数据可视化--世界幸福指数报告

世界幸福指数报告可视化

数据集描述

Kaggle提供的数据集包括2015、2016、2017的报告。每年的报告的形式为CSV文件：2015.csv, 2016.csv。由于2017报告的格式与之前两年的不同，本次项目中只对2015和2016年的报告进行分析。

数据详细情况

• Country: 国家名称，字符串
• Region: 所属区域，字符串
• Happiness Rank: 排名，整型
• Happiness Score: 幸福指数(0~10)，浮点型。由以下6个因素计算得出。
• 1. Economy (GDP per Capita): 人均GDP，浮点型
• 2. Family: 社会支援(social support)，浮点型
• 3. Health (Life Expectancy): 预期健康寿命，浮点型
• 4. Freedom: 人生抉择自由，浮点型
• 5. Trust (Government Corruption): 免于贪腐自由，浮点型
• 6. Generosity: 慷慨，浮点型

数据可视化框架

项目步骤

1. 查看所有数据信息
2. 区域内的平均幸福指数可视化
3. 区域内的人均GDP分部、社会支援信息，预期健康寿命信息，人生抉择自由信息，免于贪腐自由信息，慷慨信息，可视化
4. 全世界区域内国家数量分布情况
5. 所有国家在不同区域内的分部
6. 排名前/后5个国家的幸福指数情况
7. 三年内幸福指数变化情况

项目实现

• 引入所有包，读入数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

dataset_path = "./data/"
data_2015 = pd.read_csv(dataset_path+'2015.csv')
data_2016 = pd.read_csv(dataset_path+'2016.csv')

• 查看数据信息

def data_info():
   print(data_2015.info())
   print(data_2015.describe())

• 区域内的平均幸福指数可视化

def country_score_of_every_region():
   #设置需要提取的数据的列名
   plt_cols = ['Region', 'Happiness Score', 'Country']
   plt_da = data_2015[plt_cols]#提取数据
   print(type(plt_da))
   regions = set(plt_da['Region'])#获取所有区域名称
   for item in regions:#分别获取一个区域内的所有国家信息
       plt.figure()#画图
       data = plt_da[plt_da['Region'] == item]
       print("{}.dataset is :".format(item))
       #plt.bar(data['Country'],data['Happiness Score'])
       sns.barplot(data['Country'],data['Happiness Score'])
       plt.xticks(rotation='vertical')#设置横坐标数据方向
       plt.ylabel("Happiness Score")
       plt.xlabel("Country")
       plt.title('{} is Happiness Score '.format(item))
       plt.show()#图片展示

图片展示（只展示一个图片，可以获取代码运行）

• 区域内的人均GDP分部、社会支援信息，预期健康寿命信息，人生抉择自由信息，免于贪腐自由信息，慷慨信息，可视化

   **参数**
   #'Economy (GDP per Capita)',
   # 'Family',
   # 'Health (Life Expectancy)',
   # 'Freedom',
   # 'Trust (Government Corruption)',
   # 'Generosity'
   #‘Happiness Rank’
def regions_country_Happiness_infos(table):
   plt_cols = ['Region','Country','Economy (GDP per Capita)','Family','Health (Life Expectancy)','Freedom','Trust (Government Corruption)','Generosity','Happiness Rank']
   plt_data = data_2015[plt_cols]
   # print(plt_data.info())
   regions = set(plt_data['Region'])
   #画子图，看不太清
   # plt.figure()
   # i = 1
   # for item in regions:
   #     dat = plt_data[plt_data['Region']==item]
   #     if i !=1 :
   #         ax = plt.subplot(5,2,i,sharey=ax)
   #     else:
   #         ax = plt.subplot(5,2,i)
   #     sns.barplot(x='Country',y='Economy (GDP per Capita)',data=dat)
   #     plt.title('GDP per Capita in {}'.format(item))
   #     plt.xlabel('Country')
   #     plt.ylabel('GDP per Capita')
   #     i+=1
   # plt.show()

   for item in regions:
       plt.figure()
       dat = plt_data[plt_data['Region'] == item]
       sns.barplot(x='Country', y=table, data=dat)
       plt.title('{} in {}'.format(table,item))
       plt.xlabel('Country')
       plt.ylabel(table)
       plt.xticks(rotation='vertical')
       plt.show()

