本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
以下文章来源于CDA数据分析师 ，作者CDA数据分析师
前言
《世界幸福指数报告》是对全球幸福状况的一次具有里程碑意义的调查。
民意测验机构盖洛普从起，每年都会在联合国计划下发布《世界幸福指数报告》，报告会综合两年内150多个国家的国民对其所处社会、城市和自然环境等因素进行评价后，再根据他们所感知的幸福程度对国家进行排名。
《世界幸福指数报告》的编撰主要依赖于对150多个国家的1000多人提出一个简单的主观性问题：“如果有一个从0分到10分的阶梯，顶层的10分代表你可能得到的最佳生活，底层的0分代表你可能得到的最差生活。你觉得你现在在哪一层？”
那么哪个国家在总体幸福指数上排名最高？
哪些因素对幸福指数的影响最大？
今天我们就带你用Python来聊一聊。
数据理解
关键字段含义解释：
1. rank：幸福指数排名
2. region：国家
3. happiness：幸福指数得分
4. gdp_per_capita：GDP（人均国内生产总值）
5. healthy_life_expectancy：健康预期寿命
6. freedom_to_life_choise：自由权
7. generosity：慷慨程度
8. year：年份
9. corruption_perceptions：清廉指数
10. social_support：社会支持（客观上物质上的援助和直接服务；主观上指个体感到在社会中被尊重、被支持和被理解的情绪体验和满意程度。）
数据导入和数据整理
首先导入所需包。
#读入数据df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')#新增列-年份df_["year"]=str()df_["year"]=str()df_["year"]=str()df_["year"]=str()df_["year"]=str()#合并数据df_all=df_.append([df_,df_,df_,df_],sort=False)df_all.drop('Unnamed:0',axis=1,inplace=True)df_all.head()
#读入数据df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')df_=pd.read_csv('./deal_data/.csv')#新增列-年份df_["year"]=str()df_["year"]=str()df_["year"]=str()df_["year"]=str()df_["year"]=str()#合并数据df_all=df_.append([df_,df_,df_,df_],sort=False)df_all.drop('Unnamed:0',axis=1,inplace=True)df_all.head()
print(df_.shape,df_.shape,df_.shape,df_.shape,df_.shape)(158,10)(157,10)(155,10)(156,11)(156,11)df_all.info()<class'pandas.core.frame.DataFrame'>Int64Index:782entries,0to155Datacolumns(total10columns):region782non-nullobjectrank782non-nullint64happiness782non-nullfloat64gdp_per_capita782non-nullfloat64healthy_life_expectancy782non-nullfloat64freedom_to_life_choise782non-nullfloat64corruption_perceptions781non-nullfloat64generosity782non-nullfloat64year782non-nullobjectsocial_support312non-nullfloat64dtypes:float64(7),int64(1),object(2)memoryusage:67.2+KB
数据可视化
世界幸福地图
整体来看，北欧的国家幸福指数较高，如冰岛、丹麦、挪威、芬兰；东非和西非的国家幸福指数较低，如多哥、布隆迪、卢旺达和坦桑尼亚。
代码展示：
data=dict(type='choropleth',locations=df_['region'],locationmode='countrynames',colorscale='RdYlGn',z=df_['happiness'],text=df_['region'],colorbar={'title':'Happiness'})layout=dict(title='GeographicalVisualizationofHappinessScorein',geo=dict(showframe=True,projection={'type':'azimuthalequalarea'}))choromap3=go.Figure(data=[data],layout=layout)plot(choromap3,filename='./html/世界幸福地图.html')
世界幸福国家排行Top10
报告，芬兰连续两年被评为“全球最幸福国家”。丹麦、挪威、冰岛、荷兰进入前五名，对比报告，中国从86名下降到93名。
代码展示：
#合并数据rank_top10=df_.head(10)[['rank','region','happiness']]last_top10=df_.tail(10)[['rank','region','happiness']]rank_concat=pd.concat([rank_top10,last_top10])#条形图fig=px.bar(rank_concat,x="region",y="happiness",color="region",title="World'shappiestandleasthappycountriesin")plot(fig,filename='./html/世界幸福国家排行Top10和Last10.html')
幸福指数相关性
我们可以得出以下结论：
从影响因素相关性热力图可以看出，在影响幸福得分的因素中，GDP、社会支持、健康预期寿命呈现高度相关，自由权呈现中度相关，国家的廉政水平呈现低度相关，慷慨程度则呈现极低的相关性；GDP与健康预期寿命、社会支持之间存在高度相关。说明GDP高的国家，医疗水平和社会福利较为完善，人民的预期寿命也会越高；健康预期寿命与社会支持之间存在中度相关性。
以下分别观察各个因素的影响程度。
GDP和幸福得分
人均GDP与幸福得分呈高度线性正相关关系，GDP越高的国家，幸福水平相对越高。
代码展示：
#散点图fig=px.scatter(df_all,x='gdp_per_capita',y='happiness',facet_row='year',color='year',trendline='ols')fig.update_layout(height=800,title_text='GDPpercapitaandHappinessScore')plot(fig,filename='./html/GDP和幸福得分.html')
健康预期寿命和幸福得分
健康预期寿命与幸福得分呈高度线性正相关关系，健康预期寿命越高的国家，幸福水平相对越高。
代码展示：
散点图fig=px.scatter(df_all,x='healthy_life_expectancy',y='happiness',facet_row='year',color='year',trendline='ols')fig.update_layout(height=800,title_text='HealthyLifeExpecancyandHappinessScore')plot(fig,filename='./html/健康预期寿命和幸福得分.html')
