行政单元没有统计在内,一共有74个,具体为:兴安盟、锡林郭勒盟、阿拉善盟、延边朝鲜族自治州、大兴安岭地区、济源市、恩施土家族苗族自治州、仙桃市、潜江市、天门市、神农架林区、湘西土家族苗族自治州、五指山市、琼海市、文昌市、万宁市、东方市、定安县、屯昌县、澄迈县、临高县、白沙黎族自治县、昌江黎族自治县、乐东黎族自治县、陵水黎族自治县、保亭黎族苗族自治县、琼中黎族苗族自治县、阿坝藏族羌族自治州、甘孜藏族自治州、凉山彝族自治州、黔西南布依族苗族自治州、黔东南苗族侗族自治州、黔南布依族苗族自治州、楚雄彝族自治州、红河哈尼族彝族自治州、文山壮族苗族自治州、西双版纳傣族自治州、大理白族自治州、德宏傣族景颇族自治州、怒江傈僳族自治州、迪庆藏族自治州、阿里地区、临夏回族自治州、甘南藏族自治州、海北藏族自治州、黄南藏族自治州、海南藏族自治州、果洛藏族自治州、玉树藏族自治州、海西蒙古族藏族自治州、昌吉回族自治州、博尔塔拉蒙古自治州、巴音郭楞蒙古自治州、阿克苏地区、克孜勒苏柯尔克孜自治州、喀什地区、和田地区、伊犁哈萨克自治州、塔城地区、阿勒泰地区、石河子市、阿拉尔市、图木舒克市、五家渠市、北屯市、铁门关市、双河市、可克达拉市、昆玉市、胡杨河市、新星市、台湾省、香港特别行政区、澳门特别行政区。

④由于行政区划调整等因素,部分地级市的部分年份的数据可能有缺失。对于缺失数据的地级市,Excel中用空值表示,Shp中则用0值表示,也就是0值表示的是数据缺失,而不是表示的数据值为0。

⑤Shp数据坐标为WGS1984坐标。

⑥Shp文件采用的是“数读城事”公众号提供的2021年地级市行政区划。

文末下方是我们的公众号名片,我们将定期介绍各类城市数据以及数据的可视化和分析技术,有关全国地级市1999—2020年工业企业数,欢迎大家多多关注我们进行了解!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
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