CDA數據分析師 出品  

作者：真達、Mika

數據：真達  

【導讀】

今天教大家用python分析《世界幸福指數報告》?！妒澜缧腋Ｖ笖祱蟾妗肥菍θ蛐腋顩r的一次具有里程碑意義的調查。

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后，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》的編撰主要依賴于對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？”

那么哪個國家在總體幸福指數上排名最高？哪些因素對幸福指數的影響最大？今天我們就帶你用Python來聊一聊。

01、數據理解

關鍵字段含義解釋：

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

10. social_support：社會支持（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、被支持和被理解的情緒體驗和滿意程度。）

02、數據導入和數據整理

首先導入所需包。

# 數據整理 
import numpy as np 
import pandas as pd 

# 可視化
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') 

# 讀入數據
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)

# 合并數據
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()  

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() 

<class 'pandas.core.frame.DataFrame'>
Int64Index: 782 entries, 0 to 155
Data columns (total 10 columns):
region                     782 non-null object
rank                       782 non-null int64
happiness                  782 non-null float64
gdp_per_capita             782 non-null float64
healthy_life_expectancy    782 non-null float64
freedom_to_life_choise     782 non-null float64
corruption_perceptions     781 non-null float64
generosity                 782 non-null float64
year                       782 non-null object
social_support             312 non-null float64
dtypes: float64(7), int64(1), object(2)
memory usage: 67.2+ KB

03、數據可視化

2019世界幸福地圖

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、布隆迪、盧旺達和坦桑尼亞。

代碼展示：

data = 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 = [data], layout=layout)
plot(choromap3, filename='./html/世界幸福地圖.html')

2019世界幸福國家排行Top10

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。

代碼展示：

# 合并數據
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="World's happiest and least happy countries in 2019")

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

幸福指數相關性

我們可以得出以下結論：

• 從影響因素相關性熱力圖可以看出，在影響幸福得分的因素中，GDP、社會支持、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、社會支持之間存在高度相關。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持之間存在中度相關性。

以下分別觀察各個因素的影響程度。

GDP和幸福得分

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

代碼展示：

# 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='GDP per capita and Happiness Score')
plot(fig, filename='./html/GDP和幸福得分.html')

健康預期壽命和幸福得分

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

代碼展示：

 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='Healthy Life Expecancy and Happiness Score')
plot(fig, filename='./html/健康預期壽命和幸福得分.html') 

GDP和幸福水平動態圖

代碼展示：

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和幸福水平動態圖展示.html') 

健康預期壽命和幸福水平動態圖

代碼展示：

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/健康預期壽命和幸福水平動態圖展示.html') 

04、數據建模

我們使用線性回歸進行建立一個基準模型，首先篩選一下建模變量，并刪除空值記錄。

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] 
# 刪除空值
df_model = df_model.dropna() 
df_model.head() 

from statsmodels.formula.api import ols

# 建立多元線性回歸模型
lm_m = ols(formula='happiness ~ gdp_per_capita 
           + healthy_life_expectancy 
           + freedom_to_life_choise 
           + corruption_perceptions 
           + generosity', 
           data=df_model).fit()
lm_m.summary()  

模型的R-squared=0.744，擬合效果尚可，根據模型的參數可知：

• 變量重要性排序為：gdp_per_capita、freedom_to_life_choise、healthy_life_expectancy、corruption_perceptions、generosity
• 控制其他變量不變的情況下，GDP指數每增加一個單位，幸福指數增加1.32個單位，健康預期壽命指數每增加一個單位，幸福指數增加1.21個單位。

比較預測值和真實值的分布：

df_pred = pd.concat([df_model['happiness'], y_pred], axis=1) 
df_pred.columns = ['y_true', 'y_pred']

# 散點圖
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/預測值和真實值分布圖.html')   

以下為模型殘差分布圖。

fig = px.histogram(x=lm_m.resid) 
fig.update_layout(title='Resid of OLS Regression')
plot(fig, filename='./html/多元線性回歸殘差分布圖.html')