公布了2014年花卉统计数据(2017中国花卉统计数据)

1. 2017中国花卉统计数据

树的种类难以统计。中国约有8000种树木。分为榕树、杨树、柳树、柏树、珊瑚树、银杏、栎类、臭椿、木荷、冬青、悬铃木、女贞、大叶黄扬、落叶松、黑荆树、马尾松、思茅松，云南松、南亚松、油松、红松、黑胡桃、柠檬、悬铃木、蒲桃、珙桐、木棉、爪哇木棉、洋紫荆、羊蹄甲、雨树、合欢、龙牙花

世界上有很多种花卉,据不完全统计花卉的品种能达到45万种,其中在我国就占3万种。

2. 2017中国花卉统计数据表

世界上一共有45万种花。

　　花是被子植物繁衍后代的生殖器官。典型的花，在一个有限生长的短轴上，着生花萼、花冠和产生生殖细胞的雄蕊与雌蕊。有些学者认为裸子植物的孢子叶球也是“花”，而多数人则认为被子植物才有花，所以被子植物也称为有花植物。花的各部分不易受外界环境的影响，变化较小，所以长期以来，人们都以花的形态结构，作为被子植物分类鉴定和系统演化的主要依据。

3. 2017中国花卉统计数据查询

其中，菊花占比最大、最具市场竞争优势，2019年出口1.93亿枝，出口额占该年度鲜切花出口总额的34.67%。出口额排名前5位的分别是云南、浙江、福建、广东、江苏，出口额1.03亿美元，占比89.94%。其中，云南是我国鲜切花出口大省，2019年鲜切花出口额0.58亿美元，占比50.63%，同比上升23.21%。

我国花卉出口以盆花（景）和庭院植物、鲜切花、鲜切枝（叶）和种苗为主，这4个类别占全年出口总额的96.78%（与2018年持平），出口额净增加4437.72万美元，同比增幅14.70%。在我国花卉进出口统计的7个类别中，出口额增幅最大的是盆花（景）和庭院植物，同比增幅29.46%。

从2015-2019年这5年的花卉出口额变化幅度看，我国盆花（景）和庭院植物、鲜切花、种苗出口稳步增长，特别是盆花（景）和庭院植物增长势头强劲。

4. 我国花卉种植面积统计

城市绿化、花卉种植、花店、插花、干花制品行业。

去花卉市场看看，那里全都和花有关，如你想养花，卖花，对了，还有专业的插花员的培训，

我国花卉产业

1. 种植面积与产值

改革开放近30多年来，我国花卉业以前所未有的规模持续发展。从全国花卉生产布局来看，云南花卉生产位居全国第一，广东第二，两地花卉产量占全国总量的一半以上。自2000年以来，我国花卉产业呈快速发展态势，据农业部有关部门统计，花卉种植面积从2000年的14.7万公顷增加到2009年的83.4万公顷，增长约5.6倍。

据测算，我国花卉业年产值大约每年以超过35%的速度持续增长。花卉销售额由2000年的160亿元发展到2009年的719.8亿元，增长约4.5倍。花卉出口也呈稳步增长，据海关最新统计数据显示，2010年，我国花卉出口额近1.96亿美元，同比增长8.72%。

5. 国内花卉产业数据分析

① 我国花卉行业现状

我国发展花卉产业只有20多年的时间，作为一项新兴产业，其发展迅猛。从1984年到2003年的20年间，我国花卉种植面积增长了27倍，产值增长了57倍，出口创汇增长了47倍，分别达到了43.5万公顷、353亿元和9756万美元。

花卉产品结构严重失衡。

我国花卉产品结构严重失衡，绿化苗木、草皮等产品占了绝大多数。据介绍，我国花卉销售额最高年份时达到540亿元，但是八成以上是观叶植物、绿化苗木和草皮，鲜切花和盆花所占比例有限。

产业效益低下。

与一些花卉大国相比，我国花卉产业效益还很低下。我国花卉栽培面积位居世界第一，但是鲜花总量占国际市场的比例约为3％。据了解，我国大多数大中城市的鲜花六成以上都是进口的，自产鲜花的份额微不足道。由于重视程度和投入不够，不少本地花卉还在节节萎缩。

