基于Python、Flask与Pyecharts的幸福感指数数据分析与可视化

基于Python、Flask与Pyecharts的幸福感指数数据分析与可视化

技术说明：本文围绕幸福感指数数据分析与可视化进行Python数据工程复盘，重点整理Pandas数据清洗、NumPy统计分析、相关性与回归分析、MySQL数据存储、Flask Web展示以及Matplotlib和Pyecharts可视化等技术要点。内容用于数据处理、统计建模和可视化方法交流，不构成公共政策建议，也不涉及商业推广或服务宣传。

摘要

本研究是基于python技术来对幸福感指数数据进行分析和处理。首先，要先理解幸福感指数的概念和对幸福感指数有影响的因素。然后，在python中使用pandas库来对所获取的数据进行数据的处理，在数据预处理和清洗阶段，处理缺失的数据使用均值填充和删除异常值，确保数据的质量。接着，通过描述性分析在python中使用numpy库对相关因素变量的数据进行统计和分析，在相关性分析中使用多种相关性操作来探索幸福感指数与各因素变量的相关性，找出相关性显著的因素。在回归性分析中通过构建回归模型来预测幸福感指数。在可视化方面，使用matplotlib或pyecharts库来绘制出直方图、折线图等直观的展示出各因素与幸福感指数的关联，绘制出散点图来展示两个不同变量之间的关系，可以直观的看出变量之间是否存在线性关系，为之后提升社会幸福指数提供依据，为进一步的研究和制定策略提供参考。

关键词：数据可视化；Flask；幸福感指数；MySQL

Abstract

This study is based on Python technology to analyse and process data on the happiness index. First, it is essential to understand the concept of the happiness index and the factors that influence it. Then, the Pandas library in Python is used to process the acquired data. During the data preprocessing and cleaning phase, missing data is handled using mean imputation and outlier removal to ensure data quality. Next, descriptive analysis is conducted using the NumPy library in Python to statistically analyse the data of relevant factor variables. Various correlation operations are employed in the correlation analysis to explore the relationship between the happiness index and each factor variable, identifying factors with significant correlations. In the regression analysis, a regression model is constructed to predict the happiness index. In terms of visualisation, the Matplotlib or Pyecharts library is used to create histograms, line charts, and other visual representations to illustrate the relationship between various factors and the happiness index. Scatter plots are drawn to show the relationship between two different variables, allowing for a clear view of whether a linear relationship exists between the variables, providing a basis for improving the social happiness index and offering references for further research and strategy formulation.

Keywords:Data Visualization;Flask;Happiness Index;MySQL

绪论

研究背景

当今社会，幸福感已成为衡量社会发展质量的重要指标。不仅仅是经济发展水平，民众的幸福感也备受关注。世界各国从提升经济水平发展转向研究民众的生活水平发展，对幸福感指数的研究能够深入了解社会的综合状况，为政策制定提供参考。例如对不同的身体健康状况、不同婚姻状况、不同地区、不同阶层民众的生活满意度和个人或家庭收入情况等都需要用幸福感指数这一综合指标来衡量出民众的幸福感程度。社会的和谐稳定与幸福感息息相关，幸福感高的地区社会的矛盾和产生的冲突就低，所以幸福感指数的研究不仅仅有助于了解个体的幸福水平，还有助于从宏观层面把握社会的健康程度。政府在制定政策的时候，往往是多关注与当地的GDP水平等，单独看这一个因素来制定政策并不能很好的使政策对民众的生活质量产生影响，这就需要一个能够更好考量人民主观感受的综合指标——幸福感指数，围绕着幸福感指数来制定政策，使得政策更科学更合理更容易满足民众的需求，使得民众的生活水平提高，同时也能使民众整体的幸福感水平提高[1]。

