Python+Pandas实战：全球生育率下降趋势分析与可视化

生育率下降是被反复讨论的人口话题，马斯克关于“生育率崩溃比黑死病更致命”的说法更是把这一话题推到公共视野。先不评价这个历史比较是否准确，单从技术角度来看，这句话背后的核心变量是“总和生育率”。对数据分析师和技术开发人员来说，比起争论观点，更容易推进的方式是：把生育率数据下载下来，清洗成可用样本，按时序和区域做趋势分析，再用可视化表达结果。这篇文章会围绕这条主线，使用 Python、Pandas 和 Matplotlib 完成一个可复现的生育率数据分析小项目。

读者可以结合自己的实际需求，把本文的操作扩展成人口统计看板、报告自动刷新脚本，或者教学用的数据分析案例。学完后，你会得到一套从数据获取到图表展示的完整链路，同时也能理解总和生育率、更替水平、数据缺失和趋势解读这些关键概念。

1. 先理解“生育率崩溃”真正对应的指标是什么

1.1 总和生育率不是“某年生了多少孩子”

总和生育率（Total Fertility Rate，简称 TFR）指的是：如果一批女性按照某个年份的年龄别生育率走完整个生育周期，平均每位女性会生育多少个孩子。它是一个时期指标，反映的是“当前这一年各年龄段女性的生育强度”，并不是真实某一批人最终生育的子女数。

这个区别非常重要。某个年份的 TFR 特别低，不一定等于未来人口一定会快速减少。因为人口变化还受年龄结构、预期寿命、迁移和生育年龄推迟等因素影响。但 TFR 仍然是判断生育水平最常用、最适合跨地区比较的指标。

更替水平决定人口长期稳定所需的最低生育水平。在低死亡率环境下，普遍认为总和生育率大约需要达到 2.1，也就是平均每位女性生育 2.1 个孩子，才能保证下一代人口规模不出现长期自然减少。这个 2.1 并不是物理常数，而是由出生性别比和死亡率共同决定的。

1.2 数据能验证什么，不能验证什么

用公开数据可以验证下面几种问题：

• 全球范围内低生育率地区是否在扩大。
• 不同国家总和生育率在过去几十年里的下降速度。
• 当前低于更替水平的国家数量和人口覆盖范围。
• 区域之间的差异是否明显。

但数据不能直接验证“生育率崩溃比黑死病更致命”这种历史比较。因为黑死病时期的死亡数据、人口基数和统计口径与现代完全不同，直接比较会引入大量方法学问题。更合理的做法是先把“生育率是否在长期走低”这个可计算的部分分析清楚，再谈政策和社会影响。

1.3 本文分析主线

后面所有内容都围绕一条分析流程展开：

1. 从开放数据源获取总和生育率时间序列。
2. 将宽表结构整理成适合分析的长表结构。
3. 检查缺失值、异常值和区域编码。
4. 按年份计算低于更替水平的国家数量。
5. 绘制时间趋势图和区域对比图。
6. 对结果做谨慎解读，并说明数据边界。

这条流程可以复用到出生率、死亡率、预期寿命、GDP 等任何具有“国家-年份-指标”结构的公开数据上。

2. 准备分析环境：Python 数据分析的最小组合

2.1 环境要求

建议使用 Python 3.10 或更高版本。核心依赖只有三个：

安装依赖：

pip install pandas requests matplotlib

如果网络环境访问外网受限，可以将数据文件下载后放到本地目录，把后面的代码改成读取本地 CSV 即可。

2.2 数据源选择

世界银行开放数据提供了大量人口指标，其中总和生育率对应的指标代码是SP.DYN.TFRT.IN。该指标返回各国家和地区的年度总和生育率，时间跨度通常从 1960 年开始，更新周期以世界银行数据库发布节奏为准。

除了世界银行，联合国《世界人口展望》也提供历史估计和预测数据，更适合做长期人口预测。对本文演示来说，世界银行接口足够，因为它返回结构简单，适合用 requests 直接处理。

