CDA数据分析师 出品
作者:真达、Mika
数据:真达
【导读】
今天教大家用python分析《世界幸福指数报告》。《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2012年起,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。
01、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。)
02、数据导入和数据整理
首先导入所需包。
# 数据整理 import numpy as np import pandas as pd # 可视化 import matplotlib.pyplot as plt import seaborn as sns import plotly as py import plotly.graph_objs as go import plotly.express as px from plotly.offline import init_notebook_mode, iplot, plot init_notebook_mode(connected=True) plt.style.use('seaborn')
# 读入数据 df_2015 = pd.read_csv('./deal_data/2015.csv') df_2016 = pd.read_csv('./deal_data/2016.csv') df_2017 = pd.read_csv('./deal_data/2017.csv') df_2018 = pd.read_csv('./deal_data/2018.csv') df_2019 = pd.read_csv('./deal_data/2019.csv') # 新增列-年份 df_2015["year"] = str(2015) df_2016["year"] = str(2016) df_2017["year"] = str(2017) df_2018["year"] = str(2018) df_2019["year"] = str(2019) # 合并数据 df_all = df_2015.append([df_2016, df_2017, df_2018, df_2019], sort=False) df_all.drop('Unnamed: 0', axis=1, inplace=True) df_all.head()
print(df_2015.shape, df_2016.shape, df_2017.shape, df_2018.shape, df_2019.shape) (158, 10) (157, 10) (155, 10) (156, 11) (156, 11)
df_all.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 782 entries, 0 to 155 Data columns (total 10 columns): region 782 non-null object rank 782 non-null int64 happiness 782 non-null float64 gdp_per_capita 782 non-null float64 healthy_life_expectancy 782 non-null float64 freedom_to_life_choise 782 non-null float64 corruption_perceptions 781 non-null float64 generosity 782 non-null float64 year 782 non-null object social_support 312 non-null float64 dtypes: float64(7), int64(1), object(2) memory usage: 67.2+ KB
03、数据可视化
2019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_2019['region'], locationmode = 'country names', colorscale = 'RdYlGn', z = df_2019['happiness'], text = df_2019['region'], colorbar = {'title':'Happiness'}) layout = dict(title = 'Geographical Visualization of Happiness Score in 2019', geo = dict(showframe = True, projection = {'type': 'azimuthal equal area'})) choromap3 = go.Figure(data = [data], layout=layout) plot(choromap3, filename='./html/世界幸福地图.html')
2019世界幸福国家排行Top10
2019年报告,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2018年报告,中国从86名下降到93名。
代码展示:
# 合并数据 rank_top10 = df_2019.head(10)[['rank', 'region', 'happiness']] last_top10 = df_2019.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's happiest and least happy countries in 2019") plot(fig, filename='./html/2019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:
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='GDP per capita and Happiness Score') 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='Healthy Life Expecancy and Happiness Score') plot(fig, filename='./html/健康预期寿命和幸福得分.html')
GDP和幸福水平动态图
代码展示:
fig = px.scatter(df_all, x='gdp_per_capita', y='happiness', animation_frame='year', animation_group='region', size='rank', color='region', hover_name='region', trendline='ols' ) fig.update_layout(title_text='Happiness Rank vs GDP per Capita') plot(fig, filename='./html/GDP和幸福水平动态图展示.html')
健康预期寿命和幸福水平动态图
代码展示:
fig = px.scatter(df_all, x='healthy_life_expectancy', y='happiness', animation_frame='year', animation_group='region', size='rank', color='region', hover_name='region', trendline='ols' ) fig.update_layout(title_text='Happiness Rank vs healthy_life_expectancy') plot(fig, filename='./html/健康预期寿命和幸福水平动态图展示.html')
04、数据建模
我们使用线性回归进行建立一个基准模型,首先筛选一下建模变量,并删除空值记录。
sel_cols = ['happiness', 'gdp_per_capita', 'healthy_life_expectancy', 'freedom_to_life_choise', 'corruption_perceptions', 'generosity'] # 重置索引 df_model.index = range(df_model.shape[0]) df_model = df_all[sel_cols] # 删除空值 df_model = df_model.dropna() df_model.head()
from statsmodels.formula.api import ols # 建立多元线性回归模型 lm_m = ols(formula='happiness ~ gdp_per_capita + healthy_life_expectancy + freedom_to_life_choise + corruption_perceptions + generosity', data=df_model).fit() lm_m.summary()
模型的R-squared=0.744,拟合效果尚可,根据模型的参数可知:
比较预测值和真实值的分布:
df_pred = pd.concat([df_model['happiness'], y_pred], axis=1) df_pred.columns = ['y_true', 'y_pred'] # 散点图 fig = px.scatter(df_pred, x='y_true', y='y_pred', trendline='ols') fig.update_layout(title='Resid of OLS Regression') plot(fig, filename='./html/预测值和真实值分布图.html')
以下为模型残差分布图。
fig = px.histogram(x=lm_m.resid) fig.update_layout(title='Resid of OLS Regression') plot(fig, filename='./html/多元线性回归残差分布图.html')
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14