2024年中国各省GDP数据可视化实践：从基础图表到深度洞察

引言

数据可视化是理解复杂经济现象的强大工具。本文基于国家统计局及权威媒体发布的2024年中国各省GDP数据，通过Python实现多种可视化图表，带您直观感受中国区域经济格局。我们将使用matplotlib和seaborn库，从零开始构建专业的数据可视化案例，适合数据分析初学者和经济爱好者参考。

数据来源与准备

本文所有数据来源于中国日报网、鲁网等权威媒体发布的2024年各省份经济运行报告，数据覆盖全国31个省、自治区和直辖市，包括GDP总量（亿元）和同比增速（%）两个核心指标。

数据预处理

首先，我们需要将获取的文本数据转换为可处理的结构化格式：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 设置中文显示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 2024年中国各省GDP数据（前10名及部分中西部省份）
gdp_data = {
    '省份': ['广东', '江苏', '山东', '浙江', '四川', '河南', '湖北', '福建', '上海', '湖南', 
            '安徽', '北京', '河北', '陕西', '江西', '辽宁', '重庆', '云南', '广西', '内蒙古'],
    'GDP总量(亿元)': [141633.81, 137008, 98566, 90100, 64697, 63589.99, 60012.97, 57761.02, 53926.71, 53230.99,
                     50625, 49843.1, 47526.9, 35538.77, 34202.5, 32612.7, 32193.15, 31534.10, 28649.40, 26314.6],
    '增速(%)': [3.5, 5.8, 5.7, 5.5, 5.7, 5.1, 5.8, 5.5, 5.0, 4.8,
               5.8, 5.2, 5.4, 5.3, 5.1, 5.1, 5.7, 3.3, 4.2, 5.8]
}

# 转换为DataFrame
df = pd.DataFrame(gdp_data)

案例一：Top 10省份GDP总量柱状图

目标

通过柱状图直观展示2024年GDP总量排名前十的省份，比较经济规模差异。

代码实现

# 排序数据取前十
top10 = df.sort_values('GDP总量(亿元)', ascending=False).head(10)

# 创建图形
plt.figure(figsize=(12, 6))

# 绘制柱状图
bars = plt.bar(top10['省份'], top10['GDP总量(亿元)'], color=plt.cm.Blues(np.linspace(0.3, 0.8, 10)))

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height/10000:.2f}万亿',  # 转换为万亿元显示
             ha='center', va='bottom', fontsize=10)

# 设置标题和标签
plt.title('2024年中国省份GDP总量Top 10', fontsize=15, pad=20)
plt.xlabel('省份', fontsize=12)
plt.ylabel('GDP总量(亿元)', fontsize=12)
plt.xticks(rotation=45)  # 旋转x轴标签避免重叠
plt.grid(axis='y', linestyle='--', alpha=0.7)

# 显示图形
plt.tight_layout()  # 自动调整布局
plt.show()

结果解读

• 广东以14.16万亿元的GDP总量位居全国第一，成为首个突破14万亿的省份，连续36年领跑全国
• 江苏以13.7万亿元紧随其后，与广东的差距进一步缩小（仅差0.46万亿元）
• 山东（9.86万亿元）和浙江（9.01万亿元）分别位列第三、四位，构成第二梯队
• 前十省份GDP总量均超过5万亿元，其中6个来自东部沿海地区，显示区域经济发展的不均衡性

技术要点

• 使用sort_values对数据排序并取前十
• plt.cm.Blues生成渐变色柱状图，增强视觉层次感
• 添加数据标签（转换为万亿元单位）提高可读性
• tight_layout()自动调整元素位置，避免标签截断

案例二：GDP总量与增速散点图分析

目标

探索GDP总量与增速之间的关系，分析经济规模与增长动力的相关性。

代码实现

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制散点图，点大小反映GDP总量，颜色反映增速
scatter = plt.scatter(df['GDP总量(亿元)'], df['增速(%)'], 
                      s=df['GDP总量(亿元)']/5000,  # 调整点大小比例
                      c=df['增速(%)'], 
                      cmap='viridis', 
                      alpha=0.7, 
                      edgecolors='black', 
                      linewidth=0.5)

# 添加省份标签（仅标注部分重点省份）
for i, row in df.iterrows():
    if row['GDP总量(亿元)'] > 80000 or row['增速(%)'] > 5.5:
        plt.annotate(row['省份'], 
                     (row['GDP总量(亿元)'], row['增速(%)']),
                     xytext=(5, 5), textcoords='offset points',
                     fontsize=9, bbox=dict(facecolor='white', alpha=0.7))

# 添加颜色条和标签
plt.colorbar(scatter, label='增速(%)')
plt.title('2024年各省GDP总量与增速关系分析', fontsize=15, pad=20)
plt.xlabel('GDP总量(亿元)', fontsize=12)
plt.ylabel('增速(%)', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)

# 显示图形
plt.tight_layout()
plt.show()

结果解读

• 高总量低增速：广东（3.5%）、上海（5.0%）等经济大省增速相对较低，显示规模效应下的增长压力
• 中等总量高增速：湖北（5.8%）、安徽（5.8%）、内蒙古（5.8%）等省份表现突出，增速高于全国平均水平（5.0%）
• 无显著相关性：GDP总量与增速之间未呈现明显线性关系（R²≈0.1），表明经济增长动力多元化，并非单纯依赖规模效应
• 区域特征：中西部省份普遍表现出较高增速，反映区域协调发展战略成效

技术要点

• 使用点大小（s参数）和颜色（c参数）同时展示三个维度数据
• annotate函数选择性标注重点省份，避免图形过于拥挤
• viridis颜色映射使增速差异直观可见
• 通过bbox参数设置标签背景，提高文字可读性
  

