世界银行 WDI 数据库里,一条「人口总量(SP.POP.TOTL)」指标就能回答三个普通人常问的问题:中国人口什么时候开始下降、印度是哪一年超过中国的、日本人口到底缩了多少。本文把十大经济体 1960–2025 共 66 年的人口年度序列整理成一份可直接下载的 CSV,并附上从零调 API 取数的完整命令,来源明确、授权清晰(CC BY 4.0)。先说结论:中国人口在 2021 年见顶(14.1236 亿)后连续四年回落,印度在 2021 年正式超越中国成为全球第一人口大国,到 2025 年两者差距已经拉到 5728 万。
一、这份数据是什么
这份数据集的核心字段是世界银行「人口总量(Total population)」指标,指标代码 SP.POP.TOTL,统计对象是一个国家或地区在某一年的年中总人口,单位是「人」。它取自世界银行的 World Development Indicators(WDI)数据库,这是世行公开的、覆盖全球 200 多个经济体、跨度超过半个世纪的旗舰指标库。我这次只取了十个经济体——中国、美国、日本、德国、印度、巴西、英国、法国、意大利、韩国——每个经济体从 1960 年到 2025 年共 66 个年度值,合计 660 条记录。选择这十个国家,是因为它们正好覆盖了全球人口排名靠前的几个大经济体,也覆盖了「人口在增长」「人口已见顶」「人口长期收缩」三种截然不同的走势,做对比最有信息量。
为什么要强调「年中」这个口径?因为总人口是一个存量概念,任何一个国家的出生、死亡、迁移每天都在发生,统计机构不可能做到某一天全国清点一遍。国际通行的做法是取一个会计意义上的「年中」时点——也就是每年 7 月 1 日的估计值——作为当年的人口数。这个口径是世界银行、联合国人口司、各国统计机构统一采用的,你在别处看到某个国家「2024 年人口 X 亿」,绝大多数指的就是年中数。如果把它跟国内统计公报的「年末总人口」混在一起比较,会差出几千分之一,做严谨分析时这点必须分清。
二、来源与授权
数据有两个官方入口。一是面向浏览器的数据门户 https://data.worldbank.org/indicator/SP.POP.TOTL,可以直接下载 CSV 或 Excel;二是机器可读的 API v2 接口,文档在 https://datahelpdesk.worldbank.org/knowledgebase/articles/889392-apidocumentation。API v2 自 2020 年 6 月起不再需要 API key,注册账号都省了,直接 GET 就能拿数据,这是它最适合写进自动化脚本的原因。
授权条款是 CC BY 4.0(署名 4.0 国际许可),可以自由使用、复制、再分发,商用也没问题,唯一的要求是署名。落实到这份数据上,署名就是写清楚「数据来源:世界银行 World Development Indicators,SP.POP.TOTL 指标」,并附上 lastupdated 时间。我这次拿到的数据 lastupdated 是 2026-10-08,意思是这个时间点世行刚更新过这批人口值。特别提醒一句:世行每年 4–5 月会做年度修订,把各国统计机构新上报的数据回填进去,所以同一指标的历史值并不是一成不变的,去年下载的 2020 年人口数和今年下载的可能不一样,引用时务必带上 lastupdated,否则别人无法复现你的数字。
三、字段与口径说明
下载解压后你会看到两个文件:一个 CSV 数据文件,一个 meta.json 元数据文件。CSV 一共五列,表头分别是 country、countryiso3、indicator、year、value。下面这个表把每一列的含义、类型和注意点都讲清楚,避免只看表头猜错。
| 字段名 | 含义 | 示例值 | 注意点 |
|---|---|---|---|
| country | 经济体英文名 | China | 世行官方命名,如「Korea, Rep.」表示韩国 |
| countryiso3 | ISO 3166-1 三位国家码 | CHN | 唯一标识,做关联键用它,别用英文名(易受重命名影响) |
| indicator | 指标全称 | Population, total | 所有行都是同一个指标,保留它是为了和别的指标合并时不混淆 |
