Python 数据分析实战：2001-2024 全国婚姻登记数据全流程探索（Pandas+Matplotlib+Pyecharts）
一、文章前言
1. 项目背景
婚姻登记数据是反映社会人口结构、婚恋观念、城镇化发展的核心民生指标。本文基于全国 31 省份 2001-2024 结婚、离婚登记（万对）二维宽表数据，完整落地数据清洗→宽表转长表→时间趋势分析→空间地理可视化→动态时序排行榜全链路数据分析，综合使用pandas数据预处理、matplotlib静态绘图、pyecharts交互式地图 / 玫瑰图 / 时间轮播图。
2. 技术栈
- 数据处理：
pandas、numpy - 静态可视化：
matplotlib - 交互式可视化：
pyecharts（地图、玫瑰图、Timeline 动态排行） - 环境：Python3.8+ Jupyter Notebook
3. 数据集说明
两份 CSV 文件：
结婚登记(万对).csv：31 行省份，25 列年份（2001-2024）宽表离婚登记(万对).csv：同结构离婚数据 字段：地区 + 2001 年～2024 年登记数值（单位：万对）
4. 整体分析流程
- 阶段一：数据导入、数据质量体检（缺失、重复、分布）
- 阶段二：宽表转长表数据重塑、结婚 / 离婚数据合并
- 阶段三：时间序列趋势分析（全国大盘、单省对比、离结比）
- 阶段四：空间地域差异分析（热力地图、玫瑰图 TOP 省份）
- 阶段五：Timeline 动态时序排行榜可视化
- 阶段六：分析总结与社会解读
二、阶段一：数据初探与质量体检
2.1 导入依赖库、全局配置
python
运行
import pandas as pd import numpy as np import matplotlib.pyplot as plt # 设置中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置负号显示 plt.rcParams['axes.unicode_minus'] = False # 忽略警告 import warnings warnings.filterwarnings('ignore')2.2 读取两份婚姻数据（处理中文编码 gbk）
python
运行
#结婚登记数据 merrige_df=pd.read_csv('结婚登记(万对).csv',encoding='gbk') #离婚登记数据 divorce_df=pd.read_csv('离婚登记(万对).csv',encoding='gbk') #查看前5行 merrige_df.head()输出预览表格：
表格
| 地 区 | 2024 年 | 2023 年 | 2022 年 | 2021 年 | 2020 年 | 2019 年 | ... | |
|---|---|---|---|---|---|---|---|---|
| 0 | 北 京 市 | 11.45 | 13.73 | 9.13 | 10.34 | 11.38 | 12.90 | ... |
| 1 | 天 津 市 | 6.04 | 8.38 | 6.89 | 8.04 | 8.98 | 9.64 | ... |
| 2 | 河 北 省 | 27.94 | 37.11 | 30.21 | 33.71 | 37.49 | 42.13 | ... |
2.3 数据基础信息探查
python
运行
# 查看数据行列、字段类型、缺失值 merrige_df.info() divorce_df.info() # 数值字段描述性统计（均值、最值、标准差、分位数） divorce_df.describe()统计结果解读：
- 共 31 个省份样本，25 个年份数值列；
- 所有年份无缺失值，最小值均大于 0，无异常负数；
- 标准差较大，说明各省登记数量地域差距明显。
2.4 原始宽表简单折线预览
python
运行
# 结婚数据原始宽表绘图 plt.figure(figsize=(20,6)) merrige_df.plot(kind='line',title="每年结婚登记地区分布") plt.xticks(merrige_df.index,merrige_df['地区'],rotation=45) plt.show() # 离婚数据原始宽表绘图 plt.figure(figsize=(20,6)) divorce_df.plot(kind='line',title="每年离婚登记地区分布") plt.xticks(divorce_df.index,divorce_df['地区'],rotation=45) plt.show()结果：
痛点：原始宽表年份作为列，无法直接按年份分组聚合、做时间序列分析，必须进行宽表转长表重构。
三、阶段二：数据重塑与结构优化（核心预处理）
3.1 melt 函数：宽表转为标准长表
长表固定三列：地区、年份、登记数，方便分组统计。
python
运行
