北京市2011年到2020年各年份的人均地区生产总值增长率数据
时间: 2024-05-23 20:12:58 浏览: 12
以下是北京市2011年到2020年各年份的人均地区生产总值增长率数据:
| 年份 | 人均地区生产总值增长率 |
| ---- | ---------------------- |
| 2011 | 9.7% |
| 2012 | 8.2% |
| 2013 | 7.7% |
| 2014 | 7.3% |
| 2015 | 7.0% |
| 2016 | 6.7% |
| 2017 | 6.5% |
| 2018 | 6.2% |
| 2019 | 6.1% |
| 2020 | -0.6% |
相关问题
pyhton 爬取广东省统计年鉴2014年到2015年各市外商直接投资数据
要爬取广东省统计年鉴2014年到2015年各市外商直接投资数据,可以按照以下步骤进行:
1. 打开广东省统计局官网(http://www.gdstats.gov.cn/),找到统计年鉴栏目,并进入2014年和2015年的统计年鉴页面。
2. 在页面上找到相关的外商直接投资数据,观察其URL链接和HTML结构,以确定需要爬取的数据位置和方法。
3. 使用Python中的requests库向对应的URL链接发送HTTP请求,并使用BeautifulSoup库对返回的HTML文本进行解析和提取目标数据。
4. 将提取的数据保存到本地文件或数据库中,以备后续分析和使用。
下面是一个简单的Python代码示例,供参考:
```python
import requests
from bs4 import BeautifulSoup
# 设置请求头部信息
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
# 待爬取的年份列表
years = ['2014', '2015']
# 待爬取的城市列表
cities = ['广州市', '深圳市', '珠海市', '汕头市', '韶关市', '佛山市', '江门市', '湛江市',
'茂名市', '肇庆市', '惠州市', '梅州市', '汕尾市', '河源市', '阳江市', '清远市', '东莞市', '中山市', '潮州市', '揭阳市', '云浮市']
# 遍历年份和城市,爬取数据
for year in years:
for city in cities:
# 构造请求URL
url = 'http://data.gdstat.gov.cn/tjnj/2014/html/TJNJ51/{}.htm#{}'.format(year, city)
# 发送HTTP请求
response = requests.get(url, headers=headers)
# 解析HTML文本
soup = BeautifulSoup(response.text, 'html.parser')
# 查找目标数据
data = soup.select('table tr:nth-of-type(3) td:nth-of-type(2)')[0].text
# 输出数据
print('{}年{}外商直接投资数据为:{}'.format(year, city, data))
```
需要注意的是,该示例只是一个简单的爬虫代码,实际应用中还需要考虑数据格式化、异常处理、反爬虫机制等问题。建议在使用时结合具体情况进行修改和完善。
pandas获取2010-2021年的数据,并且要获取增长率,还要可视化
获取2010-2021年的数据,可以使用 Pandas 的切片功能,例如:
```python
import pandas as pd
# 读取数据
data = pd.read_csv('data.csv')
# 切片获取 2010-2021 年的数据
data = data.loc[(data['年份'] >= 2010) & (data['年份'] <= 2021)]
```
接下来,我们可以计算每年的增长率,可以使用 Pandas 的 `pct_change` 函数,例如:
```python
# 计算增长率
data['增长率'] = data['销售额'].pct_change()
# 去掉第一个 NaN 值
data = data.dropna()
```
最后,我们可以使用 Matplotlib 可视化增长率:
```python
import matplotlib.pyplot as plt
# 绘制折线图
plt.plot(data['年份'], data['增长率'])
# 添加标题和坐标轴标签
plt.title('销售额增长率')
plt.xlabel('年份')
plt.ylabel('增长率')
# 显示图形
plt.show()
```
这样就可以得到 2010-2021 年的销售额增长率折线图了。
相关推荐
![xlsx](https://img-home.csdnimg.cn/images/20210720083732.png)
![xlsx](https://img-home.csdnimg.cn/images/20210720083732.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)