产业发展缺乏科技后劲和内涵。

我国花卉产业缺乏科技后劲和内涵，正面临考验。传统的大路货花卉由于不注重科研更新和提纯复壮，品种严重退化，已经难登大雅之堂。

国际市场竞争力低。

近年来，我国花卉产业呈现出超常规发展态势，生产面积增长过快、产品结构不合理，导致质量低、效益低，导致在国际市场上竞争力低下。

② 我国花卉行业的发展前景

花卉是大有潜力的朝阳产业。

我国花卉消费绝大多数属于集团消费和节假日消费，全国城镇人口年平均消费鲜切花3枝，按全国人口计算人均消费不到1枝，个人消费人均不到2元。如果我国人均鲜花消费能力提高到人均5元，仅国内个人年消费总值就增加37亿元以上，所以国内花卉市场的潜力巨大。

西部大开发战略将带动花卉市场的发展。

当前国家实施西部大开发战略，专家预测，以生态环境建设为切入点，西部12省区仅退耕还林对苗木的年需求量就在400亿株以上，缺口很大。西部广大地区的退耕还林、治理沙漠化、石漠化、泥石流、建设绿色通道工程等对花卉苗木有很大的需求量。

小城镇建设为花卉业提供了较大的发展空间。

全国范围内的城市与小城镇建设将掀起城市绿化、美化的热潮。以广西为例，按照规划，“十五”末广西的城镇化水平将由目前的23％提高到31％，届时城市建成区绿化覆盖率、绿地率、人均公共绿地面积将分别达到36％、30％和10平方米。这为花卉业提供了较大的产业发展空间。

国际花市的活跃为我国花卉业开辟了另一增长点。

目前，国际花卉市场异常活跃，近几年行业产值（包括鲜切花、盆花、盆景、绿化苗木、草皮等）每年以10％以上的速度递增。就鲜花消费来说，世界人均年消费额为3美元，西欧、北美人均年花卉消费额在100美元左右。我国也已跻身世界花卉生产和消费大国行列，特别是我国的盆景和珍稀花卉在国际市场上十分抢手，出口前景广阔，近10年来，我国花卉出口创汇额达2.6亿元以上，以后，随着我国花卉产品的品质、规模等不断提高，花卉出口业还将呈不断增长趋势。

6. 2019全国花卉统计数据

第一,按照植物学系统分类.其分类是以植物学上的形态特征为主要分类依据,按照科、属、种、变种来分类并给予拉丁文形式的命名.

第二,按照自然分布分类.主要分为热带花卉、温带花卉、寒带花卉、高山植物、水生花卉、岩生花卉和沙漠植物.

第三,按照原理用途分类.分为花坛花卉、盆花、切花和摘花.

第四,按照观赏部位分类,分为观花花卉、观果花卉、观茎花卉和观叶花卉.

第五,按照自然开花季节分类.分为春花类、夏花类、秋花类和冬花类.

第六,按照经济用途分类,分为观赏花卉、药用花卉、香料花卉和食用花卉.

第七,按照生态习性分类.主要分为一年生草本花卉、二年生草本花卉、多年生草本花卉和木本花卉.

第八,按照原产地分类.全球共划分为七个气候型.在每个气候型所属地区内,由于特有的气候条件,形成了野生花卉的自然分布中心.这七个气候型分别是：中国气候型、欧洲气候型、地中海气候型、墨西哥气候型、热带气候型、沙漠气候型和寒带气候型.

下面主要介绍花卉的实用分类.花卉的实用分类,是从园艺的立场出发采用的花卉的分类方法,这里主要把花卉分成8个类群.

第一,一、二年生草本花卉：一年生草本花卉是指从种子播种在一年内完成其整个生育周期的花卉.二年生草本花卉是指从种子播种在二年内完成其整个生育周期的花卉.

第二,宿根草本花卉：宿根草本花卉是指二年以上生长周期的多年生草本花卉（以下球根花卉除外）.

