Python分析世界幸福指数

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。

数据解释

关键字段含义解释：

1. 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。）

数据准备

pip install -r requirement.txt

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_56cconcat = 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=\'yea56cr\',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\')

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。

#散点图fig = px.scatter(df_all, x=\'freedom_to_life_choise\',y=\'happiness\',facet_row=\'year\',color=\'year\',trendline=\'ols\')fig.update_layout(height=800, title_text=\'自由权和幸福指数\')plot(fig, filename=f\'{file_path}/自由权和幸福得分.html\')

自由权与幸福得分呈高度线性正相关关系，自由权越高的国家，幸福水平相对越高。

#散点图fig = px.scatter(df_all, x=\'corruption_perceptions\',y=\'happiness\',facet_row=\'year\',color=\'year\',trendline=\'ols\')fig.update_lad1ayout(height=800, title_text=\'清廉指数和幸福指数\')plot(fig, filename=f\'{file_path}/清廉指数和幸福得分.html\')

清廉指数与幸福得分呈高度线性正相关关系，清廉指数越高的国家，幸福水平相对越高。

#散点图fig = px.scatter(df_all, x=\'generosity\',y=\'happiness\',facet_row=\'year\',color=\'year\',trendline=\'ols\')fig.update_layout(height=800, title_text=\'慷慨程度和幸福指数\')plot(fig, filename=f\'{file_path}/慷慨程度和幸福得分.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\')

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。