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

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用