各省市区县在公元2年、742年、1102年及1820年的估计人口数量面板数据

1211 字 约 4 分钟 数据资料 面板数据人口计量与统计方法

今天给大家分享一份公元2年、742年、1102年及1820年的各省市区县估计人口数量面板数据。原始数据来源于《County-level population dataset of ancient China in 2, 742, 1102 & 1820 AD》论文提供的的历史人口数据集，使用 R 语言基于 2021 年行政区划矢量数据进行处理得到。

原始文章引用格式：Zheng, Y., Wu, T. County-level population dataset of ancient China in 2, 742, 1102 & 1820 AD.Sci Data (2026). https://doi.org/10.1038/s41597-026-07086-6

数据概览

为了方便大家使用，我把数据汇总成了省份、城市、区县三个层级的面板数据：

  • 各省份在公元2年、742年、1102年及1820年的估计人口数量面板数据.dta
  • 各城市在公元2年、742年、1102年及1820年的估计人口数量面板数据.dta
  • 各区县在公元2年、742年、1102年及1820年的估计人口数量面板数据.dta

各文件包含的主要变量说明如下：

变量名 单位 说明
CountyPOP 人 根据原始数据中 CountyPointsWithPopulation.shp 按照 2021 年行政区划矢量数据分区域加总，经技术验证与调整后的最终人口数
CountyPOP_RAW 人 根据原始数据分区域加总得到的原始估算人口数，未经调整
区县面积km2 平方千米 2021 年各区县的行政区划面积（根据矢量数据计算）
popdensity 人/平方千米 根据 PopulationDensityVector.shp 与 2021 年矢量数据各区县的覆盖区域面积加权计算（假设人口均匀分布）
CountyPOP_Weight 人 等于区县面积km2 × popdensity

数据预览如下：

图表展示

为了更直观地展示历史人口分布特征，我绘制了以下图表：

各省份人口分布地图

下图展示了 1820 年（清嘉庆二十五年）各省份的人口分布情况：

中国历代人口变化趋势

下图展示了中国历代人口的变化趋势：

各省份人口排名

下图展示了 1820 年各省份人口排名 Top15：

各省份人口密度分布

下图展示了 1820 年各省份人口密度的分布直方图：

重点省份人口历史变化

下图展示了重点省份的人口历史变化趋势：

城市人口分布地图

下图展示了 1820 年各城市人口分布情况（按省份汇总）：

人口指标相关性分析

下图展示了 1820 年人口指标之间的相关性散点图及 OLS 拟合线：

处理方法

数据处理采用 R 语言完成，主要使用 sf 和 terra 包进行空间数据处理。主要包括两种方法：

方法一：基于人口点数据分区域加总

library(tidyverse)
library(sf)

# 读取历史人口点数据和2021年行政区划数据
read_sf("CountyPointsWithPopulation.shp") -> df1
read_sf("县.shp") -> county

# 空间叠加并按2021年区县分组统计
df1 %>%
  st_transform(4326) %>%
  st_intersection(county) -> df1b

df1b %>%
  st_drop_geometry() %>%
  group_by(YEAR, 省, 省代码, 市, 市代码, 县, 县代码) %>%
  summarise(CountyPOP = sum(CountyPOP, na.rm = T)) %>%
  ungroup()

方法二：基于人口密度矢量数据面积加权计算

library(terra)
library(sf)
library(units)

# 定义面积加权计算函数
calculate_year_density <- function(hist_year) {
  # 计算该年份历史区县的面积、总人口
  hist_year <- hist_year %>%
    mutate(
      area_1102_sqkm = st_area(.) %>% set_units(km^2) %>% drop_units(),
      total_pop_1102 = POPDENS * area_1102_sqkm
    )

  # 空间叠加交集
  intersect_poly <- st_intersection(admin, hist_year)

  # 交集面积
  intersect_poly <- intersect_poly %>%
    mutate(
      intersect_area_sqkm = st_area(.) %>% set_units(km^2) %>% drop_units()
    )

  # 按2021区县分组，面积加权求和
  result_year <- intersect_poly %>%
    st_drop_geometry() %>%
    group_by(县代码) %>%
    summarise(
      total_pop_est = sum(total_pop_1102 * (intersect_area_sqkm / area_1102_sqkm), na.rm = TRUE)
    )

  return(result_year)
}

附件中也提供了该数据的处理代码供参考：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 各省市区县在公元2年、742年、1102年及1820年的估计人口数量面板数据. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Panel Data on Estimated Population across Provinces, Cities, and Districts/Counties in China, 2–1820 AD. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

使用 R 语言操作地理矢量数据、使用 Stata 绘制精美地图：https://rstata.duanshu.com/#/course/c51384ae56994495b223b366c7449377

1736～1911 年清代各省府州粮价数据库：https://rstata.duanshu.com/#/course/38af44d775ed4265bc259812384540ff

1949～1992 年各省及全国人口相关指标面板数据：https://rstata.duanshu.com/#/course/960f0b697caf4ebfbc4cd2fc93d3b4ed

使用 R 语言绘制中国地图 + 空间网络图：https://rstata.duanshu.com/#/course/82fa1ce28006473ead5b05cfdde1d6e1

如果有相关需要可以联系李老师付费定制。

点击这里跳转到 RStata 短书平台获取附件：各省市区县在公元2年、742年、1102年及1820年的估计人口数量面板数据

相关文章

评论