当前位置：首页 > news >正文

python可视化：北方城市人口流动趋势分析1

news 来源：原创 2025/6/29 9:12:06

python可视化：北方城市人口流动趋势分析1

斑点鱼在做销售数据分析时发现北京天津的同比下滑明显，客流下滑明显。而山东保定的客流同比上升。引起了斑点鱼对于北方人口流动的好奇。
所以本文将分析2025年北方地区(北京、天津、河北、山东、山西、辽宁等)的人口流动状况，包括一线城市人口外流现象、三线城市人口涌入情况，以及旅游人口流动的影响。

北方地区人口流动现状

北方地区的人口流动呈现出明显的分化趋势：

一线城市人口外流明显：
- 北京：2025年初常住人口为2183.2万，较2023年末的2185.8万减少了2.6万，延续了近年来的负增长趋势。北京常住外来人口比例从2020年的38.5%降至2024年的约37.8%。
- 天津：2025年初常住人口1364万，较2021年末的1373万减少了9万，人口负增长态势更为明显。天津滨海新区在2010-2020年间人口减少了65万。
三线城市人口流动分化：
- 河北省整体处于人口负增长状态，2021年常住人口减少16万，但部分三线城市如石家庄可能吸引省内人口。
- 山东省作为人口大省(2025年初常住人口10080.17万)，青岛等城市保持人口正增长(2021年增加15.1万)。
- 辽宁省整体人口外流严重，2010-2020年东北三省总计流出人口1100万，主要流向山东、北京、河北等地。
旅游人口流动：
- 河北省2025年春运跨区域人员流动量达5.34亿人次，显示短期人口流动活跃。
- 北京、天津等城市旅游吸引力强，但旅游人口多为短期流动，对常住人口统计影响有限。

Python可视化分析

1. 数据准备

首先安装必要库：

pip install pandas numpy matplotlib seaborn plotly requests

2. 数据获取与清洗

import pandas as pd
import numpy as np# 模拟创建北方各省市人口流动数据集
data = {'地区': ['北京', '天津', '河北', '山东', '山西', '辽宁'],'2020常住人口(万)': [2189.3, 1386.6, 7461.0, 10070.2, 3491.6, 4259.1],'2025常住人口(万)': [2183.2, 1364.0, 7445.0, 10080.2, 3480.0, 4230.0],'2020-2025变化(万)': [-6.1, -22.6, -16.0, 10.0, -11.6, -29.1],'GDP增长率(%)': [4.8, 3.5, 5.2, 6.1, 4.3, 3.8],'城镇化率(%)': [87.5, 84.7, 63.1, 63.1, 59.6, 72.8],'60岁以上比例(%)': [19.6, 21.7, 20.3, 20.9, 18.3, 25.7]
}df = pd.DataFrame(data)
df['人口变化率(%)'] = (df['2025常住人口(万)'] - df['2020常住人口(万)']) / df['2020常住人口(万)'] * 100

输出：df1 在这里插入图片描述

3. 基本可视化

人口变化柱状图：

import matplotlib.pyplot as plt
import seaborn as snsplt.figure(figsize=(10, 6))
sns.barplot(x='地区', y='2020-2025变化(万)', data=df, palette='coolwarm')
plt.title('北方主要省市2020-2025年人口变化(万)')
plt.xlabel('地区')
plt.ylabel('人口变化(万)')
plt.axhline(0, color='black', linestyle='--')
plt.show()

图1：在这里插入图片描述

人口变化与GDP增长率散点图：

plt.figure(figsize=(10, 6))
sns.scatterplot(x='GDP增长率(%)', y='人口变化率(%)', hue='地区', data=df, s=200)
plt.title('北方省市GDP增长率与人口变化率关系(2020-2025)')
plt.xlabel('GDP增长率(%)')
plt.ylabel('人口变化率(%)')
plt.axhline(0, color='gray', linestyle='--')
plt.axvline(df['GDP增长率(%)'].mean(), color='gray', linestyle='--')
plt.grid(True)
plt.show()

