DEV Community

Cover image for Análise da Felicidade com Pandas
Johny W. Alves
Johny W. Alves

Posted on • Edited on

Análise da Felicidade com Pandas

#python #datascience

Originalmente publicado em: https://johnywalves.com.br/happiness-radar/

Entre várias fontes de dados no Kaggle uma delas é a relação de felicidade com algumas estátisticas de uma país o World Happiness Report vamos gerar algumas visualizações

Correlação

Instalação das bibliotecas utilizadas

pip install pandas matplotlib
Enter fullscreen mode Exit fullscreen mode

Importação com apelido para elas bibliotecas

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
Enter fullscreen mode Exit fullscreen mode

Fazendo o download da base em World Happiness Report carregando para a memória e visualizando os primeiro registros

df = pd.read_csv("./datasets_894_813759_2019.csv")
df.head()
Enter fullscreen mode Exit fullscreen mode
Overall rank Country or region Score GDP per capita Social support Healthy life expectancy Freedom to make life choices Generosity Perceptions of corruption
1 Finland 7.769 1.340 1.587 0.986 0.596 0.153 0.393
2 Denmark 7.600 1.383 1.573 0.996 0.592 .252 0.410
3 Norway 7.554 1.488 1.582 1.028 0.603 0.271 0.341
4 Iceland 7.494 1.380 1.624 1.026 0.591 0.354 0.118
5 Netherlands 7.488 1.396 1.522 0.999 0.557 0.322 0.298

Trabalhar com esses nomes é muito chato, vamos simplificar um pouco, renomeando as colunas

df = df.rename(columns={"Overall rank": "Rank", "Country or region": "Region",
                   "GDP per capita": "GDP", "Social support": "Social",
                   "Healthy life expectancy": "Healthy",
                   "Freedom to make life choices": "Freedom", "Perceptions of corruption": "Corruption"})
Enter fullscreen mode Exit fullscreen mode

Visualizando as correlações entre os atributos

values_columns = ["Score", "GDP", "Social", "Healthy", "Freedom", "Generosity", "Corruption"]
corr = df[values_columns].corr()
corr
Enter fullscreen mode Exit fullscreen mode

A ideia da matrix de correlação é encontrar o resultado mais longe do zero ou seja mais perto de 1 ou -1

Score GDP Social Healthy Freedom Generosity Corruption
Score 1.000000 0.793883 0.777058 0.779883 0.566742 0.075824 0.385613
GDP 0.793883 1.000000 0.754906 0.835462 0.379079 -0.079662 0.298920
Social 0.777058 0.754906 1.000000 0.719009 0.447333 -0.048126 0.181899
Healthy 0.779883 0.835462 0.719009 1.000000 0.390395 -0.029511 0.295283
Freedom 0.566742 0.379079 0.447333 0.390395 1.000000 0.269742 0.438843
Generosity 0.075824 -0.079662 -0.048126 -0.029511 0.269742 1.000000 0.326538
Corruption 0.385613 0.298920 0.181899 0.295283 0.438843 0.326538 1.000000

O valor mais próximos Score são os Gross Domestic Product (GDP) per capita e Healthy life expectancy, mas podemos visualizar isso em gráfico

pd.plotting.scatter_matrix(df[values_columns], figsize=(18, 18))
plt.savefig("radar_scatter_matrix_correlation.svg", formatstr="svg")
plt.show()
Enter fullscreen mode Exit fullscreen mode

Scatter Happiness Correlation

Informações geográficas

Para a próxima visualização precisamos de mais informações no caso os continentes escolhi a base do Lista de paises do Geonames

Como a informação está na web precisamos fazer a leitura com Web Scraping, para iniciar vamos fazer a instalação das bibliotecas do BeautifulSoup, funções para lidar com requisições HTTP e o pacote de leitura de tags do pandas

pip install beautifulsoup4 requests lxml
Enter fullscreen mode Exit fullscreen mode

