
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
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15