致敬情人節，用資料分析我國5年婚姻狀況，且行且珍惜

今年回老家過年，姑媽一直催剛剛大學畢業的表弟找女朋友，被催婚的表弟說“養活自己都不容易了，哪有錢找女朋友，我不結婚的”，姑媽無奈說，“你不結婚早說啊，不用我那么辛苦供你上大學”，雖然我們都知道表弟不是真的不想找物件結婚，姑媽也知道表弟他只是氣話，但是確實說出了我們年輕人的無奈，估計姑媽做夢都想不到，他們那年代的人結婚就是三兩天的事情，兩人通過媒人婆介紹坐在一起，當場立斷定姻緣，合適就發個大紅包，不合適就回禮個小紅包，

無獨有偶，我堂哥87年的仍未結婚，中專畢業一直在城市打拼，前幾年回村務農種植點三華李，相親數十場，仍未遇到良緣 ，現在農村結婚也那么難的了嗎？還是我們年輕人想法多了？越多想法越難湊合？

我也想一探究竟，用資料說話，看看結婚是不是很難，看看我國目前婚姻年齡分布情況，分地區農村婚姻狀況分布等資訊，

讓我的杠精表弟且行且珍惜，遇到了就不要錯過，錯過了可能就是永遠，不信？資料是不會騙人的，

本程序采用Anaconda-Jupyter-notebook開發環境，用到pandas、plotly等庫，所有腳本及資料請點擊下載，謝謝！

目錄

致敬情人節，用資料分析我國5年婚姻狀況，且行且珍惜

一 資料準備清洗

1 資料匯入

2 樣本資料清理轉換

二 全國整體婚姻狀況分析

1 未婚情況

2 配偶情況

3 離婚情況

4 喪偶情況

三 2019年各省婚姻狀況分析

1 省未婚情況

2 配偶情況分布

3 離婚情況分布

4 喪偶情況分布

四 且行且珍惜

五 最后請支持

一 資料準備清洗

為此，我找了兩份資料，一份是2015-2019年各省農村性別婚姻狀況，一份是2018-2019年按年齡層性別分布婚姻狀況，資料均取自于國家統計局http://www.stats.gov.cn/tjsj./ndsj/

各省農村性別婚姻狀況取自于《中國人口和就業統計年鑒》-2-39《全國1人口省略各地區鄉村分性別婚姻狀況的人口》，2015-2019年五年的資料，資料均是取全國1%人口抽樣調查資料樣本，一般《中國人口和就業統計年鑒》是次年才發布，所有沒有找到2020年的資料，需要2021年發布才有，雖然不能代表最新資料，但是2015-2019年五年發資料，均可以反應我國農村目前婚姻狀況，部分資料樣本如下:

按年齡層性別分布婚姻狀況，資料為《中國人口和就業統計年鑒_第二部分年人口變動情況省略及以上人口分年齡_性別的婚姻狀況》，及根據年齡層分布的婚姻狀況資料，資料均是取全國1%人口抽樣調查資料樣本，本次分析取2018-2019年資料，2017年的資料沒找到，所以只分析兩年資料，部分資料樣本如下:

1 資料匯入

# 1-讀取資料
import pandas as pd
?
CSV_FILE_PATH_01 = './01_各省農村婚姻狀況資料.csv'
CSV_FILE_PATH_02 = './02_全國年齡層婚姻狀況資料.csv'
?
df01 = pd.read_csv(CSV_FILE_PATH_01,sep=',',encoding="gbk")
df02 = pd.read_csv(CSV_FILE_PATH_02,sep=',',encoding="gbk")
?
print(df01.head(5))
print(df02.head(5))

2 樣本資料清理轉換

# 2 歷年統計樣本總資料情況
df01_total = df01[df01.地區 =='全國']
print(df01_total)

五年資料，15年的抽樣資料樣本最大有700萬多，其他年份基本是30萬份，總體樣本數量不一樣，我們將它轉換成比例，方便歷年資料作對比，清理轉換資料為比率：?

## 男女比率
df01['占比_男_15歲及以上'],df01['占比_女_15歲及以上'] = [df01['男_15歲及以上'] / df01['15歲及以上'],df01['女_15歲及以上'] / df01['15歲及以上']]
## 未婚比率
df01['占比_未婚'],df01['占比_未婚_男'] ,df01['占比_未婚_女']= [df01['未婚'] / df01['15歲及以上'],df01['男_未婚'] / df01['未婚'],df01['女_未婚'] / df01['未婚']]
## 有配偶比率
df01['占比_有配偶'],df01['占比_有配偶_男'] ,df01['占比_有配偶_女']= [df01['有配偶'] / df01['15歲及以上'],df01['男_有配偶'] / df01['有配偶'],df01['女_有配偶'] / df01['有配偶']]
## 離婚比率
df01['占比_離婚'],df01['占比_離婚_男'] ,df01['占比_離婚_女']= [df01['離婚'] / df01['15歲及以上'],df01['男_離婚'] / df01['離婚'],df01['女_離婚'] / df01['離婚']]
## 喪偶比率
df01['占比_喪偶'],df01['占比_喪偶_男'] ,df01['占比_喪偶_女']= [df01['喪偶'] / df01['15歲及以上'],df01['男_喪偶'] / df01['喪偶'],df01['女_喪偶'] / df01['喪偶']]
?
?
## 占比的列
type(df01)
cl_list = list(df01.filter(regex='占比'))
##放大100倍
df01_ratio = df01[cl_list] *100
?
cl_list.insert(0,'地區')
cl_list.insert(0,'年份')
df01_ratio =df01_ratio.reindex(columns=cl_list)
?
df01_ratio['地區'] = df01['地區']
df01_ratio['年份'] = df01['年份']
?
print(df01_ratio.head())