国内外研究现状

国内研究现状

在国内对幸福感指数的研究中，对幸福感指数的研究较晚，国内的学者对幸福感指数的研究与生活水平有关的同时，还研究了精神方面层次的研究，有着各种因素的对幸福感指数的影响。例如社会关系、收入情况、婚姻状况和身体健康情况等因素，都对幸福感指数有着积极的影响。从个人程度上面来看收入水平低的、家庭关系不和睦的、身体患有疾病的和心理压力大的人普遍都幸福感低。其次，个人所受的教育水平程度也对幸福感指数有影响，所受高等的教育水平毕业出来工作后可能获得非常不错的工作也得到不菲的工资收入，但是凡事都有两面性，也会有着相当大的竞争压力，同时，在文化方面，中国的传统文化所传递的价值观是有着作重于家庭观念和集体主义等方面，都会影响到幸福感水平。例如，注重家庭和睦的人的幸福感更高。有学者发布过关于使用Python分析《世界幸福指数报告》的博客文章，其中包含了数据的导入、整理、可视化以及对幸福指数与其他变量关系的初步分析[2]。

国外研究现状

在国外对幸福感指数的研究中，对幸福指数的研究非常活跃，有研究者在Medium上发表了关于《2024年世界幸福报告》的探索性数据分析文章，该研究使用Python进行了数据分析，旨在解码全球的幸福，研究侧重于数据的探索性分析和可视化，以揭示全球幸福的秘密和不同因素之间的联系。在知乎上，有研究者分享了基于Python的世界各国幸福度公开数据集的数据挖掘研究。这项研究涉及数据存储、基本加载、数据清洗、数据挖掘算法等多个步骤，以探寻幸福感的影响因素。国外的学者还注重不同文化之间的幸福感指数研究，不同文化背景下的民众对幸福感的认知程度不同，存在着差异。西方的个人主义文化的熏陶下，当地的人们往往把个人的成就和自由等看作是否幸福的标准，而在国外的其他集体主义的国家，在集体主义文化的熏陶下，当地的人们非常重视家庭，集体或者组织之间的关系，从而幸福感与之息息相关。

研究目的与意义

幸福感指数的研究的目的是为了探究出影响幸福感指数的因素和它们之间的相互关系，找出哪些因素对幸福感指数有积极的影响，那些因素有消极的影响，同时也能通过研究得到更科学更合理的依据，为之后的政府政策实施做好充足的准备。

研究的理论意义，对幸福感指数的数据分析有助于深化对幸福理论的理解，特别是在多学科交叉的背景下，通过数据分析可以揭示经济、社会等多方面因素怎么共同作用于个体与集体的幸福感。通过使用Python进行数据分析，可以从大量的调查数据中挖掘出影响幸福感的各种因素，如经济收入、婚姻状况、身体健康状况和居住地等之间的相关性[3]。这有助于进一步完善现有的幸福理论，为构建更科学更全面的幸福模型提供依据。社会科学研究提供新的实证基础。

研究的实践意义，政府和政策制定者可以利用这些分析结果来制定或调整公共政策，旨在提高公民的幸福感和生活水平质量。例如，通过研究收入水平和健康在提高幸福感中的作用，可以优先投资于这些收入水平低的人群，以实现可持续发展的社会福祉改善。这样的分析还可以使用于对社会经济发展和民众的幸福感指数之间的影响关系，从而对社会的长期发展规划和政策制定提供评估基础，还能促进社会的和谐发展和可持续发展。

论文组织结构

本论文先介绍了幸福感指数的研究背景、目的与意义和国内外研究现状，解释了幸福感指数的概念和内涵，又介绍了能够影响到幸福感指数的因素有哪些。在通过技术研究方面，主要通过Python技术对所获取的数据集进行清洗和处理，将处理好的数据存储和管理在Mysql数据库和Flask框架中。然后，再使用Numpy库对数据集中的相关变量进行统计分析，使用Corr函数对不同变量与幸福感指数进行相关性分析，再建立回归模型，对幸福感指数进行预测。最后，使用可视化技术中的Matplotlib库和Pyecharts库对相关因素进行可视化展示，从而可以得到对幸福感指数影响较大或者相关的因素，为之后政府政策的制定提供依据。