| year | 统计年份 | 2025 | 字符串类型,排序前需转数值或直接按字典序(四位年份字典序即时间序) |
| value | 年中总人口 | 1406585000 | 单位「人」,无千分位逗号;本数据集无 null,但世行其它指标(如 CPI)可能缺值 |
有两个容易踩的点单独说一下。第一,国家码那一列是「韩国」的坑——世行的英文名是 Korea, Rep.,中间有个逗号,如果你把这份 CSV 直接按逗号分割(比如拿 Excel 分列或 shell 里 cut -d,),这一格会被拆成两列,导致后面的列全部错位。正确做法是用支持引号转义的标准 CSV 解析器(pandas 的 read_csv、Python 的 csv 模块都默认处理引号)。第二,indicator 列写的是英文全称 Population, total,里面同样有逗号,理由同上——它是被双引号包起来的,解析器会正确识别。
四、采集方法(可复制的请求示例)
取数用世界银行 API v2,一条 GET 请求就够了。核心参数是 country(国家码,小写、分号分隔)和 indicator(指标码)。国家码用 ISO 三位码的小写形式,中国是 chn、美国是 usa、韩国是 kor。这里有一个我反复踩过的坑:不要用 korea,rep 这种带逗号的写法,API 会把逗号当成分隔符,把「Korea」和「Rep」拆成两个国家码去查,直接报错或返回空。韩国老老实实用 ISO 码 kor。
https://api.worldbank.org/v2/country/chn;usa;jpn;deu;ind;bra;gbr;fra;ita;kor/indicator/SP.POP.TOTL?format=json&per_page=20000 这条请求返回的是一段两层 JSON:外层数组的第一个元素是元信息(含 total、pages、lastupdated),第二个元素才是数据数组。下面是一段可以直接跑的 Python 代码,只用标准库,把十个经济体的人口序列抓下来并打印 2025 年的值:
import json, urllib.request
url = ("https://api.worldbank.org/v2/country/"
"chn;usa;jpn;deu;ind;bra;gbr;fra;ita;kor/"
"indicator/SP.POP.TOTL?format=json&per_page=20000")
req = urllib.request.Request(url)
req.add_header("User-Agent", "Mozilla/5.0")
with urllib.request.urlopen(req, timeout=120) as resp:
meta, records = json.loads(resp.read().decode("utf-8"))
print("lastupdated:", meta.get("lastupdated"))
for r in records:
if r.get("value") is None:
continue
if r.get("date") == "2025":
print(r["country"]["value"], "=", r["value"]) 实测这条请求的响应非常快,1.8 秒就返回了完整 660 条记录,lastupdated 是 2026-10-08,没有触发限流。如果你要换成别的国家或别的指标,只需要改 URL 里的国家码和指标码。比如想看人均 GDP 就把 SP.POP.TOTL 换成 NY.GDP.PCAP.CD,想看 CPI 年通胀就换成 FP.CPI.TOTL.ZG。需要提醒的是,世界银行的指标库里人口相关的指标不止这一个——SP.POP.TOTL 是总人口,另外还有城市人口占比、劳动年龄人口占比、人口增长率等几十个衍生指标,代码各不相同,检索时认准代码而不是名字,因为名字相近的指标(比如来自不同 source 的同名 GDP)可能是两回事。
关于 per_page 参数再补一句实测经验。世界银行 API 默认每页只返回 50 条,如果国家多、年份长,不设这个参数就会拿到一个被截断的前 50 条,后面的数据悄悄丢掉。我这次在 URL 里显式写了 per_page=20000,一次把 660 条全部拿回来,元信息里的 pages 字段显示为 1,说明没有翻页遗漏。但要注意 per_page 设得再大,如果数据量真的超过单页上限,元信息里的 pages 会大于 1,这时候就得按 page 参数循环翻页。判断有没有漏数据,最稳妥的办法不是数自己拿到了多少条,而是比对返回记录数和元信息里的 total 字段,两者一致才说明抓全了。