部分資料顯示如下

二 全國整體婚姻狀況分析

基本資料已經準備完畢，我們開始看看這些資料都有帶來給我們什么資訊，先看看全國整體資料情況：

部分代碼：

df =df01_ratio[df01_ratio.地區 =='全國']
x = df['年份']
fig = go.Figure()
for c in list(df.columns.drop(['年份','地區'])):
    fig.add_trace(go.Scatter(x=x, y=df[c],
                        mode='lines+markers',
                        name=c))
  
?
fig.show()

基本符合我們的預期，資料項比較多，我們逐一縷一縷，看看都有些什么資訊，

1 未婚情況

發現，2015年-2019年未婚人數占比率逐年下降，由18%降到17.6%，女生未婚人數由38%降到36%，看樣子大家都結婚啦 ，而且估計步入15歲的年輕人人口逐步減少，所以未婚率下降，比較符合我國國情，再看看男生未婚的，卻是由61%上升到63%， 未婚人群中，63%都是男的打光棍，女生占比不到40%，

結論1：男人成年后，60%+是要打光棍，而且逐年上升，

2 配偶情況

再看看配偶情況，5年內有配偶占比情況均73%，而男女分布情況基本為兩級分化，男生有配有占比49%左右徘徊.找不到物件的基本都是男的，很符合我們的認知，

結論2：男人成年后，60%+是要打光棍，而且逐年上升，

3 離婚情況

離婚情況，很明顯，逐年上升，而且漲得非常快，

看看離婚性比分別，基本男的占70%，女的30%左右，杠精表弟說，男女離婚不是應該是五五分嗎？為什么男的占比70%？很顯然就是人家女生離婚后還可以找到好人家唄，離婚男還想輕易有人要？(⊙﹏⊙)，所以，結婚的哥們，好好珍惜老婆，別想著你還可以找到更好的，離婚后70%*52%概率你還是沒有配偶的離婚狀態，

結論3：男人離婚后更難結婚

4 喪偶情況

15歲喪偶情況，整體小幅度上升趨勢，估計是老齡化導致，比較年輕人占比逐步減小，而比較有意思的是，男女的上喪偶占比三七分，應該是女生喪偶后更多選擇堅守曾經那份愛情吧，或是男人們作業壓力大，而且從事危險作業多，程式員等996人群不容易，且包容您的丈夫吧，他為了這個家也不容易，愛情，婚姻，始終都是兩個人的，

結論4：男人女人都不易，既然選擇在一起就風雨兼程

杠精表弟說，這只是全國的狀況，不代表我們大廣東實際情況啊，可能我們廣東女多男少呢，可能我們廣東有錢就不一樣呢？

也是，那我們看看全國各地的婚姻狀況吧

三 2019年各省婚姻狀況分析

1 省未婚情況

df =df01_ratio[(df01_ratio.地區 !='全國') & (df01_ratio.年份 == 2019 )]
#print(df.head())
TYPE_NAME = '占比_未婚_男'
fig = px.pie(df, values=df[TYPE_NAME], names='地區', title='2019年各省'+TYPE_NAME+'情況')
fig.show()

未婚女西藏、北京、天津多，未婚男福建、湖北、海南多，2019年整體未婚情況，西藏、海南廣東最多，單獨分析下廣東情況：基本也是男的多，不容易啊，找個物件！

2 配偶情況分布

上海大哥有物件無疑，福建大哥未婚有物件？

3 離婚情況分布

黑龍江的爺們娘們反省下？

山東的哥們說兩句？資料好像也不能反應什么，只看到分布情況，

4 喪偶情況分布

四 且行且珍惜

杠精表弟還想狡辯說自己年輕，不急，本想把2018/2019兩年的我國按年齡層、性別婚姻狀況資料分析給他看，讓他死心的，不過我也沒有這個精力了，表弟你自己分析吧，我相信基本可以反映你在那個年齡層多大概率還是未婚沒有配偶，畢竟我們也不是地主人家，

所以，奉勸那些還以為自己有條件、還年輕的年輕的人們，如果找到真愛、遇到對的，請且行且珍惜，

五 最后請支持

本程序腳本及資料，請點擊下載：https://download.csdn.net/download/sc_liuliye/15270917，謝謝！或關注wx公眾號:freo-studio，回復“婚姻狀況資料分析”，獲取檔案腳本地址鏈接