京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:俊欣
来源:关于数据分析与可视化
大家好,我是俊欣
刚过完春节,相信对于那些正处于适婚年龄的年轻人来说,步入婚姻的殿堂“彩礼”总是一个绕不过去的话题。就在昨天,B站一宠物博主发视频称“没有50W彩礼,女朋友被家人强行拖走”的消息登上了热搜。
从放出的视频中我们可以看得出来该女友被人在地上拖拽并殴打后,塞进了车里。男方追上去也被殴打。博主称已买房并写了女友的名字,但仍遭到其家人强烈反对。对此,律师表示:如属实,父母涉嫌暴力干涉他人婚姻自由,如情节严重可能涉嫌犯罪,可处2年以下有期徒刑或拘役。
今天小编就通过Python来分析一下全国各地的彩礼情况,以及全国各个地方结婚的成本到底如何?!
就在前年腾讯新闻谷雨数据发起了《2020年国人彩礼调查》,根据调查显示,有超过七成(73.8%)的婚姻都收过彩礼,其中山东则以接近九成(86.6%)的比例成为最流行送彩礼的省份,河北与广东两省紧随其后,具体看下图
c = (
Bar()
.add_xaxis(['山东', '河北', '广东', '安徽', '甘肃', '山西', '陕西', "河南", "江西", "福建"])
.add_yaxis("省份", [])
.set_global_opts(
title_opts=opts.TitleOpts(title="已婚族送或收过彩礼比例(%)"),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} %"),
min_=70, max_=90),
)
.render("bar_yaxis_formatter.html")
)
output
但是面对彩礼,男女双方的态度差异大。调查显示,60.9%的女性认为彩礼的金额多少是十分重要的,这毕竟体现出男方的诚意。但只有15%的男性认为彩礼的金额很重要。而针对彩礼的金额范围,男性倾向的范围是1-5万元,而女性则更加偏好5-10万元
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
.add_xaxis(majors)
.add_yaxis("男性比例(%)", num_1)
.add_yaxis("女性比例(%)", num_2)
.set_global_opts(title_opts=opts.TitleOpts(title="你认为最合理的彩礼礼金范围是多少"),
legend_opts=opts.LegendOpts(orient="vertical", pos_right="5%"),
yaxis_opts=opts.AxisOpts(min_= 0, max_=50),
xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})
)
)
bar.render("companies.html")
output
调查显示,全国彩礼礼金平均值为6.9万,而2021年全国居民人均可支配收入为3.51万元,这也就意味着一般人需要拿出一年可适配收入的2倍以上来支付彩礼礼金。不同地区的彩礼礼金不同,其中浙江、福建等地的彩礼金额偏高,当然东南沿海地区的经济本来也就相对比较发达,但是黑龙江和江西两省彩礼金额高就有点让人匪夷所思了
c = (
Map()
.add("", [list(z) for z in zip(provinces, values)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="全国各地彩礼礼金对比"),
visualmap_opts=opts.VisualMapOpts(max_=20, min_=0,
is_piecewise=True)
)
).render(path="彩礼礼金.html")
output
彩礼压力最小的是上海、广东、重庆、北京、海南等地,用一年的可支配收入就足以支付彩礼礼金了。
说完了彩礼,还有举办婚礼的费用,毕竟这也是一项实实在在的开支。一场婚礼的全部费用包括婚礼用品的准备、婚礼现场布置、婚庆公司、婚礼化妆师、婚礼摄像师、婚礼主持等费用,由于地区经济发展水平不同,所以各地婚礼费用也是不同的,例如在北京结婚的费用:
综上总计:20+10+12+4+2+4.8=52.8W
也就是说不算上买房,买房的首付由父母出的话,男性以及他的家庭所要背负的结婚的成本也是相当高昂的。
从婚庆花销的各个组成来看,婚宴与婚礼服务公司的费用占到了前两个大头,如下图所示
p = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add("", [list(z) for z in zip(cate, nums)],
radius=["35%", "58%"],
center=["58%", "42%"])
.set_global_opts(title_opts=opts.TitleOpts(title="花费分布", pos_left="40%"),
legend_opts=opts.LegendOpts(orient="vertical",
pos_top="15%",
pos_left="10%"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))
)
p.render("marrige_dist.html")
output
而总的花费在5W-10W、10W-20W为主,当然也有不少新人的婚礼总的花销会有20W甚至是30W以上的
p = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
.add("", [list(z) for z in zip(cate_1, nums_1)],
radius=["35%", "58%"],
center=["58%", "42%"])
.set_global_opts(title_opts=opts.TitleOpts(title="婚礼花费(包含婚宴)", pos_left="40%"),
legend_opts=opts.LegendOpts(orient="vertical",
pos_top="15%",
pos_left="10%"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))
)
p.render("marrige_consume_dist.html")
output
正是因为结一次婚非常的费钱,因此随之而来也有了许多省钱的攻略,例如38%的新人认为婚房布置是最省钱的地方,其次便是跟妆婚车、礼服以及戒指等细节处
彩礼和嫁妆应该是作为一个新婚家庭更好生活与发展的启动资金,而不是某一方家庭为了私利谋取财物的一种手段,不是一方家庭借以结婚为由谋取财物的一种方式,再此小编真心的希望天底下所有的有情人都能够终成眷属,不会因为彩礼、嫁妆等因素而分手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28