用Python分析幸福指数

作者：huny

https://www.cnblogs.com/huny/p/14146719.html

世界上最幸福的国家有哪些？个人幸福和哪些指标相关？你幸福吗？如果不知道，那就进来看看这篇关于幸福的数据分析。

1 前言

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？”

最近看到的一个项目，非常的有意思。接下来我将用python带你来分析一下世界各国的幸福指数排名，以及和幸福有关系的因素。

2 数据解释

3 数据准备

pip install -r requirement.txt

4 编码


import numpy as npimport pandas as pdimport os,sysimport matplotlib.pyplot as pltimport seaborn as snsimport plotly as pyimport plotly.graph_objs as goimport plotly.express as pxfrom plotly.offline import init_notebook_mode, iplot, plot
#数列的路径file_path = os.path.dirname(os.path.abspath(__file__))
# 读入数据df_2015 = pd.read_csv(f'{file_path}/2015.csv')df_2016 = pd.read_csv(f'{file_path}/2016.csv')df_2017 = pd.read_csv(f'{file_path}/2017.csv')df_2018 = pd.read_csv(f'{file_path}/2018.csv')df_2019 = pd.read_csv(f'{file_path}/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()data = dict(type='choropleth',            locations=df_2019['region'],            locationmode='country names',            colorscale='RdYlGn',            z=df_2019['happiness'],            text=df_2019['region'],            colorbar={'title': '幸福指数'}) 
layout = dict(title='2019年世界幸福指数地图',              geo=dict(showframe=True, projection={'type': 'azimuthal equal area'}))
choromap3 = go.Figure(data=[data], layout=layout)plot(choromap3, filename=f'{file_path}/世界幸福地图.html')

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。


# 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="2019年全球最幸福和最不幸福的国家")
plot(fig, filename=f'{file_path}/2019世界幸福国家排行Top10和Last10.html')

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。

# 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='人均GDP和幸福指数')plot(fig, filename=f'{file_path}/GDP和幸福得分.html')

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。

# 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='健康预期寿命和幸福指数')plot(fig, filename=f'{file_path}/健康预期寿命和幸福得分.html')

慷慨程度与幸福得分呈高度线性正相关关系，慷慨程度越高的国家，幸福水平相对越高。

#散点图 fig = px.scatter(df_all, x='social_support',                 y='happiness',                 facet_row='year',                 color='year',                 trendline='ols'                 )fig.update_layout(    height=800, title_text='社会援助和幸福指数')plot(fig, filename=f'{file_path}/社会援助和幸福得分.html')

5 总结

我们可以得出以下结论：

从影响因素相关图可以看出，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。

在公众号Python小二后台回复幸福指数获取使用数据。

< END >

微信扫码关注，了解更多内容

本文分享自微信公众号 - Python小二（chengxuzhijian）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

来源：oschina

链接：https://my.oschina.net/ityard/blog/4955315

标签

python