• 全世界区域内国家数量分布情况

def regions_country_pie():
   plt_cols = ['Region','Country']
   plt_da = data_2015[plt_cols]
   print(type(plt_da))
   regions = set(plt_da['Region'])
   info = {}
   for item in regions:
       dat = plt_da[plt_da['Region'] == item]#获取不同区域的国家数量
       # print(list(dat['Country']))
       country_num = len(list(dat['Country']))
       info[item] = country_num
   print(info)
   plt.figure()#画饼图
   labels = info.keys()
   sizes = info.values()
   print(labels,sizes)
   explode =[0.05,0,0,0,0,0,0,0,0,0]
   patches,l_text,p_text = plt.pie(x=list(sizes),labels=labels,autopct='%1.f%%')
   plt.axis('equal')
   for t in l_text:#设置字符尺寸
       t.set_size = 130
   for t in p_text:
       t.set_size = 120
   plt.legend(loc='upper left',bbox_to_anchor=(-0.1, 1))#设置图标位置
   plt.grid()
   plt.show()

图片展示

• 所有国家在不同区域内的分部

def every_regions_country_num():
   plt_cols = ['Region', 'Happiness Score', 'Country']
   plt_da = data_2015[plt_cols]
   plt.figure()
   sns.countplot(x='Region',data=plt_da)
   plt.xticks(rotation='vertical')
   plt.title('Country count of Region')
   plt.show()

图片展示

• 排名前/后5个国家的幸福指数情况

def up_5_country_happiness():
   data = data_2015[:5]
   data2 = data_2015[-5:]
   cols = ['Region', 'Happiness Score', 'Country']
   info_up = data[cols]
   info_down = data2[cols]
   # info1 = data[['Region', 'Happiness Score', 'Country']]
   plt.figure()
   ax = plt.subplot(1,2,1)
   sns.barplot(x='Country',y='Happiness Score',data=info_up)
   plt.xticks(rotation='vertical')
   plt.title('Country Happiness Score')

   ax1 = plt.subplot(1,2,2,sharey=ax)
   sns.barplot(x='Country', y='Happiness Score', data=info_down)
   plt.xticks(rotation='vertical')
   plt.title('Country Happiness Score')
   plt.show()

图片展示

• 三年内幸福指数变化情况

def happiness_change_in_2_years():
   cols = ['Region', 'Happiness Score', 'Country']
   da_2015 = data_2015[cols]
   print(da_2015)
   width = 0.4
   da_2016 = data_2016[cols]
   # da_2017 = data_2017[cols]
   regions = set(da_2015['Region'])
   for item in regions:
       da_15 = da_2015[da_2015['Region'] == item]#获取15/16年的数据
       da_16 = da_2016[da_2016['Region'] == item]
       x_15 = len(da_15['Country'])
       x1_15 = np.arange(x_15)+1
       y_15 = list(da_15['Happiness Score'])
       height_15 = np.array(y_15)

       x_16 = len(da_16['Country'])
       x1_16 = np.arange(x_16) + 1+0.4
       y_16 = list(da_16['Happiness Score'])
       height_16 = np.array(y_16)
       plt.figure()
       #画图
       a = plt.bar(x=x1_15, height=height_15,width=width,label='2015')
       b = plt.bar(x=x1_16, height=height_16,width=width,label='2016',tick_label = da_16['Country'])
       plt.xticks(rotation='vertical')
       plt.title('{} Happiness Score'.format(item))
       plt.legend()
       plt.show()

图片展示（展示一个图片）

主函数

if __name__ == '__main__':
   data_info()
   #区域
   regions_country_Happiness_infos('Economy (GDP per Capita)')
   regions_country_Happiness_infos('Family')
   regions_country_Happiness_infos('Health (Life Expectancy)')
   regions_country_Happiness_infos('Freedom')
   regions_country_Happiness_infos('Trust (Government Corruption)')
   regions_country_Happiness_infos('Generosity')

   regions_country_rank()
   regions_country_pie()
   up_5_country_happiness()
   #国家
   every_regions_country_num()
   #幸福指数
   happiness_change_in_2_years()