# 结婚宽表转长表 merrige_df=merrige_df.melt( id_vars=['地区'], # 保留维度列 var_name='年份', # 原年份列统一转为“年份”字段 value_name='结婚登记数' # 数值列命名 ).sort_values(by='年份').reset_index(drop=True) # 按年份升序、重置索引 # 离婚宽表转长表 divorce_df=divorce_df.melt( id_vars=['地区'], var_name='年份', value_name='离婚登记数' ).sort_values(by='年份').reset_index(drop=True) divorce_df.head()转换后长表输出：
表格
| 地区 | 年份 | 离婚登记数 | |
|---|---|---|---|
| 0 | 新疆维吾尔自治区 | 2001 年 | 5.51 |
| 1 | 北京市 | 2001 年 | 2.77 |
| 2 | 天津市 | 2001 年 | 1.31 |
3.2 合并结婚、离婚数据，生成综合分析表
python
运行
# 同顺序拼接离婚数据 merrige_df['离婚登记数'] = divorce_df['离婚登记数'] df = merrige_df.copy() df.head()合并后完整数据表结构：地区、年份、结婚登记数、离婚登记数，支撑后续所有指标计算。
四、阶段三：时间维度趋势与拐点分析
4.1 全国历年结婚 & 离婚总量双折线
python
运行
# 按年份聚合全国总登记量 year_count=df.groupby('年份')[['结婚登记数','离婚登记数']].sum().reset_index() # 绘制双折线趋势图 plt.figure(figsize=(16,6)) plt.plot(year_count['年份'],year_count['结婚登记数'],marker='o',label='结婚登记') plt.plot(year_count['年份'],year_count['离婚登记数'],marker='*',label='离婚登记') plt.title("2001-2024全国每年结婚和离婚登记总量(万对)") plt.legend() plt.xticks(rotation=45) plt.show()趋势核心结论
- 结婚总量 2013 年达到峰值后持续逐年下滑；
- 离婚总量长期稳步上涨，2020 年后小幅回落；
- 2013 年为婚恋趋势关键拐点。
4.2 单省趋势对比（以广西壮族自治区为例）
python
运行
# 筛选广西数据，按年份聚合 gx_count=df[df['地区']=='广西壮族自治区'].groupby('年份')[['结婚登记数','离婚登记数']].sum().reset_index() plt.figure(figsize=(16,6)) plt.plot(gx_count['年份'],gx_count['结婚登记数'],marker='*',label='广西结婚') plt.plot(gx_count['年份'],gx_count['离婚登记数'],marker='o',label='广西离婚') plt.xticks(rotation=45) plt.title("广西每年结婚和离婚登记(万对)") plt.legend() plt.show()可对比全国大盘，分析地方婚恋趋势是否存在滞后 / 超前特征。
4.3 全国历年离结比趋势（离婚 / 结婚）
python
运行
# 分组计算每年离结比 year_marry_sum = df.groupby('年份')['结婚登记数'].sum() year_div_sum = df.groupby('年份')['离婚登记数'].sum() ratio = year_div_sum / year_marry_sum # 绘制离结比折线 plt.figure(figsize=(12,5)) ratio.plot(kind='line',marker='*',title="全国历年离结比（离婚/结婚）") plt.grid() plt.show()解读：离结比持续走高，反映婚姻稳定性逐年下降，结合城镇化、高等教育普及、女性独立等社会背景可深度分析。
4.4 各省份整体离结比横向对比柱状图
python
运行
# 各省累计离婚/累计结婚 prov_marry_sum = df.groupby('地区')['结婚登记数'].sum() prov_div_sum = df.groupby('地区')['离婚登记数'].sum() prov_ratio = prov_div_sum / prov_marry_sum plt.figure(figsize=(16,6)) prov_ratio.plot(kind='bar',title="各省份整体离结比") plt.xticks(rotation=45) plt.grid(axis='y') plt.show()现象：东北三省、直辖市离结比显著高于中西部省份。
五、阶段四：空间维度地域差异分析（Pyecharts 可视化）
5.1 全国结婚登记总量热力地图
python
运行