五、清洗与踩坑记录
这次清洗过程总体顺利,因为人口数据是世行指标里最「干净」的一类——660 条记录没有一条 null,也不需要处理单位换算或异常值。但还是有几个值得记下来的点,以后碰到别的指标能少走弯路。
第一个坑是国家码。我第一次写脚本时图省事,直接把韩国写成了 korea,rep,心想 API 文档里显示的就是这个名字。结果请求回来是空的——逗号被当成多国分隔符,查询参数变成了「korea」和「rep」两个不存在的国家。改成 ISO 三位码 kor 之后立刻正常。这个教训和站内之前写 GDP 系列时踩的一模一样,说明「国家码只认 ISO 三位码」是世行 API 的一条铁律。
第二个坑是 JSON 的两层结构。世行返回的顶层是个数组,第一项是元信息、第二项才是数据。如果你只写 data[0] 就想去遍历,拿到的是一堆 meta 字段。必须 meta, records = data[0], data[1] 拆开,或者直接 data[1]。这个坑的隐蔽之处在于它不会报错,只会让你觉得「数据是空的」。
第三个坑是「值缺失」的处理方式。虽然人口这条指标没有缺值,但世行其他指标很常见——比如之前采 CPI 时美国 2025 年的值就是 null。正确的做法是 if r.get("value") is None: continue 直接跳过,而不是往里面填 0 或插值。把缺失值填成 0,在人口、GDP 这类数据里会制造出一个完全错误的极端值;用前后年份插值,又会掩盖「这个国家那年根本没上报」这个事实本身。
六、数据里最值得看的三个变化
拿到这 66 年序列之后,最抓人的不是绝对值,而是三个「反转」时刻。下面这张表把十个经济体在 1960、2000、2025 三个时点的人口(单位:百万)放在一起,变化一目了然。
| 经济体 | 1960 年 | 2000 年 | 2025 年 | 65 年变化 |
|---|---|---|---|---|
| 中国 | 667.07 | 1262.64 | 1406.59 | +110.9%,2021 年见顶 |
| 印度 | 435.99 | 1057.92 | 1463.87 | +235.7%,仍在增长 |
| 美国 | 180.67 | 282.16 | 341.78 | +89.2%,持续增长 |
| 日本 | 93.22 | 126.84 | 123.37 | +32.3%,2010 年见顶 |
| 德国 | 72.81 | 82.21 | 83.49 | +14.7%,基本持平 |
| 巴西 | 72.39 | 174.02 | 212.81 | +194.0%,增速放缓 |
| 英国 | 52.40 | 58.89 | 69.49 | +32.6%,缓慢增长 |
| 法国 | 47.41 | 60.92 | 68.72 | +45.0%,缓慢增长 |
| 意大利 | 50.20 | 56.94 | 58.92 | +17.4%,长期停滞 |
| 韩国 | 25.01 | 47.01 | 51.68 | +106.6%,2020 年见顶 |
第一个反转是「印度超过中国」。世行数据显示,2020 年中国 14.111 亿、印度 14.026 亿,中国还领先 848 万;到了 2021 年,中国 14.124 亿、印度 14.142 亿,印度反超 184 万,正式成为全球第一人口大国。此后差距逐年拉大,到 2025 年印度已经比中国多出 5728 万。这个变化其实早有铺垫——中国的总和生育率多年低于更替水平,而印度的人口年龄结构更年轻,即便两国出生率都在降,印度的人口惯性仍然更强。
第二个反转是「中国人口见顶」。世行的口径里,中国人口峰值出现在 2021 年,达到 14.1236 亿,之后连续四年回落:2022 年 14.1218 亿、2023 年 14.1071 亿、2024 年 14.0898 亿、2025 年 14.0659 亿。四年累计减少了约 578 万人。这个拐点和国内统计公报的「2022 年人口出现负增长」在方向上是一致的,只是世行用的是年中口径、公报用的是年末口径,具体数值会略有差异,分析时不要拿两个口径的数直接相减。