幸福感指数相关理论

幸福感指数的概念与内涵

幸福感指数是用来衡量个体或者总体幸福感的重要数值指标，可以将人们所认知的幸福感化作成可以进行分析的数据，这产生于人们对提高生活水平质量的追求，不仅仅是要在物质上满足需求，还得在心理层面上和精神层面上等层面满足需求。幸福感指数的最重要的前提是公共服务态度的满意度，是否幸福取决于对公共服务态度是否满意，公共服务态度反映出了人们对自己所在的生活是否满意。其次，在心理上，保持积极的心理会使人更加幸福，因此幸福感指数也会提高，在各种各样的方面上都会对幸福感指数有着无可厚非的关系。随着民众生活水平的持续提升, 幸福感指数的概念被视作是衡量社会发展健康度的重要参照标准之一[4]。

幸福感指数的影响因素

影响幸福感指数的因素有很多，例如个人的经济状况、身体健康状况、工作的环境、社会关系和居住地等方面都会对幸福感产生影响。在个人经济状况方面，如果收入的水平过低，不能维持正常的生活开支，供不应求的话，生活的幸福感也就因此低。所以稳定足够的收入会使人感到幸福。在身体健康状况方面，健康是幸福的基石，如果身体患病了，不但会受到身体上的疼痛，而且还面临巨大的资金支出用来治病，从而不能更加积极的享受生活。不仅仅要身体健康，还要心理健康。要以积极的心态去面对生活，正所谓“笑一笑，十年少”，乐观面对生活的人，心理压力小，有良好的情绪控制能力有助于提高幸福感。年龄、婚姻状况、自评健康状况、睡眠质量、是否充满活力、是否患有慢性病均会影响居民的主观幸福感[5]。在工作的环境方面，找到自己想做的感兴趣的工作，有良好的工作环境，这会使自己在完成工作任务时充满优越感、成就感，从而获得幸福感。与工作的同事们相处融洽，也会使得整体的幸福感提升。在社会关系方面，社会关系包括家庭关系和朋友关系，其中家庭是人们生活中必不可分的一部分，也是幸福的主要来源，家庭关系的和睦，会让人在家庭中得到爱与被爱的感受，幸福感也会更加强烈。同时，朋友也是生活中必不可分的一部分，良好的朋友关系，有一群志同道合的狐朋狗友，可以分享快乐与陪伴，都能增加幸福感。在居住地方面，在农村和城市各有不同，农村的空气质量好，山清水秀非常适合养老或者退休生活，让人感到愉悦，同时幸福感也就提高了。在城市，交通便捷出行方便，游玩地方多，非常适合年轻人居住，居住的地方也干净整洁，设施齐全能够提高人们的生活质量，幸福感也就更高。

相关技术支持

python技术

Python是一种高级的编程语言，Python语言简单易学，语法简单明了非常适合阅读和使用，同时Python语言的维护也简单。Python语言拥有跨平台性，可以在多个平台上进行运行使用。Python语言拥有可扩展性，可支持C语言或者C++语言来完成代码编译。Python的应用领域也非常广泛，在Web开发、数据分析、科学计算和人工智能等方面都有应用。在进行Web开发中，可使用Flask框架来进行存储数据和数据的管理。《Python数据分析课程以数据抽取、数据预处理、数据分析、数据可视化流程为主线，通过Numpy科学计算库、Pandas数据分析库、Matplotlib图表绘制库等Python第三方库的应用，进行数据分析方法与相关技术的教学[6]。其中，Numpy库是Python中的科学计算库，为使用数据分析提供了强大的高效的工具，用于数据的计算和处理功能。Python还可以通过使用借助Xpash和Requests之类的工具从网站采集到数据，接着对这些采取到的数据开展诸如去重、清理等操作，最后把获取到的数据存储进Mysql数据库。