from pyecharts.charts import Map from pyecharts import options as opts # 省份+数值数据封装 provice_marrige=df.groupby('地区')['结婚登记数'].sum() map_data=[list(z) for z in zip(provice_marrige.index, provice_marrige)] m=( Map() .add('累计结婚登记万对',map_data) .set_global_opts( title_opts=opts.TitleOpts(title="全国各地区累计结婚登记数热力图"), visualmap_opts=opts.VisualMapOpts(is_show=True,max_=1800,min_=10) ) ) m.render('1.各地区结婚登记热力图.html')结果：
地图特征：东部人口大省（河南、山东、广东）结婚总量最高，西部低人口省份数值偏低，符合胡焕庸线人口分布规律。
5.2 全国离婚登记总量热力地图
python
运行
from pyecharts.charts import Map from pyecharts import options as opts provice_divorce=df.groupby('地区')['离婚登记数'].sum() map_div_data=[list(z) for z in zip(provice_divorce.index.astype(str), provice_divorce)] m=( Map() .add('累计离婚登记万对',map_div_data) .set_global_opts( title_opts=opts.TitleOpts(title="全国各地区累计离婚登记数热力图"), visualmap_opts=opts.VisualMapOpts(is_show=True,max_=700,min_=0) ) ) m.render('2.各地区离婚登记热力图.html')结果：
5.3 结婚总量 TOP10 省份南丁格尔玫瑰图
python
运行
from pyecharts.charts import Pie from pyecharts import options as opts # 降序取全部省份 provice_marrige=df.groupby('地区')['结婚登记数'].sum().sort_values(ascending=False) pie_data=[list(z) for z in zip(provice_marrige.index.astype(str),provice_marrige)] pie=( Pie() .add('结婚登记总量',pie_data,rosetype='radius',radius=['25%','60%']) .set_global_opts(title_opts=opts.TitleOpts(title="结婚登记总量前十省份玫瑰图")) ) pie.render("3.结婚前十省份玫瑰图.html")结果：
5.4 结婚总量最少 10 省份玫瑰图
python
运行
provice_marrige=df.groupby('地区')['结婚登记数'].sum().sort_values(ascending=True) pie_data=[list(z) for z in zip(provice_marrige.index.astype(str),provice_marrige)] pie=( Pie() .add('结婚登记总量最少省份',pie_data,rosetype='radius',radius=['25%','60%']) .set_global_opts(title_opts=opts.TitleOpts(title="结婚登记最少省份玫瑰图")) ) pie.render("4.结婚最少省份玫瑰图.html")结果：
5.5 离婚总量 TOP10 省份玫瑰图
python
运行
provice_divorce=df.groupby('地区')['离婚登记数'].sum().sort_values(ascending=False) pie_data=[list(z) for z in zip(provice_divorce.index.astype(str),provice_divorce)] pie=( Pie() .add('离婚登记总量前十省份',pie_data,rosetype='radius',radius=['25%','60%']) .set_global_opts(title_opts=opts.TitleOpts(title="离婚登记总量前十省份玫瑰图")) ) pie.render("5.离婚前十省份玫瑰图.html")结果：
六、阶段五：动态可视化 ——Timeline 时间轴动态排行
实现 2001-2024 每年各省结婚数量 TOP20 动态轮播柱状图，支持自动播放：
python
运行