字段含义：

2.3 推荐项目结构

建议把脚本拆成模块，方便后续扩展：

fertility_analysis/ ├── data/ │ └── raw/ │ └── fertility_raw.csv ├── output/ │ └── fertility_trend.png ├── download_data.py ├── analyze_fertility.py └── requirements.txt

第一次运行下载脚本时，把原始数据保存到data/raw/，之后不要再重复请求接口。这既方便离线分析，也能避免频繁访问外部服务。

2.4 环境检查清单

开始写代码前，可以按下面的顺序检查一次环境：

1. python --version能正常输出 Python 版本。
2. pip --version能正常输出 pip 版本。
3. 上面三个依赖都已安装。
4. 当前目录有data/raw文件夹。
5. 网络可以访问世界银行开放数据接口。

这项检查看起来基础，但很多人是在跑代码报ModuleNotFoundError之后才发现环境没有对齐。

3. 下载并加载生育率数据

3.1 使用 requests 拉取世界银行接口

世界银行接口支持 JSON 格式返回。下面的脚本会请求全量数据，并把核心字段整理成 DataFrame：

import requests import pandas as pd WORLD_BANK_URL = ( "https://api.worldbank.org/v2/country/all/indicator/SP.DYN.TFRT.IN" "?format=json&per_page=20000" ) def download_fertility_data(url=WORLD_BANK_URL): response = requests.get(url, timeout=30) response.raise_for_status() payload = response.json() records = [] # World Bank JSON 返回结构: [元信息, 数据列表] for item in payload[1]: records.append({ "country_code": item.get("countryiso3code"), "country_name": item.get("country", {}).get("value"), "year": item.get("date"), "fertility_rate": item.get("value"), }) df = pd.DataFrame(records) df["year"] = pd.to_numeric(df["year"], errors="coerce") df["fertility_rate"] = pd.to_numeric(df["fertility_rate"], errors="coerce") return df.dropna(subset=["year"]) if __name__ == "__main__": df = download_fertility_data() df.to_csv("data/raw/fertility_raw.csv", index=False, encoding="utf-8") print(df.sample(5))

这段代码做了三件事：

• 请求全量数据，per_page=20000是为了避免分页截断。
• 从嵌套 JSON 中提取国家、年份和数值。
• 把年份和数值转成数值类型，方便后续排序和计算。

注意，fertility_rate为空是常见情况，不一定表示缺失，有些年份数据没有发布或估计值。清洗时不要把NaN当成 0。

3.2 如果接口不可用，使用本地 CSV 替代

如果暂时不能访问接口，也可以准备一份结构相同的最小 CSV：

country_code,country_name,year,fertility_rate KOR,South Korea,2020,0.84 JPN,Japan,2020,1.33 USA,United States,2020,1.64 SWE,Sweden,2020,1.66 NGA,Nigeria,2020,5.29

读取方式与上面保持一致：

df = pd.read_csv("data/raw/fertility_raw.csv")

上面数值只用于演示分析流程，不代表最新官方数据。实际分析时，要以你下载到的原始文件为准。

3.3 保存原始数据后立即检查行数

下载完成后，不要急着画图。先执行一次基础检查：

print("共 {} 行记录".format(len(df))) print("年份范围: {} - {}".format(df["year"].min(), df["year"].max())) print("国家数量: {}".format(df["country_code"].nunique()))

预期结果应是一个 1960 年到最近年份的完整时间序列。如果年份范围异常，比如只有最近两年，很可能是请求参数或接口返回结构出了问题。

4. 数据清洗与质量检查：先解决缺失值和区域编码

4.1 删除空值并确认时间列是数值类型

世界银行返回的数据中，某些国家在某些年份没有数值。清理时适合只保留有fertility_rate的行：

df = df.dropna(subset=["fertility_rate"]) df["year"] = df["year"].astype(int)

把年份转成整数后，排序和分组会更快。如果后续要画时间轴，直接使用整数年份最省事。

4.2 区分主权国家与区域汇总

世界银行数据里既包含“China”这样的国家，也包含“East Asia & Pacific”这样的区域汇总，还包含“World”“High income”这类经济分组。分析低生育率国家数量时，如果不过滤区域汇总，会把“World”这样的实体也当成一个国家，影响统计结果。