pycharm开发工具

本文是基于python技术来对幸福感指数数据集进行分析和处理，同时也包括对幸福感指数的影响因素的分析和预测模型，对政府政策的实行提供帮助和依据。Pycharm是python开发者最重要的工具之一。它不但可以支持各种版本类型的python，还有着各种各样丰富的功能，其中有智能编码辅助功能可以进行代码的智能代码提示和自动补全功能，可以使使用者轻松的完成代码的编译。有着强大的调试器，可以在代码中设置断点，用于分行来执行代码，来观察变量在不同行代码下的变化情况是否相同。也可以进行远程调控，提高了效率。还有丰富的插件生态系统功能等。同时，支持智能问答，当遇到技术性问题时，可以以对话的方式向code Geex提问，不需要离开ide去搜索引擎寻找，所有的功能都可以集成到python开发的工具 Pycharm中，让学生可以沉浸在代码编写环境中，专注于编程，提高学习专注度[7]。在政府政策的制定中，运用pycharm对幸福感指数数据集的分析，可以为政府管理者制定合理的策略和决策提供有力的支持和帮助，同时，对影响民众的幸福感也有很大的关系。通过使用这些技术，可以让操作者更加方便地爬取采集、存储管理、处理和分析幸福感指数数据，挖掘其中影响幸福感指数的因素，从而为政府政策实施提供帮助，提高民众的幸福感。

MySQL数据库

MySQL是一种非常有名的关系型数据库管理系统，在各种大大小小的应用程序里面都能看见它的身影，是一个开源软件，有着非常强的稳定性、性能也非常良好、使用非常方便而且还有被广泛支持等这些特性。MySQL也支持多种操作系统，例如Windows、Linux、Unix等系统。MySQL也还支持多种编程语言来使用。MySQL使用起来非常容易使用，在使用过程中使用者可以通过使用SQL语言来进行数据库的开发或者数据的分析和处理应用，同时，MySQL也支持各种类型的数据进行操作，也能将数据进行存储和管理，方便对经常更新的数据进行管理，减少了不必要的繁琐操作。MySQL数据库广泛应用于数据库系统中，其访问技术直接关系到数据处理效率。其中，Python是一种简单易学的编程语言，其在诸多领域的应用十分广泛。因此，将MySQL数据库访问技术与Python的结合应用十分重要[8]。所以MySQL的使用是本研究的必不可分的一部分，也是非常重要的一部分。

数据可视化技术

Matplotlib技术

Matplotlib是一个广泛使用于生成各种各样类型形式的图表，是python用来绘图的库。Matplotlib 是用于绘图的库，利用这个可视化库，可以将分析结果进行可视化呈现[9]。它通过由python语言来进行编程代码使用，可以绘制出不同类型元素之间的关系，能够人使用者能够清晰的看出数据之间的关系，同时，也支持各种各样式的常见的图表，例如柱状图、折线图、饼图和散点图等图形。可以通过代码来绘制出自己想要的图形，也可以通过代码来改变字体的大小和图形的颜色等操作，可以绘制出自己喜欢的风格特点。其中，使用饼图可以很好的看出每个类别在所占的比例的大小，在幸福感指数分析中，可以分析数据集中所有人的职业所占比、身体健康状况所占比、性别比例等方面都可以退使用饼图进行可视化操作，使用柱状图可以直观的看出不同类别的数值，在对幸福感指数数据集进行分析时，可以对各种类别的因素进行统计，然后直观的看出该类别的数值大小进行可视化。在数据集中，最主要的因素的公共服务态度，可以对公共服务态度与其他因素进行分析，使用Matplotlib库中的柱状图或者饼图进行分析，能够很好的找到什么因素对幸福感指数的影响最大，对之后的政府政策的实施提供依据和帮助。

pyecharts技术

Pyecharts是在Echarts.Js基础上进行使用的，是Python库中用来生成Echarts图表的技术，Pyecharts有着简单易用的API接口、多种图表类型、强交互性和高度可制定性的特点。在简单易用的API接口特点中，只需要通过Python编写少量的代码运行出结果就可以得到丰富类型的图表，这种不仅使用的过程快捷而且效果也很好。在多种图表类型特点中，Python 可以通过Pyecharts库，可绘制出折线图、柱状图、饼图、散点图、气泡图、条形图、环形图、3D 图表、雷达图、词云图、地图等，来做数据可视化[10]。在强交互性特点中，所生成的图表支持多种操作，可以对生成的图表进行缩放，以便对数据的情况仔细观察查看了解数据的细致情况，还可以对数据进行分区域性的选择查看。在高度可制定性的特点中，可以对图表的标题、坐标轴标签、图例等各个元素进行更改，可按照自己喜欢的风格进行调整。

