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

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

python库pydantic数据验证和设置管理库的用途

《python库pydantic数据验证和设置管理库的用途》pydantic是一个用于数据验证和设置管理的Python库,它主要利用Python类型注解来定义数据模型的结构和验证规则,本文给大家介绍p... 目录主要特点和用途:Field数值验证参数总结pydantic 是一个让你能够 confidentl

JAVA实现亿级千万级数据顺序导出的示例代码

《JAVA实现亿级千万级数据顺序导出的示例代码》本文主要介绍了JAVA实现亿级千万级数据顺序导出的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 前提:主要考虑控制内存占用空间,避免出现同时导出,导致主程序OOM问题。实现思路:A.启用线程池

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本