可以先用一个列表排除常见汇总编码：

aggregate_codes = { "ARB", "CEB", "CSS", "EAP", "EAS", "ECS", "EMU", "EUU", "FCS", "HIC", "HPC", "IBD", "IBT", "IDA", "IDB", "IDX", "LAC", "LCN", "LDC", "LIC", "LMC", "LMY", "LTE", "MEA", "MIC", "MNA", "NAC", "OED", "OSS", "PRE", "PSS", "SAS", "SSA", "SSF", "SST", "TEA", "TES", "TLA", "TMN", "TSA", "TSS", "UMC", "WLD", } df_country = df[~df["country_code"].isin(aggregate_codes)].copy()

这个列表并不一定完整，后续一定要用df_country["country_name"].unique()人工检查一遍，确认没有把“World”“Euro area”之类的汇总实体混进来。

4.3 保留一个同时包含区域汇总的版本

如果想在图中展示区域整体趋势，不要直接丢掉汇总编码。可以保留两个 DataFrame：

df_all = df.copy() df_country = df[~df["country_code"].isin(aggregate_codes)].copy()

df_all用于观察区域和全球整体，df_country用于统计国家数量。这样能避免“宏观趋势”和“国家分布”互相污染。

4.4 常见数据质量问题

这里的经验是：不要只关注“能不能出图”，要关注“每一个点的含义是否清楚”。人口数据是宏观数据，一个异常值可能不是误差，而是一个小国或特殊年份的真实表现。

5. 从时间维度计算生育率趋势

5.1 计算每一年低于更替水平的国家数量

先把总和生育率与更替水平 2.1 进行比较，生成一个布尔列：

replacement_level = 2.1 df_country["below_replacement"] = df_country["fertility_rate"] < replacement_level yearly = ( df_country[df_country["year"] >= 1980] .groupby("year") .agg( total_countries=("country_code", "nunique"), below_countries=("below_replacement", "sum"), ) .reset_index() ) yearly["below_ratio"] = yearly["below_countries"] / yearly["total_countries"] print(yearly.tail(10))

这里有一个细节：below_replacement是 bool 列，sum()会把True按 1 求和，所以below_countries表示当年低于更替水平的国家数量。分母使用nunique，避免同一个国家在同一年出现多行记录。

5.2 找出下降幅度最大的国家或地区

想要看哪些国家的生育率下降最明显，需要把最早年份和最近年份对齐：

first_year = df_country["year"].min() last_year = df_country["year"].max() df_first = df_country[df_country["year"] == first_year][["country_code", "fertility_rate"]] df_last = df_country[df_country["year"] == last_year][["country_code", "fertility_rate"]] merged = df_first.merge(df_last, on="country_code", suffixes=("_first", "_last")) merged["change"] = merged["fertility_rate_last"] - merged["fertility_rate_first"] print(merged.sort_values("change").head(10))

这里的change是负数时表示下降。结果里会出现变动很大的国家，原因可能包括统计口径变化、冲突导致的人口迁移、数据缺失等。所以看到“某个国家生育率下降 5 个点”时，要先检查该国在两个年份的样本量，不要直接写结论。

5.3 区分不同区域的平均水平

如果需要看区域趋势，可以基于区域汇总数据做平均：

region_cols = ["East Asia & Pacific", "Europe & Central Asia", "World"] region_df = df_all[df_all["country_name"].isin(region_cols)].copy() region_pivot = region_df.pivot_table( index="year", columns="country_name", values="fertility_rate" ) print(region_pivot.tail(5))

pivot_table会把“年份”放在行、把“区域名称”放在列。这样直接生成的数据结构非常适合下一步画图。

5.4 输出一份可审查的结果表

分析脚本最好输出一份 CSV，方便人工复核：

yearly.to_csv("output/yearly_below_replacement.csv", index=False, encoding="utf-8-sig")