数据采集处理与存储分析

数据来源与获取方法

在对幸福感指数进行分析之前，我们首先要获取到可用能用和可靠的数据集，使用Python语言来编写代码在天池阿里云网站（https://tianchi.aliyun.com）上面进行下载数据集获取数据，在代码的编写中，导入Python中的os库用于检查目录是否存在，导入python中的Requests库用来进行发送HTTP请求来进行下载文件。将需要下载的数据集的URL进行导入，设置保存文件的名字和目录路径，从而完成数据集的下载。数据集爬取代码主要如下图3-1所示。

图3-1 数据集爬取代码截图

爬取结果如图3-2所示

图3-2 爬取结果截图

获取到的数据集其中包括性别、居住地、职业、身体健康状况、婚姻状况、收入情况和公共服务态度等相关信息数据，将获取数据保存为可读取的数据类型通过Mysql和Flask框架进行存储管理，在Python上进行处理和使用。

幸福感数据集是统计近几年人们的幸福感而制作出来的，不仅来源于各地而且还从不同角度、不对层次、不同社会因素或者相关因素方面进行统计而得的报告。在数据集中，至少有三个衡量主观 幸福感的可能指标: 幸福感指数、公共服务态度以及收入情况，这些指标因其与物质经济的相关程度不同而存在差异[11]。为了获取到幸福感指数数据集，从天池阿里云上下载数据集对数据集进行简单的处理，翻译成中文方便之后的引用。

数据预处理流程

数据收集到以后，要对所收集到的数据进行清洗(重复值处理，缺失值处理、异常值处理等)，为之后的数据可视化和模型的建立等工作做好准备。其中数据清洗是最主要的部分，能够把下载的数据集进行优化处理，从而来保证数据集的一致性，保证数据的质量与可靠性。基于深度学习的数据预处理方法在数据分析过程中起到了至关重要的作用[12]。

对数据进行清洗的主要步骤是：首先，把下载好的数据集转换为能够使用的文件类型，通过代码将数据集导入进Pycharm中进行读取数据。读取出数据集中的各字段的数据类型和描述性统计信息其中包括各字段数据的最大值、最小值、个数、平均值等等相关信息。

再对数据集进行查看是否有缺失值数据，如果存在缺失值数据则使用代码查看出包含空值的数据行进行输出查看，对其中不合理的缺失值进行删除或者对缺失值使用Fillna函数进行向前填充处理。对填充好了的数据集，再一次进行缺失值查看处理，没有查看到缺失值就证明缺失值处理成功了，对处理后的数据集进行存储。再进行读取数据和重复值查看，使用代码查看缺失值处理过后的数据集里面是否有重复值，有重复值则进行删除处理，没有则进入下一步操作。之所以把重复值处理放到空值处理的后面，是因为怕在进行缺失值填充时会再一次创造出重复的数据，从而影响数据集的准确性。最后进行异常值处理，对数据集中不合理的数据和错误的数据进行更改或者删除处理，处理过后进行存储。从而数据集的保持完整性和一致性。对处理好的数据再进行可视化技术展示出来，对之后的做决策提供依据。数据处理流程图如图3-3所示。

图3-3 数据处理流程图

数据处理结果展示

对数据集进行清洗处理的结果展示如下：

读取出数据集中的数据类型和统计信息，主要代码如图3-4所示。

图3-4 查看数据类型和统计信息截图

缺失值处理：在数据的采集中会出现数据缺失的情况，对出现空值的情况进行填充处理，由于出现空值的数据很多存在很多类型的字段中，所以不能使用均值、最大值、最小值填充，只能使用向前或向后填充。首先查看数据集中是否有空值，如果有空值的话将存在空值行的数据输出材料，再对空值进行处理，从而保证数据的完整性。

查看数据集中是否存在空值主要代码如图3-5所示。

图3-5 查看数据是否存在空值运行截图

查看数据集中存在空值行的数据，如图3-6所示。

图3-6 查看存在的空值行运行截图

对数据集中存在空值的数据进行处理，例如对职业存在空值的行进行向前填充的处理，对家庭收入里面存在空值的行进行使用均值填充的处理，对处理好的数据进行存储到新文件里面，如图3-7所示。

