工作案例：北上广深一线城市养老院专题分析

点击此链接可查看本项目的power BI可视化展示

思维导图

一、分析目的

目的1：对养老网中的北、上、广、深四个一线城市的养老院信息进行专题分析（偏描述性分析）；
目的2：将自学的各种工具（爬虫、excel数据清洗、python数据处理操作及绘图seaborn和matplotlib使用、power BI可视化报表）应用于实际工作中。

二、数据获取

用爬虫爬取养老网上的北京、上海、广州、深圳四城共2127家养老院的数据，爬虫代码如下：

【工具】爬虫
【时间】截止2017年底？？
【研究对象】养老网上的北京、上海、广州、深圳四城共2127家养老院

三、数据清洗（在excel完成）及特征工程

【平均收费】养老院收费方式较多（会员卡制、年费制、月费制、押金制、绑定保险、销售产权等多种模式），本研究未考虑上述因素，仅将原始数据中的收费范围上下限取均值得到平均收费。（未考虑养老院多种模式，仅做均值处理，是本研究局限性之一）
【所在区近似代替与市中心距离】养老院的区位是重要特征，已有研究多按养老院与市中心距离远近划分为3种区位类型：市区型、郊区型、远郊型。本研究做简化处理，仅将养老院所在区来近似代替与市中心距离。

清洗之前的原始数据
清洗之后的原始

四、探索性数据分析EDA

1、导入数据（四个城市的样本量为2127个）

2、查看特征类型（共18个特征：其中8个数值型特征，10个分类型特征）
适用于定量研究的特征较少，是本研究局限性之二：就定量研究而言，本研究可用的特征（排除缺失值较多的特征）仅床位数和平均收费。

3、查看缺失值：相关特征的缺失值较多，是本研究局限性之三

4、填补缺失值（仅填补['床位','平均收费']两列特征）： 用0填充['床位','平均收费']的缺失值，并作图展示。

均呈现正偏态分布【此处需先填缺失值，再作图】
5、其他作图
建筑面积

df['成立时间'][df['成立时间'].isnull()]=0
df['成立时间'] = df['成立时间'].astype(int)
plt.figure(figsize=(10,10))
df['成立时间'].value_counts()[1:].plot(kind='bar')

成立时间

plt.figure(figsize=(10,10))
df.groupby(['城市','所在地区']).size().sort_values(ascending=False).plot(kind='bar')

城市与所在行政区

plt.figure(figsize=(15,5))
for k,v in enumerate([ '机构类型', '机构性质', '收住对象', '特色服务','医疗配套']):
    plt.subplot(1,5,k+1)
    df[v].value_counts().plot(kind='bar')
    plt.title(v+'  共有%s类'%df[v].nunique()+'\n'+'(缺失值有%s个)'%df[v].isnull().sum())

[ '机构类型', '机构性质', '收住对象', '特色服务','医疗配套']

五、研究过程

围绕时间趋势、区域分布和费用分析三大角度进行描述性分析，点击此链接可查看本项目的power BI可视化展示
1、时间趋势
1.1【总体上看】虽然成立时间缺失值较多，占比逾1305/2027=60%，但从下图可看出，北上广深四城的新建养老院数量和床位总量，均大致可分为三个阶段：

图中可看出，北上广深四城的新建养老院数量，大致可分为三个阶段

与郭林的研究《中国养老服务70年（1949—2019）：演变脉络、政策评估、未来思路》
给出的“养老服务三阶段”大致相同：

• 1949-1978 年：计划经济阶段；
• 1979-2000 年：“初识老龄化”阶段；【中国在 2000-2001 年进入人口老龄化社会】
• 2001 年至今 ：“未备先老-主动发展”阶段；【2013年是我国养老服务业快速发展元年】

重要时间点（及政策）：

• 2000-2001：中国在 2000-2001 年进入人口老龄化社会。
• 2011年出台《社会养老服务体系建设规划（2011-2015年）》：发挥市场在资源配置中的基础性作用，打破行业界限，开放社会养老服务市场，采取公建民营、民办公助、政府购买服务、补助贴息等多种模式，引导和支持社会力量兴办各类养老服务设施。
• 2013年出台《关于加快发展养老服务业的若干意见》：标志着2013年成为我国养老服务业快速发展元年。