Ler as informações da tabela do site e converter

# Importação das bibliotecas para Web Scraping e requisições HTTP
from bs4 import BeautifulSoup
from requests import get

# Colher o conteúdo do geonames
html = get("https://www.geonames.org/countries/").text
# Converter o texto para elementos de tags do Beautiful Soup
soup = BeautifulSoup(html)
# Para visualizar de forma estruturada: print(soup.prettify())

# Procurar a tag <table> com o id "countries"
table = soup.find("table", attrs={"id": "countries"})
# Para visualizar de forma estruturada: print(table.prettify())

# Converter o conteúdo DataFrame do pandas
# Alterando valor NA para NT, para evitar a conversão para valores nulos
table_countries = pd.read_html(str(table).replace("<td>NA</td>", "<td>NT</td>"))[0]

# Selecionar os campos que serão usados
countries = table_countries[["Country", "Area in km²", "Population", "Continent"]]
countries.head()
Enter fullscreen mode Exit fullscreen mode
Country Area in km² Population Continent
Andorra 468.0 77006 EU
United Arab Emirates 82880.0 9630959 AS
Afghanistan 647500.0 37172386 AS
Antigua and Barbuda 443.0 96286 NT
Anguilla 102.0 13254 NT

Normalmente trabalhando com várias bases de dados é comum as informações não cruzam, no caso de países tem visões diferentes de mundo

set(df["Region"]) - set(countries["Country"])
Enter fullscreen mode Exit fullscreen mode

Como vamos tem alguns países diferentes, por ausência ou concepção de nomenclaturas

{'Congo (Brazzaville)', 'Congo (Kinshasa)', 'Czech Republic', 'Northern Cyprus', 'Palestinian Territories', 'Swaziland', 'Trinidad & Tobago'}

Vamos unir os países existentes em ambas as bases

data = pd.merge(df, countries, left_on="Region", right_on="Country").drop("Country", axis=1)
data = data.rename(columns={"Area in km²": "Area"})
data.head()
Enter fullscreen mode Exit fullscreen mode
Rank Region Score GDP Social Healthy Freedom Generosity Corruption Area Population Continent
1 Finland 7.769 1.340 1.587 0.986 0.596 0.153 0.393 337030.0 5518050 EU
2 Denmark 7.600 1.383 1.573 0.996 0.592 0.252 0.410 43094.0 5797446 EU
3 Norway 7.554 1.488 1.582 1.028 0.603 0.271 0.341 324220.0 5314336 EU
4 Iceland 7.494 1.380 1.624 1.026 0.591 0.354 0.118 103000.0 353574 EU
5 Netherlands 7.488 1.396 1.522 0.999 0.557 0.322 0.298 41526.0 17231017 EU

E finalmente gerar um gráfico com o Score de felicidade e as informações que são mais correlacionadas, com o tamanho dos circulos pela pontuação de estimativa de vida e separado por cores de continentes

# Definição do tamanho do gráfico
plt.figure(figsize=(18, 18))

# Colher os continentes diferentes da base
continents = data["Continent"].unique()

# Geração dos ciclos
for continent in continents:
    dc = data[data["Continent"] == continent]
    plt.scatter(dc["Score"], dc["GDP"], s=dc["Healthy"] * 500, alpha=0.4, label=continent)

# Adicionar título
plt.title("Scatter Happiness Radar")
# Adicionar rótulos nos eixos
plt.xlabel("Score")
plt.ylabel("GDP per capita")
# Adicionar legenda para os continentes
plt.legend(scatterpoints=1, frameon=False, labelspacing=1, title="Continents")
# Salvar gráfico em arquivo
plt.savefig("radar_scatter_happiness_radar.svg", formatstr="svg")
# Apresentar o gráfico em tela
plt.show()
Enter fullscreen mode Exit fullscreen mode

