Advertisement

中国1978-2018年M0、M1和M2供应量的历史数据（截至2018年1月）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：PDF

简介：
该文档提供了从1978年至2018年间中国流通中现金(M0)、狭义货币供应量(M1)及广义货币供应量(M2)的年度历史数据，截止至2018年1月。 2018年发行的货币数据包括： - M0：流通中的现金。 - M1：M0加上企业活期存款、机关团体部队存款、农村存款和个人持有的信用卡类存款。 - M2：M1再加上城乡居民储蓄存款、企业定期性质的存款、外币存款和信托类存款。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 中国1978-2018年M0、M1和M2供应量的历史数据（截至2018年1月）
    优质
    该文档提供了从1978年至2018年间中国流通中现金(M0)、狭义货币供应量(M1)及广义货币供应量(M2)的年度历史数据，截止至2018年1月。 2018年发行的货币数据包括： - M0：流通中的现金。 - M1：M0加上企业活期存款、机关团体部队存款、农村存款和个人持有的信用卡类存款。 - M2：M1再加上城乡居民储蓄存款、企业定期性质的存款、外币存款和信托类存款。
     
  • 北京2013年至2018年的空气质量历史记录
    优质
    本资料涵盖了从2013年到2018年间北京市空气质量的历史数据，包括各项污染物浓度变化、优良天气天数统计等信息。 北京在2013年至2018年期间每天的空气质量历史数据如下所示：一天的数据示例如下： {date:2013-12-02,aqi:142,pm25:109,pm10:138,so2:61,co:2.6,no2:88,n38h:11}
     
  • 2014-2018年全国城市空气质量历史数据集
    优质
    该数据集收录了2014年至2018年间中国各城市的空气质量监测记录，涵盖PM2.5、二氧化硫等关键指标，为研究空气污染趋势和制定环保政策提供详实依据。 标题“2014--2018全国城市空气质量历史数据-数据集”涵盖了中国各地城市在2014年至2018年间的空气质量记录。这个数据集可能包含每日或每月的空气质量指数（AQI）和其他关键指标，用于评估空气污染水平。 描述中提到“真气网”，这是一个专门发布中国空气质量信息的平台。此数据集不仅包括了全国各城市的空气质量数据，还特别提供了一个城市与省份映射字典文件，便于进行地理分析和区域比较。该字典将每个城市的名称与其所在的省份关联起来。 标签“数据集”表明这是一份用于研究、可视化或建模的数据资源。压缩包内的子文件包括： 1. `aqi_data_u.csv`：此主数据文件包含空气质量指数（AQI）的信息，可能还包括其他污染物浓度如PM2.5、PM10、SO2等。u可能是“更新”或“统一”的意思。 2. `city.csv`：该文件包含了所有涉及城市的详细信息，包括城市名称、经纬度和人口数量。 3. `city_province.txt`：这是城市与省份映射字典文本格式的文件，列出每个城市及其对应的省份。 这些数据可以用于研究不同时间段内各城市的空气质量变化情况，找出污染热点区域，并分析季节性或长期趋势。此外，还可以评估环保政策的效果和预测未来的空气质量状况。对于环境科学家、政策制定者及数据分析人员而言，这些都是非常有价值的信息资源。使用这些数据时，可以通过Python的Pandas库进行数据清洗与处理，在Matplotlib或Seaborn中生成可视化图表，并利用统计软件如R或SPSS来进行更复杂的建模分析。
     
  • CNNVD历年数据文件汇总（截至2022年1月24日）
    优质
    本资料汇集了CNNVD自成立以来至2022年1月24日期间的所有关键数据与安全漏洞信息，旨在为用户提供全面的安全事件历史记录和分析。 该文件包含了CNNVD网站上20多年来的漏洞数据。
     
  • 2013至2018年10月全国城市空气质量指数数据.zip
    优质
    本数据集包含了2013年至2018年10月中国各城市的空气质量指数(AQI)记录，涵盖PM2.5、PM10、二氧化硫等六项关键污染物的浓度变化。 利用爬虫获取了2013年至2018年10月全国各城市的空气质量指数数据，这些数据来源于真气网。由于不同城市开始公开空气质量指数的时间不一致，因此各个城市的数据量有所不同，请注意这一点。所有文件均为csv格式，方便使用R语言或pandas进行处理。
     
  • 中国1978至2017年GDP数据.docx
    优质
    本文档包含从1978年至2017年中国年度GDP总量及其增长率的数据，适合经济研究和历史分析使用。 本段落介绍了中国自1978年至2017年的GDP数据，涵盖了近40年来中国经济的发展历程与变化趋势。内容经过仔细校对，旨在为读者提供便利。作者希望读者能够提出宝贵的建议和反馈，以促进文档的进一步完善。本段落可编辑修改，方便读者随时查阅并更好地了解中国经济的发展情况。
     
  • 1960年至2018年全球各国GDP数据
    优质
    该资料集包含从1960年至2018年间世界各国和地区按年度统计的GDP总量及人均值，涵盖全球经济变迁史。 1960-2018年世界各国GDP数据及排名变化的Python动图实现。
     