第三,球根花卉：球根花卉为多年生草本的一种.为了耐受干燥、低温等不良环境,在地下部形成了特殊形态与生态的肥厚状,并贮藏了大量的养分.可分为春植球根和秋植球根两种.

第四,木本花卉：为茎木质化、多年生长的观赏花卉,可分为有一根或少数几根主干的高大乔木以及较多分枝较短树冠的灌木.

第五,温室花卉：在温带自然条件下,或者不能越冬,或者越冬困难的草本或木本花卉.

第六,观叶植物：以叶片作为主要观赏对象的植物,但也有部分植物的花也有观赏价值,如凤梨科花卉.

第七,兰花：包括整个兰科植物.栽培种类不断增多,杂交品种更是数不胜数.

第八,仙人掌类与多肉植物：是沙漠气候型原产的植物,体内呈肉质.

7. 中国花卉2019的数据

花香中国梦，2019年12月20日首届三亚国际花卉旅游节在主会场三亚大小洞天旅游区开暮。

8. 中国花卉消费数据

中国已经成为亚洲最大的鲜花生产基地和亚洲最大的花卉出口基地。

中国已成为世界最大的花卉生产基地、重要的花卉消费国和花卉进出口贸易国。

根据国际园艺生产者协会提供的数据（在所选定国家和地区范围内）表明，2017年花卉种植面积为65万公顷。从种植面积看，排名前10位的依次是印度、中国、美国、墨西哥、巴西、意大利、泰国、日本、南非和厄瓜多尔。

世界花卉产值达到401.04亿美元。排名前10位的依次为：中国、美国、荷兰、巴西、英国、哥伦比亚、意大利、德国、法国和厄瓜多尔。2015~2016年，花卉人均消费量较大的国家有：瑞士、丹麦、德国、美国、澳大利亚、英国、比利时、日本、意大利、法国和西班牙等。

花卉企业共计30万家，主要是中国、美国、意大利、韩国和巴西等。花卉贸易种类主要包括：鲜切花、鲜切枝（叶）、盆花、种球、观赏苗木、苔藓地衣等。

花卉种球的种植主要涉及8个国家，其中荷兰种球的种植面积为2.14万公顷，位居第一，其次是中国、美国、法国等。苗木的种植主要涉及24个国家和地区。其中，中国的苗木种植面积为80.06万公顷，位居第一，其次是美国、意大利、西班牙、德国、加拿大、荷兰等。

9. 花卉统计图

本文所演示的的可视化方法

散点图 （Scatterplot)

直方图 (Histogram）

小提琴图 （Violinplot)

特征两两对比图（Pairplot）

安德鲁斯曲线 (Andrews curves)

核密度图 (Kernel density estimation plot)

平行坐标图 （Parallel coordinates）

Radviz （力矩图？）

热力图 (Heatmap)

气泡图 (Bubbleplot)

这里主要使用Python一个流行的作图工具: Seaborn library，同时Pandas和bubbly辅助。为什么Seaborn比较好？

因为很多时候数据分析，建模前，都要清洗数据，清洗后数据的结果总要有个格式，我知道的最容易使用，最方便输入模型, 最好画图的格式叫做"Tidy Data" (Wickham H. Tidy data[J]. Journal of Statistical Software, 2014, 59(10): 1-23.) 其实很简单，Tidy Data格式就是：

每条观察（记录）自己占一行

观察（记录）的每个特征自己占一列

举个例子，我们即将作图的数据集IRIS就是Tidy Data（IRIS（IRIS数据集）_百度百科）：

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

该数据集包含了5个属性：

Sepal.Length（花萼长度），单位是cm;

Sepal.Width（花萼宽度），单位是cm;

Petal.Length（花瓣长度），单位是cm;

Petal.Width（花瓣宽度），单位是cm;

种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。

可以看到，每条观察（ID=0,1,2...）自己占一行，每个特征(四个部位长/宽度，种类）自己占一列。Seaborn就是为Tidy Data设计的，所以方便使用。