Scatter Happiness

Coordenadas

Agora vamos adicionar as coordendas para os países, para isso tem outra fonte de dados no Kaggle no Counties geographic coordinates, vamos importar e visualizar essas informações

coods = pd.read_csv("./datasets_2312_3908_countries.csv")
coods.head()
Enter fullscreen mode Exit fullscreen mode
country latitude longitude name
AD 42.546245 1.601554 Andorra
AE 23.424076 53.847818 United Arab Emirates
AF 33.939110 67.709953 Afghanistan
AG 17.060816 -61.796428 Antigua and Barbuda
AI 18.220554 -63.068615 Anguilla

Novamente vamos conferir as informações divergentes

set(data["Region"]) - set(coods["name"])
Enter fullscreen mode Exit fullscreen mode

{'Ivory Coast', 'Myanmar', 'North Macedonia', 'South Sudan'}

Novamente vamos unir essas informações e visualizar como fica após

cc = pd.merge(data, coods, left_on="Region", right_on="name").drop(["name", "country"], axis=1)
cc.head()
Enter fullscreen mode Exit fullscreen mode
Rank Region Score GDP Social Healthy Freedom Generosity Corruption Area Population Continent latitude longitude
1 Finland 7.769 1.340 1.587 0.986 0.596 0.153 0.393 337030.0 5518050 EU 61.924110 25.748151
2 Denmark 7.600 1.383 1.573 0.996 0.592 0.252 0.410 43094.0 5797446 EU 56.263920 9.501785
3 Norway 7.554 1.488 1.582 1.028 0.603 0.271 0.341 324220.0 5314336 EU 60.472024 8.468946
4 Iceland 7.494 1.380 1.624 1.026 0.591 0.354 0.118 103000.0 353574 EU 64.963051 -19.020835
5 Netherlands 7.488 1.396 1.522 0.999 0.557 0.322 0.298 41526.0 17231017 EU 52.132633 5.291266

Gerar o gráfico de scatter com posicionamento do geográfico

plt.figure(figsize=(18, 9))

continents = cc["Continent"].unique()
for continent in continents:
    dc = cc[cc["Continent"] == continent]
    plt.scatter(dc["longitude"], dc["latitude"], s=dc["Score"] * 50, alpha=0.4)

plt.savefig("radar_coods.svg", formatstr="svg")
plt.show()
Enter fullscreen mode Exit fullscreen mode

World Map Coords

Agora adicionando a imagem de fundo do mapa mundi Clip Art Free - World Map

import matplotlib.image as mpimg
world_img = mpimg.imread("./world-map.png") # 2000 x 1202

plt.figure(figsize=(18, 9))

continents = cc["Continent"].unique()
for continent in continents:
    dc = cc[cc["Continent"] == continent]
    plt.scatter(dc["longitude"], dc["latitude"], s=dc["Score"].pow(3), alpha=0.6) #

plt.imshow(world_img, extent=[-149, 190, -75, 105], alpha=0.25) # left, right, bottom, top
plt.savefig("radar_world_map.svg", formatstr="svg")
plt.show()
Enter fullscreen mode Exit fullscreen mode

World Map

Salvando a fonte de dados tratada para futuros usos

cc.to_csv("./countries.csv", index = False, header=True)
Enter fullscreen mode Exit fullscreen mode

Você pode baixar aqui: Countries with Coordenates

Referências

Python Data Science Handbook - Customizing Plot Legends

Top comments (0)

Read next

aishwarya_raj_978520e6399 profile image

Python Asynchronous Programming: Simplifying Concurrency Like a Pro

Aishwarya Raj -

abhinowww profile image

Mistral vs GPT: A Comprehensive Comparison of Leading AI Models

Abhinav Anand -

vikas76 profile image

How Artificial Intelligence and Data Science Work Together to Solve Complex Problems in 2025

Vikas76 -

mikeyoung44 profile image

AI Creates Digital Twins of 1,000 People with 85% Accuracy in Behavioral Predictions

Mike Young -