GDP越高就越幸福吗（用Python分析《世界幸福指数报告》后我们发现…） GDP越高就越幸福吗？用Python分

文章图片

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()

文章图片

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()

Int64Index: 782 entries, 0 to 155 Data columns (total 10 columns): region782 non-null object rank782 non-null int64 happiness782 non-null float64 gdp_per_capita782 non-null float64 healthy_life_expectancy782 non-null float64 freedom_to_life_choise782 non-null float64 corruption_perceptions781 non-null float64 generosity782 non-null float64 year782 non-null object social_support312 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

文章图片

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 = https://www.it610.com/article/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 = https://www.it610.com/article/[data], layout=layout) plot(choromap3, filename='./html/世界幸福地图.html')

2019世界幸福国家排行Top10

文章图片

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

文章图片

我们可以得出以下结论：

从影响因素相关性热力图可以看出，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。

以下分别观察各个因素的影响程度。
GDP和幸福得分

文章图片

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

文章图片

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()

文章图片

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=https://www.it610.com/article/df_model).fit() lm_m.summary()

文章图片

模型的R-squared=0.744，拟合效果尚可，根据模型的参数可知：

变量重要性排序为：gdp_per_capita、freedom_to_life_choise、healthy_life_expectancy、corruption_perceptions、generosity
控制其他变量不变的情况下，GDP指数每增加一个单位，幸福指数增加1.32个单位，健康预期寿命指数每增加一个单位，幸福指数增加1.21个单位。

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。