1.2【下钻至民办养老院（排除公办养老院，筛选出非公办养老院）】中国在 2000-2001 年进入人口老龄化社会，2000年后民办养老院发展较快。

2000年之后民办养老院发展较快

1.3【下钻至北、上、广、深四城（通过点击图片左上角的筛选器）】虽受缺失值影响，但均可看出2000年后民办养老院发展较快的趋势。

北京
上海
广州
深圳

结论1：时间趋势维度，北上广深四城的新建养老院数量和床位总量，均大致可分为三个阶段；民办养老院受相关政策影响显著，2000年后民办养老院发展较快。

2、区域分布
2.1【总体上看】
养老院数量依次为：北京 = 上海>广州>深圳；
养老院床位总量依次为：北京>上海>广州>深圳。
2.2【下钻至行政区】由下图的树形图可看出，浦东新区最多（148家），数量排名前15个区中北京占8、上海占7个，白云区（排16，广州）仅位列16，而本项目并未查到深圳的光明新区和坪山区有养老院。

结论2：初步推测是因为南方老人对离家养老的观念接受度不高，故养老院数量和床位总数而言，广州、深圳（且深圳老龄化人口现象并不严重）低于北京、上海。

2.3【筛选出2013年后新建的民办养老院】可以看出，四城从市中心到郊区都有分布，且分布密度从市中心向郊区方向递减 。

2013
2013-2015
2013-2018

结论3：2013年后【2013年是我国养老服务业快速发展元年】新建的民办养老院，四城均呈现从市中心向郊区的扩张趋势，且分布密度从市中心向郊区方向递减 。

3、费用分析
3.1【总体来看】
按机构类型，民办远高于公办。
按机构性质，养老社区远高于普通养老院。
按城市的平均收费中位数，北京>广州=上海=深圳；按城市的平均收费的均值，北京>深圳>广州>上海。

结论4：北京养老院收费普遍较高；高档养老社区 / 民办养老院普遍高于普通 / 公办养老院。

3.2【筛选出2013年后新建的养老院（含公办、民办养老院）】
结论5：上海和深圳的机构性质为民办公助的养老院，收费显著高于四城均值；北京和广州则无此特点。

深圳
北京

六、研究结论

本研究以养老网上的北京、上海、广州、深圳四城共2127家养老院为研究对象，从时间趋势、区域分布和费用分析三大角度进行描述性分析，得出如下5个结论。

• 结论1：时间趋势维度，北上广深四城的新建养老院数量和床位总量，均大致可分为三个阶段；民办养老院受相关政策影响显著，2000年后民办养老院发展较快。
• 结论2：初步推测是因为南方老人对离家养老的观念接受度不高，故养老院数量和床位总数而言，广州、深圳（且深圳老龄化人口现象并不严重）低于北京、上海。
• 结论3：2013年后【2013年是我国养老服务业快速发展元年】新建的民办养老院，四城均呈现从市中心向郊区的扩张趋势，且分布密度从市中心向郊区方向递减 。
• 结论4：北京养老院收费普遍较高；高档养老社区 / 民办养老院普遍高于普通 / 公办养老院。
• 结论5：上海和深圳的机构性质为民办公助的养老院，收费显著高于四城均值；北京和广州则无此特点。

同时，本研究有如下局限性：（1）未考虑养老院多种模式，仅做均值处理；（2）适用于定量研究的特征较少；（3）相关特征的缺失值较多。

附：Power BI积累经验

1、时间趋势图

本案例中的 成立时间 一列，字段类型若为“整数”时，可按时间升序排列；若为“文本”类型时，会自动按计数降序排列。

2、形状地图的操作方式

步骤1：进入此链接（此链接可选中国、省、市的json格式地图）

步骤2
步骤3
步骤4：进入此链接（将json格式转化为topo Json格式）
步骤5
步骤6
步骤7
步骤8

地图素材资源
定制powerbi形状地图——geojson编辑后转topojson格式
从省市级到区县级，Power BI topoJSON中国行政区划地图都在这了

但在后续的个案研究中，则添加此重要特征。
【地址：与市中心（当地市政府）的距离】距离市中心的距离以公里（km）为单位， 选取市政府所在地为市中心，主要用于区分养老院的区位类型：市区型、郊区型、远郊型。
与 市中心 的距 离 （ ｋ ｍ ） ： 选取的案例距离市中 心距离 ｌ ￣ ６ １ ｋ ｍ 不 等 ： 在 ３６ 个 案 例中 ， ０ ￣ １ ０ｋ ｍ 的 有 ８ 个 ， １ ０ ￣ ２０ ｋ ｍ 的 有 ５ 个 ， ２０ ￣ ３ ０１ｏｎ 的 有 ９ 个 ， ３０ ￣ ４０ｋ ｍ 的 有 ８ 个， ４ ０-５０ ｋｍ 的 有 ３ 个， ５ ０ ￣ ６０ ｋｍ 的有 ２ 个， ６ ０ ￣ ７０ ｋｍ 的 有 １ 个 。