使用utf-8-sig编码，可以让 Excel 直接打开时不出现中文乱码。这是数据导出时非常实用的小技巧。

6. 可视化：用三张图说明生育率下降是否普遍

6.1 第一张图：全球国家“低于更替水平”比例

下面的折线图展示 1980 年以来低于更替水平的国家占比变化：

import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei"] # Windows 常见中文字体 plt.rcParams["axes.unicode_minus"] = False # 解决负号显示问题 fig, ax = plt.subplots(figsize=(10, 5)) ax.plot(yearly["year"], yearly["below_ratio"], linewidth=2) ax.axhline(0.5, linestyle="--", color="gray", linewidth=1) ax.set_title("Yearly Share of Countries with TFR below 2.1") ax.set_xlabel("Year") ax.set_ylabel("Share of Countries") ax.grid(True, linestyle=":", alpha=0.6) fig.tight_layout() fig.savefig("output/below_replacement_share.png", dpi=150) plt.show()

ax.axhline(0.5)的作用是画一条 50% 参考线。它可以快速看出“超过一半国家低于更替水平”的时间点，比单纯看数据表格更直观。

6.2 第二张图：典型国家的时间序列对比

选择若干有代表性的国家，画在同一条横轴上：

focus_countries = ["South Korea", "Japan", "United States", "Sweden", "Nigeria"] focus_df = df_country[df_country["country_name"].isin(focus_countries)] fig, ax = plt.subplots(figsize=(10, 5)) for country_name, group in focus_df.groupby("country_name"): ax.plot(group["year"], group["fertility_rate"], label=country_name, linewidth=2) ax.axhline(replacement_level, linestyle="--", color="gray", linewidth=1) ax.text(1960, replacement_level + 0.1, "replacement level 2.1") ax.set_title("Total Fertility Rate Trends for Selected Countries") ax.set_xlabel("Year") ax.set_ylabel("Total Fertility Rate") ax.legend() ax.grid(True, linestyle=":", alpha=0.6) fig.tight_layout() fig.savefig("output/selected_country_trends.png", dpi=150) plt.show()

从图中能直观看出：低生育率并不是最近一两年才出现的现象，而是长期趋势。同时也能看到各国下降速度不一样，不是所有国家都处于同一个阶段。

6.3 第三张图：最新年份的国家分布

要判断“现在有多少国家处于低生育率”，可以把最新年份的数据按数值区间分组：

latest = df_country[df_country["year"] == last_year].copy() bins = [0, 1.3, 2.1, 3.0, 10] labels = ["very low (<1.3)", "below replacement (1.3-2.1)", "near 2.1-3.0", "above 3.0"] latest["level_group"] = pd.cut(latest["fertility_rate"], bins=bins, labels=labels) level_counts = latest["level_group"].value_counts().sort_index() fig, ax = plt.subplots(figsize=(8, 5)) level_counts.plot(kind="bar", ax=ax, color=["#d62728", "#ff7f0e", "#2ca02c", "#1f77b4"]) ax.set_title("Distribution of Countries by TFR in Latest Year") ax.set_xlabel("Fertility Level Group") ax.set_ylabel("Number of Countries") ax.grid(True, axis="y", linestyle=":", alpha=0.6) fig.tight_layout() fig.savefig("output/fertility_level_distribution.png", dpi=150) plt.show()

pd.cut是最常用的连续变量分箱函数。这里的分组阈值是演示用的，实际分析中可以根据研究目的调整。例如把生育率低于 1.3 定义为“极低生育率”，这是人口学中经常提到的概念之一。

6.4 如何解读图形

如果低于更替水平的国家占比长期上升，说明“低生育率普遍化”确实是一个可观察的数据现象。但要注意，图形展示的是“国家数量占比”，不是“人口数量占比”。

一个小国占国家总数的一半，其人口可能只占全球人口很小一部分。因此，如果需要回答“全球多少人生活在低生育率地区”，要按人口加权计算，不能只看国家数量。这一步是很多分析出错的地方。

7. 常见坑与排查路径

7.1 接口返回结构变化或超时

现象：请求世界银行接口时超时，或返回的 JSON 不是预期的两层结构。

可能原因：

• 网络不稳定。
• 请求参数写错，比如per_page拼写错误。
• 接口返回错误信息而不是数据。

检查方式：

print(response.status_code) print(response.text[:500])

