CDA數據分析師 出品 

作者：Mika

數據：真達  

后期：澤龍

【導讀】今天我們用數據來聊一聊新一線城市。

Show me data，用數據說話

今天我們聊一聊 新一線城市

提到一線城市，大家馬上會想到北上廣深這四個超級大都市。除此之外，近年來新一線城市這個概念也越來越被大眾所熟知。

2013年，財經媒體第一財經提出了提出“新一線城市”的概念，以商業資源集聚度、城市樞紐性、城市人活躍度、生活方式多樣性以及未來可塑性作為評判的五大指標，針對全國幾百個地級市進行了全新的排名，將未來最有潛力晉升傳統一線城市的15個城市稱為“新一線城市”。

作為距離一線城市最近的梯隊，新一線城市的榜單可以說含金量十足，每年的評選都備受關注。

（來自維基百科）

2020年15座新一線城市包括成都、重慶、杭州、武漢、西安、天津、蘇州、南京、鄭州、長沙、東莞、沈陽、青島、合肥、佛山。

（來自21世紀報道）

其中在人口增量方面：西安由于大幅降低落戶門檻，且將西咸新區人口納入人口總數后，在近3年以新增128.87萬常住人口，排名15個新一線城市常住人口增量第一位。常住人口增量連年提升的杭州，則以近3年117.2萬的增量，排名新一線城市第二位。

和它們相比，天津近3年以來出現常住人口-0.29萬的增長，沈陽3年增長了3萬，勢頭微弱。

那么這15座新一線城市

近20年來的GDP變化趨勢如何？

人口競爭力如何排座次？

房價又是怎樣的？

今天我們就來用數據全面解讀這15座城市。

這次我們使用Python的動態可視化庫plotly，對這15座城市從2000年到2019年這20年的GDP、人口以及房價數據進行了可視化。下面就讓我們來一起看看吧！

我們的數據從以下四個維度展開：

• 新一線城市2000-2019年GDP變化趨勢
• 新一線城市2000-2019年GDP和人口變化趨勢
• 新一線城市2001-2019年人口增量數據
• 新一線城市近10年平均房價走勢圖

01 數據獲取

我們使用Python的可視化庫Plotly對15座新一線城市的人口/GDP/房價數據進行動態可視化展示。plotly是一個基于javascript的繪圖庫，繪圖種類豐富，效果美觀，使用Plotly可以畫出很多媲美Tableau的高質量圖。

如果你沒有安裝plotly，可以使用以下代碼進行pip安裝:

pip install plotly -i https://pypi.tuna.tsinghua.edu.cn/simple

首先導入我們需要使用的包，其中pandas用于數據整理，plotly用于數據可視化。

# 導入包
import pandas as pd

import plotly as py 
import plotly.graph_objs as go 
import plotly.express as px 
from plotly import tools

使用pandas讀入并合并數據集，我們選取的數據來自于國家統計局網站，該數據包含了15座新一線城市自2000年~2019年20年期間的GDP和人口數據，這是一份帶有時間序列的面板數據，適合進行動態可視化繪圖使用。

# 讀入數據
df_gdp = pd.read_excel('../data/新一線城市人口和GDP.xlsx', sheet_name=0)
df_pop = pd.read_excel('../data/新一線城市人口和GDP.xlsx', sheet_name=1)

# 合并數據
df_all = pd.merge(left=df_gdp, right=df_pop, on=['城市', '年份']) 
df_all = df_all.sort_values(['城市','年份']) 
df_all.head()  

02 數據可視化

Plotly有兩個很常用的繪圖模塊，分別是graph_objs和express，此次我們主要使用express進行動態可視化圖形的繪制，使用它可以輕松繪制如散點圖、條形圖、漏斗圖、?；鶊D等圖形。

使用官網：

https://plotly.com/python/plotly-express/

繪圖的步驟也非常簡單：

• 直接使用px調用某個繪圖方法，會自動創建畫布，并畫出圖形。
• 展示圖形，可以直接在notebook中展示，也可以使用py.offline.plot(fig,filename="XXX.html")代碼保存成html網頁動態圖片。

接下來我們演示使用plotly.express繪制動態條形圖和散點圖。

首先繪制一個動態條形圖，用于展示15座城市隨時間走勢的GDP變化趨勢，調用bar的方法即可。

繪圖主要參數解釋：

1. data_frame：數據框名稱
2. x：列名，展示的維度
3. y：列名，展示的度量
4. color：顏色
5. text：條形圖標記文本
6. title：標題
7. range_y：y軸的刻度范圍
8. animation_frame：列名，控制動畫幀

# 條形圖
fig2 = px.bar(df_all, x='城市', y='GDP', color='城市', text='GDP', 
             title='新一線城市近20年GDP變化趨勢',
             range_y=[300, 25000],
             animation_frame='年份',
             ) 
fig2.update_layout(yaxis_title='GDP(億元)')  # 更新布局配置
py.offline.plot(fig2, filename='2000-2019年GDP變化趨勢.html')

然后繪制一個動態散點圖，用于展示15座城市隨時間走勢的GDP和人口變化趨勢，調用scatter的方法即可。繪圖步驟和上述類似。

# 散點圖
fig3 = px.scatter(df_all, x='GDP', y='人口', animation_frame='年份', animation_group='城市', 
                 size='人口', color='城市', hover_name='城市', size_max=50, text='城市',
                 range_x=[300, 25000], range_y=[150, 4000],
                 title='新一線城市近20年GDP和人口變化趨勢', 
                ) 
fig3.update_layout(xaxis_title='GDP(億元)', yaxis_title='人口(萬人)')
py.offline.plot(fig3, filename='2000-2019年GDP和人口變化趨勢.html')

03 可視化效果

想要獲取具體的數據代碼和可視化效果圖，可以給小編留言或者私信哦！