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 |
- 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。