【帆软杯】2021年新一线城市评定分析报告

我是社区第885382位番薯,欢迎点我头像关注我哦~
12

2021年新一线城市评定分析报告

1. 团队介绍

团队名称:麦乐桶

团队队员:来自中南林业科技大学理学院19级信息与计算科学专业,分别是张佳乐、邹昕莹、赵海玥

指导老师朱颖芳

组合契机:在结束数据可视化课程的学习之后,通过老师得知了2021帆软杯-全国高校数据应用联赛的举办。出于对帆软杯的数据可视化分析赛道的强烈兴趣,同时也是出于对自身数据可视化学习成果的一种检验,最终我们选择组队参加2021帆软杯联赛。

合作方式:小组三人合理分工,从各个方面查找数据,确认主题,再进一步完善数据,处理数据,接着为主题划分模块,设计排版,最终通过帆软官方软件FineBI进行可视化作图,实现数据可视化分析。 

2. 作品背景

城市,是人类不断发展和进步的产物,是人类文明最集中的体现,也是推动社会发展重要的“火车头”。对于城市,可以根据不同标准进行划分,进而形成不同的城市分类体系,如一线、二线、三线、四线、五线城市的划分。长期以来,北上广深这四座一线城市的地位十分稳固,同时也基本稳居城市榜单前列。不过自此之下,各个城市之间的竞争则十分激烈,甚至在一二线城市之间,开辟出了“新一线城市”的概念。

过去,由于国内经济基础较差,评判一线城市的标准主要以经济为主。而如今,随着国内经济的高速发展,此前以经济为核心的一线城市,也早已发展成为了综合实力强劲的国际化大都市。20213月,第一财经·新一线城市研究所发布了第六期《城市商业魅力排行榜》,对国内337座地级以上城市进行排名。其中,北上广深继续稳坐四大一线城市,而入围新一线城市名单的共有15座城市,依次为成都、杭州、重庆、西安、苏州、武汉、南京、天津、郑州、长沙、东莞、佛山、宁波、青岛以及沈阳。

那么评判新一线城市的标准是什么呢?这15座城市又为何能入围新一线城市的名单呢?

本作品以从新一线知城数据平台抓取的入围2021年新一线城市的各城市指标数据分析新一线城市的评定标准,对15座新一线城市进行横向和纵向的对比分析,发掘这些城市的发展优势与潜力,同时也能发现其发展短板。

3. 制作流程

3.1 数据来源

(1) 原始数据说明与数据获取手段

从新一线知城数据平台Pathon编程抓取1100多条相关数据,包括2021年新一线城市的一级指标:商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性、未来可塑性、大品牌青睐指数的排名与得分。二级指标:大品牌青睐指数、商业核心指数、基础商业指数、城际交通基础设施建设、交通联系度指数、物流通达度指数、商业资源区域中心度指数、消费活跃度指数、社交活跃度指数、夜间活跃度指、出门新鲜度指数、消费多样性指数、休闲丰富度指数、创新氛围指数、人才吸引力指数、消费潜力指数、城市规模与增长指数的排名与得分。三级指标:构成二级指标的更细分指标。成都整体数据:2021年新一线城市榜首——成都的一、二、三级指标的排名与得分。

(2) 原始数据的清洗过程说明

获取的原始数据中,评判新一线城市的二级指标的占比为主成分分析结果;一级指标的指数及最终结果依照主成分分析法与新一线城市研究所专家委员会的权重总和计算。评判新一线城市的一级指标的满分为一线城市的最高值(如:2021年商业魅力指数最高值为上海154分为满分),因此我们通过对每个指标的最高值及各级指标各项占比对每个新一线城市的指标进行换算,得到最初始的指标分数。

(3) 最终使用数据说明

  数据列表:

新一线城市.xlsx

新一线评定一级指标.xlsx

成都一级指标近6年变化.xlsx

2021年成都与一线城市一级指标对比.xlsx

成都二级指标得分.xlsx

成都上升最快的二级指标.xlsx

成都抽取二级指标对比.xlsx      

成都三级指标.xlsx

一级指标K-Means聚类算法分析.xlsx

二级指标K-Means聚类算法分析.xlsx

3.2 设计思路

 

1 设计思路分析图

3.3 作品框架布局 

 

2 布局框架示意图

3.4 实现方式

3.4.1图表涉及算法介绍

(1) 主成分分析法

一级维度指标占比图

运用主成分分析法,将衡量新一线城市包含的5个一级指标及占比展示出来。

<商业资源集聚度>的二级指标组成与占比图

运用主成分分析法,将各个一级指标所包括的二级指标及占比展示出来。

<城市枢纽性>的二级指标组成与占比图

运用主成分分析法,将各个一级指标所包括的二级指标及占比展示出来。

<城市人活跃度>的二级指标组成与占比图

运用主成分分析法,将各个一级指标所包括的二级指标及占比展示出来。

<生活方式多样性>的二级指标组成与占比图

运用主成分分析法,将各个一级指标所包括的二级指标及占比展示出来。

<未来可塑性>的二级指标组成与占比图

运用主成分分析法,将各个一级指标所包括的二级指标及占比展示出来。

(2) K-Means聚类算法分析

一级指标重要性预测图

采用K-Means聚类算法分析预测一级指标重要性。

二级指标重要性预测图

采用K-Means聚类算法分析分别预测二级指标重要性。

4. 成果展示

4.1 模块一 202115座新一线城市的分布与排名

1)模块内容

该模块中,首先采用分组表,来直观展示202115座新一线城市排名。然后采用点地图,将15座城市在地图上用点标记,以便在地图上直观地展现城市的具体位置以及整体分布情况。