  • 2018年统计区划及城乡划分代码（截至2018年10月31日）
    优质
    该书收录了截至2018年10月31日中国的所有统计用区划和城乡属性代码，为研究中国地理、人口分布提供详尽数据支持。 2018年统计用区划代码和城乡划分代码（截至2018年10月31日）包括了全国31个省的数据。以下是北京市的部分数据： - 统计用区划代码：110100000000，名称：市辖区，城乡分类代码：0 - 统计用区划代码：110101000000，名称：东城区，城乡分类代码：0 - 统计用区划代码：110102000000，名称：西城区，城乡分类代码：0 - 统计用区划代码：110105000000，名称：朝阳区，城乡分类代码：0 - 统计用区划代码：110106000000，名称：丰台区，城乡分类代码：0 - 统计用区划代码：110107000000，名称：石景山区，城乡分类代码：0 - 统计用区划代码：110108000000，名称：海淀区，城乡分类代码：0 - 统计用区划代码：110109000000，名称：门头沟区，城乡分类代码：0
     
  • 2018年12月中国各大城市地铁客流量数据统计(1).pdf
    优质
    本报告提供了2018年12月份中国主要城市地铁系统的乘客流量统计数据，旨在分析各城市的公共交通使用情况及发展趋势。 ### 2018年12月中国主要城市地铁客运量统计分析 #### 概述 本段落档提供了2018年12月中国主要城市地铁的运营数据，涵盖全国范围内共计27个城市，并对各城市的客流量进行了详尽的数据解析。 #### 数据概况 - **研究范围**：本报告中包含有来自27个不同城市的地铁统计数据。其中新增了大连和贵阳两个城市。 - **缺失信息处理**：南昌、无锡、哈尔滨以及长春四地的日均乘客量数据未能获取，但根据其他类似规模的城市估计其大致的客流量分别为40万+、30万+、20万+及20万人次左右。 - **总量概览**：在该月份内，这27个城市共完成了18.48亿人次的乘客运输任务，即平均每天为5962.16万人次。 #### 客运量变化 - **总体趋势分析**：相比上个月份而言，内地共有25个城市的总客流量有所下降，幅度约为1.57%。 - **增长亮点城市**：东莞（涨幅达14.57%）、厦门（9.80%）和南宁（7.35%），这三个地方的客运量显著增加。其中东莞市的增长主要归因于沿线商业设施开业带来的影响，而厦门市则受益于缩短了行车间隔及实施票务优惠措施。 - **下降幅度较大城市**：乌鲁木齐、青岛以及南京分别出现14.91%、5.15%和4.78%的显著下滑趋势。这可能与冬季严寒天气有关。 #### 客运量排名 - **超亿人次的城市群**：北京、上海、广州和深圳等五个城市在该月内的总客运量均突破了1亿人次。 - **日均百万级别水平**：共有11个城市达到了每日超过一百万乘客的客流量，其中北京、上海、广州及深圳市的日平均客运量更是超过了500万人次。 - **集中度分析**：前十一座“日均百万”级别的城市贡献了近9成的总客流；而其余城市的份额仅占到大约12.24%。 #### 客流强度 - **平均水平考量**：这27个城市的平均客流量强度为每公里线路每天约有1.23万人次。 - **高密度区域识别**：北京、上海等十个城市中的客流强度明显高于全国的均值。西安及广州两市的该数值更是超过了每人公里2万次的标准线。 - **规模与效率关系**：对于拥有超过二百公里运营线路的城市，广州和深圳在月度平均客流强度方面排名领先；而对于那些运营里程小于此数目的城市而言，则是西安、沈阳等地方表现突出。 #### 工作日与非工作日的对比 - **总体差异性观察**：在这27个城市中，工作日期间的乘客流量（大约为1.30万人次每公里）比休息时间高出约两成。 - **具体城市分析**：北京、上海等十五座城市的日常工作时段客流量显著高于休闲时分；而西安、郑州和苏州等地则在非劳动日表现出更高的客流强度，这可能与这些地方的通勤需求尚未完全释放有关，并且更多的乘客出行目的可能是为了娱乐或观光。 - **解读说明**：运营线路较长、公共交通便利度较高及历史悠久的城市（例如北京和上海），其工作日期间的客流量远超休息时间，表明了在这些城市中存在着较高的通勤需求。相比之下，那些较小规模的交通网络以及不太方便到达的地方（如苏州、郑州或南宁等）则显示出非劳动日内的乘客数量显著增加，这可能反映了该地区的休闲和娱乐出行活动较为频繁。 通过对2018年12月中国主要城市地铁客运量的数据分析可以发现不同地区之间存在的明显差异，并且进一步确认了地铁系统对于各个城市的交通基础设施的重要性及其在具体场景中的独特作用。
     
  • 2000年至2018年的蒸发数据
    优质
    本资料集涵盖了从2000年到2018年间全球各地详细的蒸发量观测和估算数据，旨在为气候变化、水资源管理及生态研究提供科学依据。 该文件里的shp和Excel数据是通过Python处理《中国地面气候资料日值数据集（V3.0）》的结果。如果用户需要栅格数据，需利用ArcGIS进行克里金插值或使用专业的气象处理软件ANUSPIN进行处理。若需求未处理的原始数据，请自行查找相关资源；如需Python代码，可关注微信公众号“GIS研究平台”。