"2019中国最具幸福感城市"(由新华社瞭望东方周刊、瞭望智库共同主办)调查推选结果于不久前的11月25日在广州发布。众所周知,"幸福感"对于城市来说十分重要。它意味着居民对所在城市的认同感、归属感、安定感、满足感,以及外界人群的向往度、赞誉度。 而随着互联网的诞生、科技的发展,网络普及程度/电商发展/地区生产总值(GDP)等指标是否影响着当地居民的幸福感,换句话来说,这几种因素的增值是否能提升当地居民情感上的积极影响、提高他们对所在城市的认同度,即对居民幸福感是促进还是抑制,正是我想探究的选题。
- 国家统计局:
- 百度百科:
- 2010-2016年分省互联网普及率(%)表格
- 2013-2018年分省电商销售额(亿元)表格
- 2014-2018年分省GDP(亿元)表格
- 2012-2019年中国最具幸福感城市前十排行榜
- 2012-2019中国最具幸福感城市入榜(前五)次数
***数据清洗*** 互联网普及率2016 = list(zip(list(dfi.province),list(dfi.year_2016))) # 转换为列表 # print (互联网普及率2016) 电商销售额2018 = list(zip(list(dfs.province),list(dfs.year_2018))) # print (电商销售额2018) GDP2018 = list(zip(list(dfg.province),list(dfg.year_2018))) # print(GDP2018) happiness = list(zip(list(dfh.province),list(dfh.times))) # print(happiness)
***2012-2019中国最具幸福感城市推选评比入榜(前五)次数散点图*** from pyecharts import options as opts from pyecharts.charts import Scatter def scatter_base() -> Scatter: c = ( Scatter(init_opts=opts.InitOpts(width="2500px", height="800px")) .add_xaxis(list(dfh.province)) .add_yaxis("次数", list(dfh.times)) .set_global_opts(title_opts=opts.TitleOpts(title="2012-2019最具幸福感城市推选评比上榜(前五)次数")) ) return c scatter_base().render_notebook()
(得出下图,具体可跳转html链接查看完整图及交互效果)
***2016中国分省互联网普及率热力图*** from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolType def geo_heatmap() -> Geo: c = ( Geo() .add_schema(maptype="china") .add( "互联网普及率", 互联网普及率2016, type_=ChartType.HEATMAP, ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="2016中国分省互联网普及率热力图"), ) ) return c 分省互联网普及率热力图 = geo_heatmap() 分省互联网普及率热力图.render_notebook()
(得出下图,具体可跳转html链接查看完整图及交互效果)
***近20年浙江省和天津市GDP对比图*** import plotly as py from plotly.graph_objs import Scatter, Layout, Data import plotly.graph_objs as go 浙江省 = go.Scatter( x=[pd.to_datetime('01/01/{y}'.format(y=x), format="%m/%d/%Y") for x in df1.columns.values], y=df1.loc["浙江省",:].values, name = "浙江省" ) 天津市 = go.Scatter( x=[pd.to_datetime('01/01/{y}'.format(y=x), format="%m/%d/%Y") for x in df1.columns.values], y=df1.loc["天津市",:].values, name = "天津市" ) layout = dict(xaxis=dict(rangeselector=dict( buttons=list([ dict(count=3, label="3年", step="year", stepmode="backward"), dict(count=5, label="5年", step="year", stepmode="backward"), dict(count=10, label="10年", step="year", stepmode="backward"), dict(count=20, label="20年", step="year", stepmode="backward"), dict(step="all") ])), rangeslider=dict(bgcolor="#F4FA58"), title='年份' ), yaxis=dict(title='亿元'), title="近20年浙江省和天津市GDP对比" ) fig = dict(data=[浙江省,天津市], layout=layout) # py.offline.plot(fig, filename = "近20年浙江省和天津市GDP对比_含时间序列的滑块选择器.html") # ^^^这里可以只放数据data,也可以将数据data和排版layout结合,这是典型的面向对象 py.offline.iplot(fig, filename = "近20年浙江省和天津市GDP对比.html")
(得出下图,具体可跳转html链接查看完整图及交互效果)
考虑可读性,以上只展示了一部分图表,具体请看html链接
通过分省互联网普及率、电商销售额、GDP这三种维度的数据与"最具幸福感城市"上榜次数进行比较,结果发现这三者和城市的"幸福感"并无直接关系,也就是说,一个城市的经济发展水平越高、网络科技越发达,不代表当地居民的幸福感越强烈。
在分析过程中,发现近十年来浙江省的宁波和杭州这两所城市一直榜上有名,并且近几年有逐步上升的趋势,而天津市虽在2012-2014年连续上榜,却从2015年开始便没有再出现在榜内。于是我把浙江省和天津市拎出进行具体的对比,发现一个地区的电商发展情况与该城市的幸福感有一定的相关关系。
在这个信息科技大爆炸的年代,电商平台随网络发展而顺应崛起,可以说"网购"方便了很多人的生活,节约了不少工厂的资源成本,也通过网络连结到很多底层人民的生活。在一个电商发达的城市里,人民的生活更加便利、物质和精神需求更能得到满足。同时,电商行业的振兴也带来了很多前所未有的机会——网购、网络营销,再者,跟电商相关的领域和行业也将会迎来新的机遇,如直播带货、摄像器材等等。综上所述,电商的发展给当地居民带来情感上或多或少的积极影响。
快乐是人类生活与经济发展的终极目标,是衡量经济发展成功的最高指标。同样,幸福感对于城市来说也十分重要。通过以上数据清理分析和可视化呈现,不难发现居民所在城市幸福感与GDP、互联网普及率、电商销售额并无直接的正相关关系。但城市的电商发展一定程度上影响着该地居民的幸福感。
科学发展观下的社会发展不再仅仅是关注经济的增长,也不是以现代化为终极目标,而是切实回归以人为本的层面,关注民生问题,关注人民的感受。通过此次的数据交互可视化,我发现居民的幸福感和GDP、互联网普及率无正相关关系,即当地生产总值、互联网发达程度不能作为衡量当地居民幸福感的标准。若该市政府想要提升居民幸福感,不仅要关注经济建设,还需需提高文化建设、社会保障、精神需求、竞争压力等社会问题。