图3-7 对空值进行处理运行截图

重复值处理：对数据进行空值填充后或者原来的数据集里面可能会有重复值，重复值过多或者存在会影响数据集的准确性，从而影响之后的分析。对数据集进行重复值查看，发现数据集里面没有重复值。主要代码如下：

查看进行空值处理过后的数据里面是否存在重复值，如图3-8所示。

图3-8 查看是否存在重复值截图

异常值处理：处理过后的数据集进行读取查看，发现在各个字段里面都会有这异常或不合理的数据，例如，在个人收入或者家庭收入里面存在收入过高或者过低的数据即为不合理数据，对这些数据进行更改填充，更改为合理的数据。在其他字段中，本应该是纯文字的数据里面出现了数字（-8）等，进行删除处理。主要代码如图3-9所示。

图3-9 异常值处理代码截图

数据存储和管理

MySQL数据库存储

在命名为我的数据库数据库中，先创建一个名为aaa的数据库，在里面创建一个名为排序后的数据表，里面包括编号、调查时间、性别、出生年、是否城市、职业、健康状况、婚姻状况、政治面貌、个人收入、家庭收入、是否有房、是否有车、公共服务态度和幸福指数字段，具体设计如表3-1所示。

表3-1 数据库设计表

在对数据集导入Mysql里面可以使用两种方法来进行存储数据，第一种方法是在Pycharm里面使用代码编程来直接进行存储数据在Mysql里面，主要代码如图3-10所示。

图3-10 存储数据到MySQL代码截图

第二种方法是直接在Navicat Premium 12里面导入数据集存储到数据库中，其中导入的时候要求编码为Gbk，从而保证数据不会乱码，影响数据的使用。导入操作如图3-11所示。

图3-11 存储数据集操作截图

导入数据集结果展示，如图3-12所示。

图3-12 数据库存储结果截图

Flask实现web界面开发

Flask是通过Python来实现Web界面的框架，其设计的简洁和有着强大的扩展性，易于上手操作，本研究通过Python来实现对处理过后的数据进行存储，并联合Mysql数据库来对数据进行存储管理，从而实现Web界面的开发。将数据通过Web界面的方式在网页上展示出来和对数据可视化后的图表进行单独展示，也增加了在界面对数据进行删除和分页的操作，并且对页面进行了美化处理，保证所构建的Web界面具有良好的美观感和满足对数据应有的管理。Flask 提供了灵活的代码结构，使得网络 界面 设计完全独立于底层数学代码的开发[13]。具体操作主要如下所示：

首先在Pycharm中安装Flask库，创建一个名为Flask启动的Python文件用来执行Flask框架的启动，并同级创建一个名为Templates的文件夹，将所有的Html文件都放入其中。操作如图3-13所示

图3-13 Flask框架相关操作截图

将所要使用Flask框架管理的数据通过读取Mysql上的表读取放入在界面表格中，并在所创建的html文件里面放入该数据集里面所包含的使用字段在表格上循环输出，从而保证数据完美的存储到界面里面，如图3-14所示。

图3-14 读取数据存储展示截图

对所构建的界面进行美化操作，在标题和页面添加背景色和对网页元素窄屏居中处理，并创建网页头部导航栏 放在“header.html”中和创建网页底部版权区域 放在“footer.html”中，在所要展示的页面里面添加引入头部导航栏和底部版权区域，如图3-15所示。

图3-15 创建头部导航栏和底部版权截图

对所创建的页面再进行添加实现分页展示和删除操作的功能，在添加分页操作中，在Flask启动.py文件里面配置路径，在所要展示的页面html文件里面添加分页按钮代码。在添加删除操作中，在Flask启动.py中配置访问路径，在在所要展示的页面html文件里面添加删除按钮，并使用代码对按钮进行美化操作网页分页和删除操作展示如图3-16、3-17所示。

