31省结婚、离婚、再婚等面板数据(1990-2022年)

2024-04-14 09:20

本文主要是介绍31省结婚、离婚、再婚等面板数据(1990-2022年),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

01、数据介绍

一般来说,经济发达地区的结婚和离婚率相对较高,而经济欠发达地区的结婚和离婚率相对较低。此外,不同省份的文化、习俗、社会观念等因素也会对结婚和离婚情况产生影响。

本数据从1990年至2022年,对各地区的结婚、离婚及再婚情况进行了全面统计。通过对这些数据的深入分析,我们可以洞察婚姻趋势的演变轨迹,以及地区之间的差异性。这些数据不仅反映了人们的婚姻选择、家庭形态的变化,还揭示了社会动态的演变。对于研究家庭结构和社会变迁的学者而言,这份数据提供了宝贵的参考依据和信息。

数据名称:各地区结婚、离婚、再婚等数据

数据来源:统计年鉴

数据年份:1990-2022年(包括原始、线性插值、回归填补无缺失3个版本

02、数据指标

行政区划代码、地区、长江经济带、年份、结婚登记(万对)、内地居民登记结婚(万对)、内地居民初婚登记(万人)、内地居民再婚登记(万人)、涉外及港澳台居民登记结婚(万对)、离婚登记(万对)、粗离婚率(‰)。

03、数据截图及样例数据

行政区划代码地区长江经济带年份结婚登记(万对)内地居民登记结婚(万对)内地居民初婚登记(万人)内地居民再婚登记(万人)涉外及港澳台居民登记结婚(万对)离婚登记(万对)粗离婚率(‰)
110000北京019907.839.3616.931.790.081.422.55
110000北京019917.839.116.551.850.081.532.55
110000北京019927.838.8315.811.850.081.542.55
110000北京019937.838.9116.011.810.081.782.55
110000北京019947.828.9616.091.840.081.992.55
110000北京019957.838.4714.872.060.082.022.55
110000北京019967.828.5914.672.520.082.072.55
110000北京019977.838.3414.42.280.082.232.55
110000北京019987.818.4614.682.250.082.372.55
110000北京019997.858.2514.172.320.082.412.55
110000北京020007.777.9513.562.340.082.662.55
110000北京020017.947.8513.332.380.092.772.55
110000北京020027.67.612.62.50.062.82.55
110000北京020039.49.315.92.70.083.12.55
110000北京0200412.6412.5521.443.650.13.32.55
110000北京020059.79.615.93.40.093.42.55
110000北京0200617.11729.44.80.123.62.55
110000北京0200711.7911.6919.344.250.13.662.55
110000北京0200814.7514.6424.634.870.123.762.55
110000北京0200918.1818.0630.585.770.124.132.55
110000北京0201013.813.722.25.40.14.42.37
110000北京0201117.3217.228.845.810.134.353.45
110000北京0201217.4117.2928.746.080.124.862.35
110000北京0201316.3716.2625.167.570.116.463.06
110000北京020141716.8925.388.630.116.563.08
110000北京0201516.616.522.9510.250.18.223.79
110000北京0201616.6216.5220.0813.170.110.584.89
110000北京0201715.1515.0517.9312.360.098.063.71
110000北京0201813.7813.716.9210.650.087.413.43
110000北京0201912.912.8214.1511.640.088.383.89
110000北京0202011.3811.3412.4310.330.048.193.77
110000北京0202110.3410.2913.637.040.045.042.3
110000北京020229.139.0911.816.450.044.422.02

04、下载链接:https://download.csdn.net/download/samLi0620/89132050

这篇关于31省结婚、离婚、再婚等面板数据(1990-2022年)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/902661

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者