第三个反转是「日本和韩国的长期收缩」。日本人口在 2010 年见顶,达到 1.2807 亿,之后一路下行到 2025 年的 1.2337 亿,十五年减少了约 470 万;韩国人口则在 2020 年见顶(约 5184 万),到 2025 年降到 5168 万。德国、意大利这两个老牌工业国则是「长期停滞」型,德国人口几十年在 7800 万到 8300 万之间窄幅波动,意大利更是从 2014 年起就在 6000 万上下原地踏步。把中国、日本、韩国、意大利四国摆在一起看,你会发现「人口见顶」在东亚和部分欧洲国家已经不是个案,而是一个已经到来的普遍现象。
七、如何下载这份数据
数据已经打包成一个 zip 文件上传到网盘,解压后是一个 CSV 数据文件加一个 meta.json 元数据文件。CSV 用 UTF-8 带 BOM 编码,Windows 上的 Excel 双击就能直接打开,不会出现中文乱码。分享链接和提取码如下:
分享链接:https://zeyunsoft.lanzoub.com/ihY5t4el6gyb
提取码:dcqj
如果你更想自己动手从源头取数,可以完全不用下载这份文件,直接按本文第四节的 API 请求示例去世界银行接口拉一遍,几十秒就能拿到同样的数据。下载版本的意义在于帮你省掉「确认口径、处理逗号、压包」这些前置步骤,两份内容是一致的。需要再强调一次的是授权问题:无论你是下载我这份,还是自己去世行接口取数,只要基于这份数据做分析、写报告、做图表,都应当注明「数据来源:世界银行 WDI,SP.POP.TOTL,lastupdated 2026-10-08」,这是 CC BY 4.0 的基本要求,也是让结果可复现的前提。
八、常见问题
问:为什么印度 2021 年就超过中国了,但很多人以为是 2023 年?
答:这是因为不同的机构、不同的口径给出的拐点年份不一样。世界银行 WDI 的 SP.POP.TOTL 用的是「年中总人口」,在这个口径下 2021 年印度就已经反超中国 184 万。而联合国《世界人口展望》因为采用了自己的一套估计模型和假设,给出的「印度超越中国」时点是 2023 年 4 月前后。两者都是权威来源,只是统计口径和估计方法不同,不存在谁对谁错。你在引用时必须写明用的是哪一家、哪个口径,否则读者会被两个不同的「超越年份」搞糊涂。
问:为什么中国人口 2021 年见顶,但统计公报说 2022 年才负增长?
答:核心原因是口径差异。世行的 SP.POP.TOTL 是「年中」总人口,而且数值是世行在各国外推估计基础上做的,2021 年已经比 2020 年低、达到局部峰值。国内统计公报用的是「年末」总人口,年末口径下人口出现首次负增长是 2022 年(当年出生人口少于死亡人口)。年中数比年末数「早一年」显出拐点,是时间切片不同造成的,两个结论在方向上完全一致——中国人口进入负增长通道这一点没有争议。做跨国比较用世行口径更合适,做国内分析用公报口径更贴近官方发布。
问:CSV 里韩国那一行按逗号切分会错位,怎么处理?
答:问题出在世行给韩国的英文名是 Korea, Rep.,中间自带一个逗号;indicator 列 Population, total 同样含逗号。这些含逗号的值在 CSV 里是被双引号包起来的,符合 RFC 4180 标准,所以正确的做法是用标准 CSV 解析器去读——Python 的 csv 模块、pandas 的 read_csv、R 的 read.csv 都默认能正确处理引号内的逗号。只有当你用最简单的「按逗号 split」这种土办法切分时才会错位。实在想用简单方法,就把 country 列换成 countryiso3(如 KOR)作为主键,它不含任何逗号和空格。
问:这份数据能商用吗?需要付费吗?
答:能商用,也不需要付费。世界银行 WDI 数据采用 CC BY 4.0 许可,允许自由复制、再分发、商用和演绎,唯一的硬性义务是署名——标明数据来自世界银行,并带上指标代码和更新时间。不需要注册 API key,也没有接口调用费(v2 已取消 key 机制)。需要注意的是,CC BY 4.0 授权的是「数据本身」,它不意味着你可以暗示世界银行背书你的产品,也不授予你使用世界银行商标的权利。如果你把数据做成收费产品,署名义务依然存在,这一点不能省略。