图2：在这里插入图片描述

4. 高级可视化

人口金字塔(以北京为例)：

# 北京人口年龄结构数据(来自第七次人口普查)
age_groups = ['0-4', '5-9', '10-14', '15-19', '20-24', '25-29', '30-34', '35-39', '40-44', '45-49', '50-54', '55-59', '60-64', '65-69', '70-74', '75-79', '80-84', '85+']
male = [447165, 485161, 335714, 345715, 715999, 995896, 1309189, 1108136, 838444, 842337, 842484, 828013, 677025, 568385, 314838, 184665, 152087, 124749]
female = [416355, 447792, 306590, 287842, 634503, 908792, 1193840, 1035049, 763689, 776237, 777307, 799526, 709505, 626286, 353703, 230508, 196699, 160140]plt.figure(figsize=(10, 12))
plt.barh(age_groups, [x/10000 for x in male], color='skyblue', label='男性(万人)')
plt.barh(age_groups, [-x/10000 for x in female], color='salmon', label='女性(万人)')
plt.title('北京市人口年龄金字塔(第七次人口普查)')
plt.xlabel('人口数量(万人)')
plt.ylabel('年龄组')
plt.xticks(np.arange(-15, 16, 5), [abs(x) for x in np.arange(-15, 16, 5)])
plt.axvline(0, color='black')
plt.legend()
plt.show()

图3：在这里插入图片描述

热力图展示多指标关系：

corr_df = df[['2020-2025变化(万)', 'GDP增长率(%)', '城镇化率(%)', '60岁以上比例(%)']].corr()plt.figure(figsize=(8, 6))
sns.heatmap(corr_df, annot=True, cmap='coolwarm', center=0)
plt.title('人口变化与经济指标相关性热力图')
plt.show()

图4：在这里插入图片描述

5. 交互式可视化

使用Plotly创建交互式图表：

import plotly.express as pxfig = px.scatter(df, x='GDP增长率(%)', y='人口变化率(%)', size='2025常住人口(万)', color='地区', hover_name='地区', title='北方省市GDP增长率与人口变化率(2020-2025)',labels={'GDP增长率(%)': 'GDP增长率(%)', '人口变化率(%)': '人口变化率(%)'})
fig.update_traces(marker=dict(line=dict(width=1, color='DarkSlateGray')))
fig.update_layout(showlegend=True)
fig.show()

图5：在这里插入图片描述

结论

综合数据分析可见，北方地区特别是北京、天津等一线城市确实面临人口外流压力，而三线城市人口流动呈现分化态势，部分城市如青岛保持人口净流入。
人口流动主要受经济因素驱动，包括就业机会、收入水平和生活成本等。旅游人口流动规模庞大但多为短期行为，对常住人口统计影响有限。

人口流入流出的主要原因分析

基于现有数据和研究，北方地区人口流动的主要原因包括：

经济因素：
- 就业机会：南方城市和新一线城市(如成都、杭州)提供更多就业机会
- 收入差距：北方传统产业衰退，南方新兴产业薪酬更高
- 生活成本：北京、天津房价居高不下，推高生活成本
政策因素：
- 户籍政策：新一线城市降低落户门槛吸引人才
- 京津冀协同发展政策引导部分产业和人口从北京外迁
- 东北振兴政策效果有限，未能遏制人口外流
社会因素：
- 教育资源：优质教育资源集中在一线城市，但准入门槛高
- 医疗资源：类似教育资源的分布状况
- 老龄化：北方地区老龄化程度高(如山东60岁以上人口占20.9%)，影响人口结构
环境因素：
- 北方冬季寒冷和空气污染促使部分人群南迁
- 南方城市生活环境质量普遍较高
产业转型：
- 北方重工业、传统制造业衰退
- 南方数字经济、新兴产业快速发展