第四講實踐:人均GDP和政府廉潔度對幸福指數有何影響!!

"世界幸福報告」是全球幸福狀態的里程碑式調查。第一份報告於2012年發布,2013年第二次,2015年第三次,2016年第四次更新。世界幸福2017年,以幸福水平排列155個國家,於3月20日在聯合國慶祝國際幸福日活動中公布。隨著政府,組織和民間社會越來越多地使用幸福指標來告知其決策,報告繼續得到全球認可。跨領域的領先專家 - 經濟學,心理學,調查分析,國家統計,健康,公共政策等 - 描述如何有效地利用福祉測量來評估國家進步生在天朝的你我又幸福感如何?

下文簡單粗淺地分析人均GDP和健康指數對幸福感有何影響。數據來源於kaggle網站的World Happiness Report。

文章分析使用的數據是2016.csv,在處理時改名子為Happinessdata.csv,數據元素分別為Country 國家

Happiness Rank 排名

Happiness Score 幸福得分

Economy (GDP per Capita) 人均GDP

Trust (Government Corruption)信任(政府腐敗)等等

分析步驟如下:

#調用數據讀取包

install.packages("csv")

library(csv)

Happinessdata<- read.csv(C:/Users/chen/Downloads/Happinessdata.csv)

#驗證讀取數據

View(Happinessdata)

#數據處理部分

#調用數據處理包

library(dplyr)

#選取子集

Happinessdata<-select(Happinessdata,Country,Happiness.Rank,Happiness.Score,Economy..GDP.per.Capita.,Trust..Government.Corruption.)

此處掉深坑,最後看出來,原來表格中的括弧(),讀入後顯示為點.,見上.

#重命名列名

Happinessdata<-rename(Happinessdata,Rank=Happiness.Rank,Score=Happiness.Score,Economy=Economy..GDP.per.Capita.,Trust=Trust..Government.Corruption.)

#刪除缺失數據

Happinessdata<-filter(Happinessdata,!is.na(Score),!is.na(Economy),!is.na(Trust))

#再一次驗證讀取數據

View(Happinessdata)

#計算部分

#數據分組,對人均GDP和政府腐敗分組。

Happinessdata1<-group_by(Happinessdata,Economy)

#應用函數和組合結果

Happinessdata2<-summarise(Happinessdata1,Trust=mean(Trust,na.rm = TRUE))

#移除噪音數據

Happinessdata2 <- filter(Happinessdata2,Trust>0.05,Economy>0.1)

#數據顯示部分

#調用數據顯示包

library(ggplot2)

#繪製散點圖

ggplot(data = Happinessdata2)+geom_point(mapping = aes(x=Economy,y=Trust))

#繪製散點和平滑曲線圖

ggplot(data = Happinessdata2)+geom_point(mapping = aes(x=Economy,y=Trust))+

+ geom_smooth(mapping = aes(x=Economy,y=Trust))

最後數據解釋:根據上圖顯示,GDP在1.4以下和政府腐敗在0.1左右的國家最多,相對應幸福指數也低.GDP和政府廉潔指數成正比的,因為沒加入其它數據,只能淺顯分析一下


推薦閱讀:

簡單的認識R語言和邏輯斯蒂回歸
數據分析中數據趨勢的判斷
Power Bi之人口遷徙Dashboard
數說:在麥當勞吃三餐是什麼樣的後果?

TAG:数据分析 | 大数据 |