from pyecharts.charts import Bar, Timeline from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig from pyecharts.commons.utils import JsCode # 修复国内CDN空白问题 CurrentConfig.ONLINE_HOST = "https://cdn.jsdelivr.net/npm/echarts@5.4.3/dist/" year_list=df["年份"].unique().tolist() # 初始化时间轴容器 timeline_final = Timeline(init_opts=opts.InitOpts(width="1600px",height="850px")) # 自定义配色 color_js = JsCode(""" function(params){ let c = ['#ff4757','#ffa502','#fffa65','#2ed573','#1e90ff','#3742fa','#a55eea']; return c[params.dataIndex % c.length]; } """) # 循环每一年生成柱状图 for year in year_list: # 筛选当年数据，降序取前20 data_year = df[df["年份"]==year].sort_values("结婚登记数",ascending=False).head(20) data_year = data_year.sort_values(by="结婚登记数",ascending=True) province = data_year["地区"].tolist() count = data_year["结婚登记数"].tolist() bar = ( Bar() .add_xaxis(province) .add_yaxis( "结婚登记数", count, itemstyle_opts=opts.ItemStyleOpts(color=color_js,opacity=0.85,border_radius=6), label_opts=opts.LabelOpts(is_show=True,position="right",color="#fff") ) .reversal_axis() # 倒置坐标轴，第一名置顶 .set_global_opts( title_opts=opts.TitleOpts(title=f"{year}年中国结婚登记数TOP20排行"), xaxis_opts=opts.AxisOpts(name="登记数"), yaxis_opts=opts.AxisOpts(name="省份"), tooltip_opts=opts.TooltipOpts(trigger="axis") ) ) timeline_final.add(bar,str(year)) # 配置时间轴自动播放 timeline_final.add_schema( is_auto_play=True, is_loop_play=True, play_interval=600, width="95%" ) # 渲染网页 timeline_final.render("结婚登记数动态排行.html") timeline_final.render_notebook()结果：
效果图说明：自动轮播 2001-2024 各年份省份结婚排名，直观观察人口大省长期稳居前列、中西部省份逐年小幅波动。
七、核心分析结论
7.1 时间趋势结论
- 全国结婚登记量 2013 年触顶后连续十几年下滑，晚婚、不婚观念普及；
- 离婚登记量长期上行，离结比持续走高，婚姻稳定性下降；
- 2020 年后两类数据同步小幅回落，受疫情、婚恋冷静期政策双重影响。
7.2 空间地域结论
- 总量维度：河南、山东、广东、四川等人口大省结婚、离婚总量遥遥领先；
- 离结比维度：东北三省、一线城市离婚相对比例更高，中西部偏低；
- 人口分布：婚姻登记总量符合胡焕庸线，东部沿海显著高于西部内陆。
7.3 社会学解读
- 城镇化：城市人口流动大、生活成本高，婚姻维系难度上升；
- 女性经济独立：女性收入提升，降低对婚姻经济依附；
- 人口结构：适婚人口逐年减少，叠加晚婚，直接压低结婚总量；
- 观念变化：当代年轻人更注重婚姻质量，不合适更倾向选择离婚。
八、项目局限与拓展方向
局限
- 数据仅包含登记对数，无分年龄段、城乡、教育程度细分字段；
- 缺少人口基数，无法计算千人结婚率，仅能分析绝对总量；
- 无跨省流动、初婚 / 再婚细分数据。
拓展方向
- 新增千人结婚率、千人离婚率指标，消除人口基数干扰；
- 引入 GDP、人均收入做相关性回归分析；
- 新增离婚原因、婚龄细分数据做多维度交叉分析；
- 构建机器学习模型预测未来 3-5 年婚姻登记趋势。
九、完整源码获取
文中所有代码均可直接复制运行，CSV 数据集为公开民政统计数据，替换文件路径即可复现全部图表。 依赖安装命令：
bash
运行
pip install pandas numpy matplotlib pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple