中国城市资本流动问题探索
数据来源：
数据：全国2013-2016所有企业间的投融资信息数据
1、查看全国城际控股型投资关系
① 通过“data.xlsx”导出csv后，直接通过gephi看全国投资情况，有什么发现？
② 分别筛选出“同城投资”、“跨城投资”的TOP20，比较一下两类投资的数据分布
** 按照2013-2016年的汇总数据来计算
** 分开比较2013-2016四个年度的数据
** 需要绘制柱状图来辅助分析，这里用matplotlib即可
===>>>
① 原始数据中，同一年中的投资数据会重复记录，所以需要将数据以'投资方所在城市','融资方所在城市','年份'这三个字段做一个分组汇总
② 用df.plot(kind = 'bar')来绘制图表，这里index为城市名即可
import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline import warnings warnings.filterwarnings('ignore') # 不发出警告 from bokeh.io import output_notebook output_notebook() # 导入notebook绘图模块 from bokeh.plotting import figure,show from bokeh.models import ColumnDataSource,HoverTool # 导入图表绘制、图标展示模块 # 导入ColumnDataSource模块
# （1）数据读取，筛选出“同城投资”、“跨城投资”数据 df = pd.read_excel('C:/Users/Hjx/Desktop/项目12中国城市资本流动问题探索/data.xlsx') # 数据读取 df = df.groupby(['投资方所在城市','融资方所在城市','年份']).sum().reset_index() # 汇总数据 data_tc = df[df['投资方所在城市'] == df['融资方所在城市']] data_tc = data_tc.sort_values(by = '投资企业对数',ascending = False).reset_index() del data_tc['index'] # 筛选出“同城投资”数据 data_kc = df[df['投资方所在城市'] != df['融资方所在城市']] data_kc = data_kc.sort_values(by = '投资企业对数',ascending = False).reset_index() del data_kc['index'] # 筛选出“跨城投资”数据
#（2） 比较一下“同城投资”、“跨城投资”TOP20的数据分布 # 按照2013-2017年的汇总数据来计算，比较 tc_sum = data_tc.groupby(['投资方所在城市','融资方所在城市']).sum().sort_values(by = '投资企业对数',ascending = False) del tc_sum['年份'] # 汇总“同城投资”数据 kc_sum = data_kc.groupby(['投资方所在城市','融资方所在城市']).sum().sort_values(by = '投资企业对数',ascending = False) del kc_sum['年份'] # 汇总“跨城投资”数据
# 查看“同城投资” tc_sum.iloc[:20]
# 查看“跨城投资” kc_sum.iloc[:20]
tc_sum.iloc[:20].plot(kind = 'bar',grid = True, figsize = (10,4),color = 'blue',alpha = 0.7) kc_sum.iloc[:20].plot(kind = 'bar',grid = True, figsize = (10,4),color = 'green',alpha = 0.7)
结论1
① 从2013-2016的汇总数据来看，投资比数“同城投资”>“跨城投资”
② “同城投资”中领头的城市为北上广深及部分二线强城市，其中 深圳>北京>上海>>其他城市
③ “跨城投资”中领头的城市仍为北上广深（相互投资），或者北上广深向周边城市投资（城市群）
# 比较一下“同城投资”、“跨城投资”TOP20的数据分布 # （3）分开比较2013-2016四个年度的数据 def f1(year): tc_year = data_tc[data_tc['年份'] == year].sort_values(by = '投资企业对数',ascending = False) kc_year = data_kc[data_kc['年份'] == year].sort_values(by = '投资企业对数',ascending = False) tc_year.index = tc_year['投资方所在城市'] kc_year.index = kc_year['投资方所在城市'] + '-' + kc_year['融资方所在城市'] # 筛选该年的“同城投资”、“跨城投资” #print('%i年同城投资TOP20:' % year) #print(tc_year.iloc[:20]) #print('-----') #print('%i年跨城投资TOP20:' % year) #print(kc_year.iloc[:20]) #print('-----') return(tc_year.iloc[:20],kc_year.iloc[:20]) # 输出该年“同城投资”、“跨城投资”TOP20 # 创建函数
# 绘制图表 fig,axes = plt.subplots(4,2,figsize=(12,15)) plt.subplots_adjust(wspace = 0.1,hspace=0.5) f1(2013)[0]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'blue',alpha = 0.7,ax = axes[0,0],title = '同城投资 - 2013年',ylim = [0,40000]) f1(2013)[1]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'green',alpha = 0.7,ax = axes[0,1],title = '跨城投资 - 2013年',ylim = [0,3000]) # 2013年 f1(2014)[0]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'blue',alpha = 0.7,ax = axes[1,0],title = '同城投资 - 2014年',ylim = [0,40000]) f1(2014)[1]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'green',alpha = 0.7,ax = axes[1,1],title = '跨城投资 - 2014年',ylim = [0,3000]) # 2014年 f1(2015)[0]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'blue',alpha = 0.7,ax = axes[2,0],title = '同城投资 - 2015年',ylim = [0,40000]) f1(2015)[1]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'green',alpha = 0.7,ax = axes[2,1],title = '跨城投资 - 2015年',ylim = [0,3000]) # 2015年 f1(2016)[0]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'blue',alpha = 0.7,ax = axes[3,0],title = '同城投资 - 2016年',ylim = [0,40000]) f1(2016)[1]['投资企业对数'].plot(kind = 'bar',grid = True, color = 'green',alpha = 0.7,ax = axes[3,1],title = '跨城投资 - 2016年',ylim = [0,3000]) # 2016年
结论2
① 分开2013-2016年来看，每年“同城投资”、“跨城投资”均呈上升趋势
② “同城投资”中，头部城市仍为北上深（没有广州），且随着时间推移，越来越拉开和其他城市的“同城投资”差距（注意这个结论）
③ “跨城投资”中，投资关系较强的城市为“北京-上海” > “北京-深圳” > “上海-深圳” → 一线城市之间投资力度较大
** 接下来详细挖掘一下“全国跨城市资本流动情况”
2、2013-2016年全国跨城市资本流动情况
① 结合“中国城市代码对照表.xlsx”数据，给2013-2016年“跨城投资”的汇总数据添加城市的经纬度
② 通过2013-2016年“跨城投资”的汇总数据，在gephi中绘制“城市关系图”
** 这里gephi中“点标签”只显示投资笔数TOP20的城市
③ 通过2013-2016年“跨城投资”的汇总数据，在echarts中绘制“全国跨城市资本流动OD图”
** 这里通过qgis的插件，做点转线
** 通过echart制作最后的资本
** 这里line的value为投资笔数
====>>>
① gephi制图所需要导出的csv参考课程资料里的模板：边文件 → edge_model.csv；点文件 → node_model.csv（主要注意列名）
** 其中边数据的value需要做标准化处理 → 0-1之间
** gephi中单独显示某些城市的点标签方法 → 导入数据后，设置label，然后用label来显示标签，其中label只标注top20的数据
② qgis中需要安装插件“LinePlotter”来转线
③ shapefile转geojson时：注意shapefile保持wgs84地理坐标系
# 读取“中国城市代码对照表.xlsx”数据及重新设置kc_sum数据的index city = pd.read_excel(r'E:\Python数据分析\项目\12资本\中国城市代码对照表.xlsx') kc_sum.reset_index(inplace = True)
#（1）添加经纬度信息
# 结合“中国行政代码对照表.xlsx”数据，给2013-2016年“跨城投资”的汇总数据添加城市的经纬度 kc_data = pd.merge(kc_sum,city[['城市名称','经度','纬度']],left_on ='投资方所在城市',right_on = '城市名称') kc_data = pd.merge(kc_data,city[['城市名称','经度','纬度']],left_on ='融资方所在城市',right_on = '城市名称') kc_data = kc_data[['投资方所在城市','融资方所在城市','投资企业对数','经度_x','纬度_x','经度_y','纬度_y']] kc_data.columns = ['投资方所在城市','融资方所在城市','投资企业对数','lng_tz','lat_tz','lng_rz','lat_rz'] kc_data.head()
# （2）导出gephi制图数据 gephi_edge = kc_data[['投资方所在城市','融资方所在城市','投资企业对数']] gephi_edge.columns = ['source','target','weight'] gephi_edge['weight'] = (gephi_edge['weight'] - gephi_edge['weight'].min())/(gephi_edge['weight'].max() - gephi_edge['weight'].min()) gephi_edge.to_csv('C:/Users/Hjx/Desktop/gephi_edge.csv',index = False) # 导出边数据 citys = list(set(gephi_edge['source'].tolist()+gephi_edge['target'].tolist())) gephi_nodes = pd.DataFrame({'Id':citys}) # 筛选出所有的城市节点，并生成dataframe top_node = gephi_edge.sort_values(by = 'weight',ascending = False) top_node20 = top_node['source'].drop_duplicates().iloc[:20] top_node20_df = pd.DataFrame({'Id':top_node20, 'Label':top_node20}) # 筛选出投资对数较大，且不重复的前20个城市，并生成dataframe gephi_nodes = pd.merge(gephi_nodes,top_node20_df,on = 'Id',how = 'left') # 合并，给点数据增加label字段 gephi_nodes.to_csv('C:/Users/Hjx/Desktop/gephi_nodes.csv',index = False) # 导出点数据 print('finished!')
