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…

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()  

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):
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、数据可视化

2019世界幸福地图

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 = 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/世界幸福地图.html\')

2019世界幸福国家排行Top10

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

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

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

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() 

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=df_model).fit()
lm_m.summary()  

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。

fig = px.histogram(x=lm_m.resid) 
fig.update_layout(title=\'Resid of OLS Regression\')
plot(fig, filename=\'./html/多元线性回归残差分布图.html\')