解决方案：先打印原始响应，确认返回是否正常。如果网络受限，建议直接在浏览器中下载 CSV，改为本地读取。不要在脚本里反复重试接口，应设置超时和重试上限。

7.2 同一国家同一年出现多行

现象：groupby后的国家数量明显比实际国家数多。

可能原因：世界银行返回的数据中包含区域汇总，或者原始 CSV 中预留了多级表头。

检查方式：

duplicated = df_country.duplicated(subset=["country_code", "year"]).sum() print(duplicated)

解决方案：先去除汇总编码，再对重复行去重。

7.3 中文标签在图片上显示为方框

现象：图形标题中文变成方框或乱码。

可能原因：matplotlib 默认字体不含中文字符。

检查方式：

import matplotlib.font_manager as fm fonts = [f.name for f in fm.fontManager.ttflist if "Hei" in f.name] print(fonts[:10])

解决方案：

• Windows 设置SimHei。
• macOS 设置Arial Unicode MS或PingFang SC。
• Linux 安装中文字体后重新设置字体。

另一个更稳妥的方案是图表全部使用英文标题，避免字体问题。这样代码在不同系统上运行结果更一致。

7.4 数据到底应不应该插值

人口数据中会出现国家某年缺失的情况。不要把缺失值随便用前后平均值填上，因为生育率趋势可能是非线性的，插值会产生并不存在的“平滑数据”。如果一定要补，至少要标注“该值是插值得到的”，并在报告中说明插值方法。

7.5 排查路径速查表

8. 从分析回到判断：数据边界与扩展方向

8.1 现有分析能支持什么结论

通过上面的流程，能支持这类结论：在某些年份区间内，全球低于更替水平的国家数量明显增加，不同区域之间的总和生育率差异也很大。这类结论是描述性的，不涉及因果关系。

不能直接得出的结论包括：

• 生育率下降一定会导致人口崩溃。
• 某一国家生育率低就一定会影响长期经济增长。
• 历史时期的人口死亡事件与现代生育率可以直接比较。

因此，写分析报告时，措辞要落在具体的统计结果上，例如“在最新年份，本数据集中有多少国家低于 2.1”，而不是“生育率已经崩溃”。

8.2 生产环境中的数据任务还要补充什么

如果这是一次性的学习分析，上面脚本已经够用。但如果要长期监控生育率变化，还需要考虑：

• 原始数据落盘：每次下载都保留带时间戳的原始文件。
• 定时任务：使用 cron 或 Airflow 定期拉取。
• 日志与告警：记录请求失败、数据缺失率和异常波动。
• 版本管理：固定依赖版本，避免 pandas 或 matplotlib 升级后结果变化。
• 权重字段：如果要看人口覆盖比例，需要导入各国人口数据。

下面是一个简单的调度示例（Linux cron）：

0 2 1 * * cd /path/to/fertility_analysis && /usr/bin/python download_data.py

这样每月 1 日自动拉取一次数据，再执行分析。

8.3 下一步扩展方向

如果想把分析做得更深入，可以按下面的顺序扩展：

1. 加入人口权重，计算“全球人口中生活在低生育率国家的比例”。
2. 加入年龄结构数据，绘制人口金字塔。
3. 使用联合国《世界人口展望》的预测数据，观察低生育率的长期影响。
4. 对比出生率、死亡率、净迁移率，构建更完整的人口变化模型。
5. 把分析结果接入 Web 框架，做成一个小型数据看板。

8.4 对新手最重要的练习建议

不要把目光只停留在画图上。真正值得反复练习的是：拿到一份陌生数据后，先描述它是什么结构，再清洗，再验证，最后才画图。每一步都要问“这个字段为什么会为空”“这个异常值说明什么”“这个分组是否合理”。

生育率数据只是其中一个合适的练习对象。用同样的流程去分析其他人口指标，可以更快掌握数据分析的基本功。回到开头那句“生育率崩溃比黑死病更致命”，与其急着站队，不如先把数据拿到手里，用统计结果去检验它背后的长期趋势。这种行为模式，才是做技术分析最有价值的地方。