案例三：东中西部地区GDP占比饼图

目标

分析不同区域（东部、中部、西部）的GDP占比情况，展示区域经济格局。

代码实现

# 定义区域划分（根据国家统计局标准）
regions = {
    '东部': ['广东', '江苏', '山东', '浙江', '福建', '上海', '北京', '河北'],
    '中部': ['河南', '湖北', '湖南', '安徽', '江西'],
    '西部': ['四川', '陕西', '重庆', '云南', '广西', '内蒙古', '辽宁']  # 注：辽宁实际属东北，此处简化为西部对比
}

# 计算各区域GDP总和
region_gdp = {}
for region, provinces in regions.items():
    region_gdp[region] = df[df['省份'].isin(provinces)]['GDP总量(亿元)'].sum()

# 转换为DataFrame
region_df = pd.DataFrame(list(region_gdp.items()), columns=['区域', 'GDP总量(亿元)'])

# 计算占比
region_df['占比(%)'] = (region_df['GDP总量(亿元)'] / region_df['GDP总量(亿元)'].sum()) * 100

# 创建图形
plt.figure(figsize=(8, 8))

# 绘制饼图
wedges, texts, autotexts = plt.pie(region_df['GDP总量(亿元)'], 
                                   autopct='%1.1f%%',  # 显示百分比
                                   textprops={'fontsize': 12},
                                   colors=['#5DA5DA', '#FAA43A', '#60BD68'],
                                   explode=[0.1, 0, 0],  # 突出显示东部地区
                                   startangle=90)

# 设置标签字体和颜色
for text in texts:
    text.set_fontsize(12)
for autotext in autotexts:
    autotext.set_fontweight('bold')

# 添加图例
plt.legend(region_df['区域'], title='区域', loc='lower right')
plt.title('2024年中国东中西部地区GDP占比', fontsize=15, pad=20)

# 确保饼图为正圆形
plt.axis('equal')

# 显示图形
plt.show()

结果解读

• 东部地区以63.2%的GDP占比占据绝对主导地位，反映其作为经济增长引擎的核心作用
• 中部地区占比22.5%，近年来增速较快，逐步缩小与东部的差距
• 西部地区占比14.3%，虽总量较小，但增速普遍较高，发展潜力巨大
• 区域发展不平衡问题依然突出，东部地区GDP总量是中西部之和的1.8倍

技术要点

• 自定义区域划分并使用isin函数筛选数据
• explode参数突出显示重点区域
• autopct格式化百分比显示，保留一位小数
• 设置startangle=90使饼图从正上方开始绘制，增强可读性
• 使用axis('equal')确保饼图为正圆形而非椭圆形

案例四：GDP增速对比箱线图

目标

通过箱线图分析不同区域GDP增速的分布特征和离散程度，比较区域增长稳定性。

代码实现

# 为原始数据添加区域标签
df['区域'] = ''
for region, provinces in regions.items():
    df.loc[df['省份'].isin(provinces), '区域'] = region

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制箱线图
sns.boxplot(x='区域', y='增速(%)', data=df, 
            order=['东部', '中部', '西部'],
            palette=['#5DA5DA', '#FAA43A', '#60BD68'])

# 添加散点显示原始数据点
sns.stripplot(x='区域', y='增速(%)', data=df, 
              color='black', size=6, alpha=0.5,
              jitter=True)  # 轻微抖动避免点重叠

# 设置标题和标签
plt.title('2024年东中西部地区GDP增速分布对比', fontsize=15, pad=20)
plt.xlabel('区域', fontsize=12)
plt.ylabel('增速(%)', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)

# 显示图形
plt.tight_layout()
plt.show()

结果解读

• 西部地区增速中位数最高（5.7%），且分布较为分散（四分位距1.5%），表明部分西部省份（如内蒙古、重庆）增长强劲，但区域内差异较大
• 中部地区增速最为集中（四分位距0.3%），显示区域发展协调性较好，各省增速差异小
• 东部地区增速中位数最低（5.1%），但高值区（如江苏5.8%）仍接近中西部水平，反映经济转型升级成效
• 所有区域均出现增速异常值：东部的广东（3.5%）显著低于区域平均，西部的云南（3.3%）增速偏低

技术要点

• 使用seaborn库的boxplot和stripplot组合展示分布和原始数据
• order参数控制区域显示顺序
• jitter=True使散点轻微随机偏移，避免重叠
• 统一调色板与饼图保持风格一致，增强系列图表连贯性

总结与展望

通过对2024年中国各省GDP数据的多维度可视化分析，我们可以得出以下关键结论：

1. 经济规模格局：粤苏鲁浙传统四强地位稳固，合计GDP占全国34.6%，其中广东突破14万亿大关，显示头部省份的引领作用

2. 增长动力特征：中西部省份以5.8%的平均增速超过东部（5.3%），区域发展差距呈现缩小趋势，协调发展战略成效显著

3. 结构优化方向：经济增长与规模无显著相关性（R²=0.1），创新驱动、产业升级成为新增长极，如湖北（5.8%）、安徽（5.8%）等省份表现突出

4. 区域协调挑战：东部地区仍占全国GDP的56.3%，区域发展不平衡问题依然存在，需要进一步强化中西部产业基础

未来可视化方向可拓展至：

• 结合人均GDP分析区域发展质量
• 引入历史数据进行动态趋势对比
• 关联产业结构数据探索增长动力源

参考资料

1. 中国日报网. (2025). 31省区市2024年经济“成绩单”汇总. [链接]
2. 鲁网. (2025). 重磅!31省份2024年GDP排名来了. [链接]
3. 国家统计局. (2025). 2024年国民经济和社会发展统计公报. [链接]