(2)模块整体价值

新一线城市,它们或为直辖市,拥有雄厚的经济基础和庞大的中阶层人群以及客观的政治资源;或为区域中心城市,对周边多个省份具有辐射能力,有雄厚的教育资源,深厚的文化绩点和便利的交通;或为东部经济发达地区的省会城市和沿海开发城市,有非常好的经济基础、便利的交通运输。

4.2 模块二 新一线城市衡量指标

(1) 模块内容

该模块中,首先分析了新一线城市的一级维度指标,分别从一级指标的五大指标进行分析,分析通过组成成分占比和城市得分对比图进行。接着,分析了新一线城市的二级维度指标,详细介绍了各二级指标的组成占比;通过主成分分析法,得出二级指标得分的计算方法,并通过城市得分对比图直观展示。

(2) 模块整体价值

城市的进步离不开全面的发展,任何一方面的不足都有可能成为城市发展的阻力。通过多维度指标来分析和评价城市,才能更好地衡量城市的发展,才能更好地提出城市的发展建议,有助于城市快速提升,全方面发展。

5个一级指标进行K-Means聚类算法分析。这里将聚类数确定为3,分别为新一线城市排名的高、中、低,最终得到的聚类质量较好,平均Silhouette在0.45左右。预测一级指标重要性依次为生活方式多样性、未来可塑性、城市人活跃度、城市枢纽性、商业资源集聚度。其中,生活方式多样性是聚类的主要依据,而商业资源集聚度是本次聚类过程中,对结果影响较小的因素。  

17个二级指标进行K-Means聚类算法分析。这里将聚类数确定为3,分别为新一线城市排名的高、中、低,最终得到的聚类质量较好,平均Silhouette为0.5。其中,出门新鲜度指数是聚类的主要依据,而社交活跃都指数是本次聚类过程中,对结果影响较小的因素。  

4.3 模块三 榜首成都各级指标分析与对比

(1) 模块内容

通过该模块中,首先分析了2021年成都一、二、三级各项指标得分,其次分析了成都一、二级各项重点指标在2017-2021这五年的得分、排名变化,接着,对比分析2021年成都与“北上广深”四座一线城市、同样位居“新一线”的15座城市及国内337座地级以上的城市,得出成都大方面的优势,最后从更细节的三级指标分析2021年成都发展的优势与短板。

(2) 模块整体价值

城市自身最大的能量来自于生活在其中的人始终需要他们的城市,然后才是寻找特色和建立区域影响力。

成都在“新一线”城市蝉联第一的原因是同样位居“新一线”的15座城市及国内337座地级以上的城市值得学习借鉴的,也是成都补齐短板、发展优势、寻找自身发展的风向标。“如果成都坚持其成长轨迹,我预计在接下来的《世界城市名册》考评中,成都的等级极有可能还会发生变化。”著名评级机构GaWC(全球化和世界城市研究小组)副主任本德拉德称。 

4.4 结论:关于未来城市发展的建议

1、要充分考虑城市所在区域的发展差异性,因地制宜制定城市发展策略。
2、要以生态环境承载能力的动态平衡探索发展路径,实现绿色发展。
3、城市功能决定城市势能,城市势能决定了城市的发展的影响力、辐射力和集聚力。

4、全面强化城市功能是引领城市高质量发展的增长极和动力源。 

5. 总结与分享

我们团队在作品制作过程中遇到最大的难题便是实现数据可视化的第一步,即作品的原始数据获取。原始数据获取的完整度决定了团队作品的主题取向以及具体的模块划分,我们深刻地意识到这是决定作品呈现结果的最关键一环,因此我们团队在该环节花费了最多的时间与精力。

在选择合适数据这方面,我们组先后查找搜集了很多不同题目的数据,例如:湖南省森林资源,郑州7月特大暴雨,犯罪高维人群等,但这些数据都不太完整并且各方面维度缺失,因此大大削弱了我们的士气,后来在讨论中想要分析全国各省GDP以及老龄化,在此基础上有深入讨论最终决定选择“2021十五座新一线城市的评估与分析”这个题目,并且有目的的寻找数据,很快就找到合适的数据。

其次在指标梳理上,虽然大量的原始数据需要进行换算,且换算规则也不相同,但通过我们团队的合理分工,有效解决了这一难题。最后便是作品的呈现,即数据可视化。我们对数据进行反复分析,在各类图表类型之间选择最能够呈现其效果的表现形式。它们或能够展现数据间的关联,或能够突出数据的某种特点,或能够得出某种结论等。数据可视化不仅是将数字批量转换为不同的形状和颜色,更是要让使用图表的人能够从中得到有价值的信息。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

0回帖数 1关注人数 7634浏览人数
最后回复于:2021-11-30 21:09

返回顶部 返回列表