在软件gephi 里边进行分析
加载边数据，加载节点
最后得到城市关系图
#（3） 导出qgis制图数据 kc_data.to_csv('C:/Users/Hjx/Desktop/qgisdata.csv',index = False) print('finished!')
使用QGIS软件，做数据过程的整理
加载全国市界，设置灰色的背景；
LinePlotter，加载数据（4,5,6,7），添加value字段
导出； 然后转换为json文件。
最后HTML页面展示：
结论3
① 通过“全国跨城市资本流动OD图”可以明显看到
** 三个亮点密集的区域：长三角城市群、珠三角城市群、北京-天津城市群
** 这三个城市群与成都-重庆西部城市群构成了一个钻石形状
** 在钻石之外，仅有星星点点的东北和西部的几个亮点游离；
** 而这颗大钻石内的资本流动，占据了全国资本流动的90%以上！！
② 通过“城市关系图”可以发现：
** 城际投资的全国城市拓扑关系 → 以“北上深”为中心的城市网络
3、深挖跨城市资本流动：钱从哪里来，到哪里去？
① 近四年对外控股型投资笔数最多的10个城市是哪些？
② 近四年吸引对外控股型投资笔数最多的10个城市又是哪些？
③ 从2013年到2016年，资本流动两大阵营的变化趋势：“北上深阵营”、“本地化阵营”
** “北上深阵营”：最大的外来投资方为北上深之一的城市
** “本地化阵营”：这里简化计算，将非“北上深阵营”都划入“本地化阵营”
** 该问题从“北上深阵营”历年来城市数量占比来看
** 可以qgis辅助绘制城市空间分布
===>>>
① 资本流动两大阵营在计算中，主要以“融资方所在城市”为对象研究
② 资本流动两大阵营变化趋势计算中，可以构建函数，以年份为参数
③ 如何得到某年融资城市对应的最大的外来投资城市？
** 首先按照“融资方所在城市”做groupby分组，计算“投资企业对数”的max，得到一个Series
** Series通过reset_index转化为dataframe
** 再通过和源数据merge，找到该融资城市的最大外来投资对应的“投资方城市”，这里merge中的参数 on = ['融资方所在城市','投资企业对数']
④ 为了在qgis中制图，需要给数据添加经纬度信息，这里只需要添加“融资方所在城市”的经纬度
⑤ 为了qgis更好识别阵营类型，数据“阵营”字段用数字表示：0代表“本地化阵营”，1代表“北上深阵营”
⑥ qgis中制图时，既不属于“本地化阵营”又不属于“北上深阵营”的城市，颜色填充和“本地化阵营”一样即可
# （1）近四年对外控股型投资笔数最多的10个城市是哪些？ result1 = kc_sum[['投资方所在城市','投资企业对数']].groupby('投资方所在城市').sum().sort_values(by = '投资企业对数',ascending = False).iloc[:10]
# 近四年吸引对外控股型投资笔数最多的10个城市又是哪些？ result2 = kc_sum[['融资方所在城市','投资企业对数']].groupby('融资方所在城市').sum().sort_values(by = '投资企业对数',ascending = False).iloc[:10]
result1.plot(kind = 'bar',grid = True, figsize = (10,4),color = 'red',alpha = 0.7, rot = 0) result2.plot(kind = 'bar',grid = True, figsize = (10,4),color = 'black',alpha = 0.7, rot = 0)
结论4
① 通过“对外控股型投资笔数-城市排名TOP10”可以看出
** 北京、上海、深圳毫无悬念地包揽了前三名，且在量级上远远超过了其他城市 → 北上深在一定程度上控制着全国的资金流向和经济命脉
** 杭州 → 第四名，表现最为亮眼的省会城市，崛起的新一线城市
** 广州 → 第五名，江湖人称“北上广”三兄弟的广州，在对外投资的控制力上已经与另两位兄弟渐行渐远了
** 前10名中有5名都是长三角区域的城市，可以看到长三角地区资本的活跃程度
② 通过“吸引对外控股型投资笔数-城市排名TOP10”可以看出
** 吸引外来控股型投资笔数最多的前三名的仍然是北上深
** 在外来资本流入城市的榜单中，嘉兴挤掉了南京,进入前十名 → 相比资本对外输出，嘉兴是一个更受资本青睐的城
# （2）从2013年到2016年，资本流动两大阵营的变化趋势：“北上深阵营”、“本地化阵营” # ** “北上深阵营”：最大的外来投资方为北上深之一的城市 # ** “本地化阵营”：这里简化计算，将非“北上深阵营”都划入“本地化阵营” def f2(year): kc_datai = data_kc[data_kc['年份']==year] x = kc_datai[['融资方所在城市','投资企业对数']].groupby('融资方所在城市').max().reset_index() city_tz_max = pd.merge(kc_datai,x,on = ['融资方所在城市','投资企业对数'],how = 'right') # 数据整理 → 得到融资城市的最大外来投资对应的“投资方城市” city_tz_max['阵营'] = 0 city_tz_max['阵营'][(city_tz_max['投资方所在城市'] == '北京') | (city_tz_max['投资方所在城市'] == '上海') | (city_tz_max['投资方所在城市'] == '深圳') ] = 1 # 划分“北上深阵营”、“本地化阵营” city_tz_max = pd.merge(city_tz_max,city[['城市名称','经度','纬度']],left_on ='融资方所在城市',right_on = '城市名称') city_tz_max = city_tz_max[['投资方所在城市','融资方所在城市','投资企业对数','阵营','经度','纬度']] # 添加融资方所在城市经纬度 dici = {} dici['北上深阵营城市数据量'] = city_tz_max['阵营'].value_counts().iloc[1] dici['本地化阵营城市数据量'] = city_tz_max['阵营'].value_counts().iloc[0] # 计算“北上深阵营”、“本地化阵营”的城市数量，并放入一个字典 return(city_tz_max,dici) # 创建函数
#（3）北上深阵营城市占比的变化趋势 zy_year = pd.DataFrame([f2(2013)[1],f2(2014)[1],f2(2015)[1],f2(2016)[1]],index = ['2013年','2014年','2015年','2016年']) zy_year['北上深阵营占比'] = zy_year['北上深阵营城市数据量']/(zy_year['北上深阵营城市数据量'] + zy_year['本地化阵营城市数据量']) zy_year[['北上深阵营城市数据量','本地化阵营城市数据量']].plot(kind='bar',grid = True,colormap='Blues_r',rot = 0, stacked=True,figsize = (10,4),ylim = [0,400]) # 绘制堆叠图查看占比变化趋势 zy_year
# （4）数据导出csv，qgis绘图 f2(2013)[0].to_csv('C:/Users/Hjx/Desktop/year2013.csv',index = False) f2(2014)[0].to_csv('C:/Users/Hjx/Desktop/year2014.csv',index = False) f2(2015)[0].to_csv('C:/Users/Hjx/Desktop/year2015.csv',index = False) f2(2016)[0].to_csv('C:/Users/Hjx/Desktop/year2016.csv',index = False) print('finished!')
使用QGIS进行分析
计算多边形内的点数目
按照阵营最大值分类
结论5
“北上深阵营”高歌猛进，“本地化阵营”节节败退
① 2013年，“北上深阵营”的地盘仅仅局限于国内少数相对发达地区，以及各省省会城市
② 随着时间的推移，“北上深阵营”的势力范围逐步扩大，东北和内蒙的大部分地区纳入了“北上深阵营”
③ 越来越多的中小型城市也逐渐成为“北上深阵营”的一员
④ 2014年，90%的控股型城际投资去向了99个城市，而到了2017年，90%的城际投资只去向了60个城市
→ “北上深”越来越强大的资本力量，正在逐步地穿透中国经济的底层——三四线城市
