Введение
Для проекта по анализу данных я выбрала данные Всемирного доклада о счастье (World Happiness Report). Это ежегодный отчёт, который изучает субъективную оценку качества жизни в разных странах мира. В отчёте счастье измеряется как трёхлетнее среднее по шкале от 0 до 10, полученное на основе опросов жителей. Команда исследователей вычисляет показатели доверительных интервалов и вклад шести объясняющих факторов: логарифм ВВП на душу населения, социальная поддержка, ожидаемая продолжительность здоровой жизни, свобода принятия жизненных решений, щедрость и восприятие коррупции.
Эти данные доступны для свободного скачивания в виде таблицы и обновляются ежегодно.
Мне было интересно проанализировать этот набор данных по нескольким причинам:
Актуальность темы
В условиях стрессовых событий люди всё больше обращают внимание на благополучие и качество жизни. Изучение факторов, влияющих на счастье, позволяет понять, какие сферы требуют поддержки
Репрезентативность
Данные собираются более чем в 140 странах, что даёт возможность сравнить, как экономические и социальные показатели связаны с субъективным счастьем
Содержательность
Помимо итогового рейтинга, в таблице есть вклады отдельных факторов, поэтому можно исследовать их влияние
Источник и формат данных
Я использовала датасет “WHR25 _Data _Figure _2.1v3.xlsx” — это данные из Доклада о счастье 2025 года. На сайте проекта указано, что эта таблица содержит трёхлетние средние значения удовлетворённости жизнью с 2012 года и вклад шести объясняющих факторов
В наборе 13 столбцов:
Year — год наблюдения, Rank — место страны в рейтинге, Country name — название страны, Life evaluation (3-year average) — средняя оценка счастья за три года, Lower whisker и Upper whisker — границы доверительного интервала, Explained by: Log GDP per capita, Explained by: Social support, Explained by: Healthy life expectancy, Explained by: Freedom to make life choices, Explained by: Generosity, Explained by: Perceptions of corruption, Dystopia + residual — условный остаток, отражающий базовый уровень счастья.Почему именно эти данные
В 2025 году Финляндия вновь возглавила рейтинг самых счастливых стран (она занимает лидирующую позицию с 2018 года)
Это кажется парадоксом: несмотря на схожие экономические показатели, некоторые страны достигают гораздо более высоких уровней счастья. Анализ показателей даёт возможность увидеть, какие факторы оказывают ключевое влияние и чем отличаются лидеры рейтинга от аутсайдеров. Кроме того, мне было интересно исследовать динамику Германии (родной страны) и сравнить её показатели с средними по Европе.
Этапы работы
Подготовка и чтение данных
Для работы я использовала библиотеку Pandas
Исследовательский анализ
Перед построением графиков я рассчитала простые статистики: средние значения факторов, ранжировала страны по показателю счастья, вычислила корреляцию между факторами и итоговой оценкой
Для анализа динамики я группировала данные по годам и странам, например, так:
Статистические методы
Для углублённого анализа я использовала несколько статистических инструментов:
описательная статистика (среднее, медиана, стандартное отклонение) для оценки распределения баллов счастья;
коэффициент корреляции Пирсона для проверки взаимосвязи между итоговой оценкой и факторами (логарифм ВВП, социальная поддержка, свобода и т.д.);
линейная регрессия (с помощью scipy.stats или sklearn.linear_model) для построения линии тренда на диаграмме рассеяния GDP vs. happiness;
долговременный анализ — сравнение динамики показателей в странах-лидерах и аутсайдерах.
Визуализация и стилизация
Для построения графиков я использовала Matplotlib, а также настроила параметры шрифтов и цветовую палитру для единого стиля. Ниже приведены примеры четырёх разных типов визуализаций.
График 1. Топ 10 самых счастливых стран (2024)
