Python分析世界幸福指數

Huny發表於2020-12-16

前言

民意測驗機構蓋洛普從2012年起,每年都會在聯合國計劃下發布《世界幸福指數報告》,報告會綜合兩年內150多個國家的國民對其所處社會、城市和自然環境等因素進行評價後,再根據他們所感知的幸福程度對國家進行排名。

《世界幸福指數報告》的編撰主要依賴於對150多個國家的1000多人提出一個簡單的主觀性問題:“如果有一個從0分到10分的階梯,頂層的10分代表你可能得到的最佳生活,底層的0分代表你可能得到的最差生活。你覺得你現在在哪一層?”

最近看到的一個專案,非常的有意思。接下來我將用python帶你來分析一下世界各國的幸福指數排名,以及和幸福有關係的因素。

資料解釋

關鍵欄位含義解釋:

序號 英文 中文
1 rank: 幸福指數排名
2 region: 國家
3 happiness: 幸福指數得分
4. gdp_per_capita: GDP(人均國內生產總值)
5. healthy_life_expectancy: 健康預期壽命
6. freedom_to_life_choise: 自由權
7. generosity: 慷慨程度
8. year: 年份
9. corruption_perceptions: 清廉指數
  1. social_support:社會支援(客觀上物質上的援助和直接服務;主觀上指個體感到在社會中被尊重、被支援和被理解的情緒體驗和滿意程度。)

資料準備

pip install -r requirement.txt

編碼


import numpy as np
import pandas as pd
import os,sys
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

#數列的路徑
file_path = os.path.dirname(os.path.abspath(__file__))

# 讀入資料
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)

# 合併資料
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': '幸福指數'})

layout = dict(title='2019年世界幸福指數地圖',
              geo=dict(showframe=True, projection={'type': 'azimuthal equal area'}))

choromap3 = go.Figure(data=[data], layout=layout)
plot(choromap3, filename=f'{file_path}/世界幸福地圖.html')


整體來看,北歐的國家幸福指數較高,如冰島、丹麥、挪威、芬蘭;東非和西非的國家幸福指數較低,如多哥、蒲隆地、盧安達和坦尚尼亞。


# 合併資料
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])

# 條形圖
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國家")

plot(fig, filename=f'{file_path}/2019世界幸福國家排行Top10和Last10.html')


2019年報告,芬蘭連續兩年被評為“全球最幸福國家”。丹麥、挪威、冰島、荷蘭進入前五名,對比2018年報告,中國從86名下降到93名。

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

人均GDP與幸福得分呈高度線性正相關關係,GDP越高的國家,幸福水平相對越高。

# 散點圖
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='健康預期壽命和幸福指數')
plot(fig, filename=f'{file_path}/健康預期壽命和幸福得分.html')

健康預期壽命與幸福得分呈高度線性正相關關係,健康預期壽命越高的國家,幸福水平相對越高。

#散點圖
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='自由權和幸福指數')
plot(fig, filename=f'{file_path}/自由權和幸福得分.html')

自由權與幸福得分呈高度線性正相關關係,自由權越高的國家,幸福水平相對越高。

#散點圖
fig = px.scatter(df_all, x='corruption_perceptions',
                 y='happiness',
                 facet_row='year',
                 color='year',
                 trendline='ols'
                 )
fig.update_layout(
    height=800, title_text='清廉指數和幸福指數')
plot(fig, filename=f'{file_path}/清廉指數和幸福得分.html')

清廉指數與幸福得分呈高度線性正相關關係,清廉指數越高的國家,幸福水平相對越高。

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

慷慨程度與幸福得分呈高度線性正相關關係,慷慨程度越高的國家,幸福水平相對越高。

#散點圖
fig = px.scatter(df_all, x='social_support',
                 y='happiness',
                 facet_row='year',
                 color='year',
                 trendline='ols'
                 )
fig.update_layout(
    height=800, title_text='社會援助和幸福指數')
plot(fig, filename=f'{file_path}/社會援助和幸福得分.html')

總結

我們可以得出以下結論:

從影響因素相關圖可以看出,在影響幸福得分的因素中,GDP、社會支援、健康預期壽命呈現高度相關,自由權呈現中度相關,國家的廉政水平呈現低度相關,慷慨程度則呈現極低的相關性;

GDP與健康預期壽命、社會支援之間存在高度相關。說明GDP高的國家,醫療水平和社會福利較為完善,人民的預期壽命也會越高;

健康預期壽命與社會支援之間存在中度相關性。

相關文章