所以这个数据集有6列，6个特征，很多时候做可视化就是为了更好的了解数据，比如这里就是想看每个种类的花有什么特点，怎么样根据其他特征把花分为三类。我个人的喜好是首先一张图尽量多的包含数据点，展示数据信息，从中发现规律。我们可以利用以下代码完全展示全部维度和数据这里用的bubbly：

Python做出来，其实是一张可以拖动角度，放大缩小的图，拖一拖看各角度视图会发现三类还是分的挺明显的。Github上这个bubbly还是很厉害的，方便。

接下来开始做一些基础的可视化，没有用任何修饰，代码只有最关键的画图部分，可视化作为比赛的一个基础和开端，个人理解做出的图能看就行，美不美无所谓，不美也不扣分。因为

散点图，可以得到相关性等信息，比如基本上SepalLengthCm越大，SepalWidthCm越大

使用Jointplot, 看两个变量的分布，KDE图，同时展示对应的数据点

就像上一篇说的，比赛中的每个环节都至关重要，很有必要看下这些分布直方图，kde图，根据这些来处理异常值等，这里请教，为什么画了直方图还要画KDE？？我理解说的都是差不多的东西。

关于KDE:"由于核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。"

无论如何，我们先画直方图，再画KDE

这里通过KDE可以说，由于Setosa的KDE与其他两种没有交集，直接可以用Petailength线性区分Setosa与其他两个物种。

箱线图，显示一组数据分散情况的统计图。形状如箱子。主要用于反映原始数据分布的特征，关键的5个黑线是最大值、最小值、中位数和两个四分位数。在判断异常值，处理异常值时候有用。

小提琴图

这个Andrews curves很有趣，它是把所有特征组合起来，计算个值，展示该值，可以用来确认这三个物种到底好不好区分，维基百科的说法是“If there is structure in the data, it may be visible in the Andrews' curves of the data.”（Andrews plot - Wikipedia）

Radviz可视化原理是将一系列多维空间的点通过非线性方法映射到二维空间的可视化技术，是基于圆形平行坐标系的设计思想而提出的多维可视化方法。圆形的m条半径表示m维空间，使用坐标系中的一点代表多为信息对象，其实现原理参照物理学中物体受力平衡定理。 多维空间的点映射到二维可视空间的位置由弹簧引力分析模型确定。 (Radviz可视化原理 - CSDN博客) ，能展示一些数据的可区分规律。

数值是皮尔森相关系数，浅颜色表示相关性高，比如Petal.Length（花瓣长度）与 Petal.Width（花瓣宽度）相关性0.96，也就是花瓣长的花，花瓣宽度也大，也就是个大花。

不过，现在做可视化基本上不用python了，具体为什么可以去看我的写的文章，我拿python做了爬虫，BI做了可视化，效果和速度都很好。

finereport

可视化的一大应用就是数据报表，而FineReport可以自由编写整合所需要的报表字段进行报表输出，支持定时刷新和监控邮件提醒，是大部分互联网公司会用到的日常报表平台。

尤其是公司体系内经营报表，我们用的是商业报表工具，就是finereport。推荐他是因为有两个高效率的点：①可以完成从数据库取数（有整合数据功能）—设计报表模板—数据展示的过程。②类似excel做报表，一张模板配合参数查询可以代替几十张报表。

FineBI

简洁明了的数据分析工具，也是我个人最喜欢的可视化工具，优点是零代码可视化、可视化图表丰富，只需要拖拖拽拽就可以完成十分炫酷的可视化效果，拥有数据整合、可视化数据处理、探索性分析、数据挖掘、可视化分析报告等功能，更重要的是个人版免费。

主要优点是可以实现自助式分析，而且学习成本极低，几乎不需要太深奥的编程基础，比起很多国外的工具都比较易用上手，非常适合经常业务人员和运营人员。在综合性方面，FineBI的表现比较突出，不需要编程而且简单易做，能够实现平台展示，比较适合企业用户和个人用户，在数据可视化方面是一个不错的选择；

这些是我见过比较常用的，对数据探索有帮助的可视化方法。