图3-16 实现分页操作展示截图

图3-17 实现删除操作展示截图

实现网页分页和删除操作代码如下图3-18、3-19所示

图3-18 添加网页分页操作按钮代码截图

图3-19 添加删除操作按钮代码截图

使用pyecharts对数据进行可视化，将结果进行渲染为html文件，通过引用html文件在页面上实现对数据可视化的展示，并可以通过页面来跳转和分类别到所需要展示的图表，如Flask网页可视化展示如图3-20所示。

图3-20 Flask网页可视化展示截图

Flask网页实现可视化代码如下图3-21所示

图3-21 Flask网页实现可视化操作代码截图

数据分析方法

描述性分析

通过描述性分析来对数据进行简单的了解，得到数据集的特征和分布。初步的了解数据集的性质，为之后的数据分析和模型分析提供基础。

1、查看数据集中的类型和统计信息，如图3-22所示。

图3-22 查看数据基本信息代码截图

查看各种字段数据的分布数量，例如，通过代码运行得到性别中男女所占的个数，职业中各职业所占的个数，幸福指数各指数的分布个数情况等等。主要代码如图3-23所示。

图3-23 查看分布情况代码截图

根据出生年按照降序排序来重新存储数据，主要代码如图3-24所示。

图3-24 对数据进行排序代码截图

对数据集里面的数据按照分组来进行分组统计，例如，对性别进行分组来查看个人收入和家庭收入的平均值情况，按照性别分组来查看幸福指数的平均值情况等等处理。分组统计结果展示如图3-25所示。

图3-25 对数据进行分组统计展示截图

相关性分析

相关性分析是对数据分析中最重要的，可以通过研究两个或者多个变量之间的关系，从而来了解变量之间是否存在关联性，为做决策提供支持。本研究主要使用了皮尔逊相关系数、斯皮尔曼相关系数和热力图相关性操作来对个人收入、家庭收入和幸福指数数值型变量进行相关性分析。相关性分析是一种空间分析法，用来衡量两个或多个变量之间的关系紧密性[14]。主要操作如下所示：

皮尔逊相关系数，如图3-26所示。

图3-26 皮尔逊相关系数操作截图

皮尔逊相关系数的值在-1与1之间，其中小于0表示负线性相关、等于0表示不存在线性相关性、大于0表示正线性相关，由上图对个人收入、家庭收入和幸福指数三个因素进行皮尔逊相关性分析可知，其个人收入和家庭收入因素对幸福指数都为正线性相关，且其中的家庭收入对幸福指数的线性相关性更大，从而对幸福指数的影响就更大。

斯皮尔曼相关系数，如图3-27所示。

图3-27 斯皮尔曼相关系数操作截图

斯皮尔曼相关系数与皮尔逊相关系数，不同点是斯皮尔曼相关系数主要关注的是变量的排序后的顺序并不是按照数值来进行分析的，其中小于0表示负单调相关、等于0表示不存在单调相关性、大于0表示正单调相关，由上图对个人收入、家庭收入和幸福指数三个变量进行斯皮尔曼相关性分析可知，其个人收入和家庭收入因素对幸福指数都为正单调相关，且其中的家庭收入对幸福指数的单调相关性更大，从而对幸福指数的影响就更大。

热力图相关性展示，如图3-28所示。

图3-28 热力图相关性

热力图是一种能让使用者通过颜色的深浅变化来展示数据的可视化工具，在进行相关性分析的时候，可以用来判断两者之间的相关性强弱。由上图所知，家庭收入与幸福指数的方块颜色更往上，同时中间的数值更大，说明两者之间的相关性更强，从而可以得到这个变量对幸福指数的影响也就越大。

回归分析

对处理好的数据集中多个变量进行更深入进行回归分析，对其中的分类变量进行编码处理然后构建多元线性回归模型进行分析，输出均方误差和决定系数。近年来，多元线性回归模型在预测和分析复杂系统中的变量关系方面展现出强大的潜力[15]。如图3-29所示。

图3-29 多元线性回归模型运行截图

由图可知，均方误差约为 0.042，说明模型的预测结果与实际的幸福指数值之间的平均平方误差较小，模型整体的预测效果较好。决定系数约为 0.935，具有较高的拟合度。其中，个人收入与家庭收入呈现正相关，所以两者收入的增加会时幸福指数有着上升的趋势。综上所述，可知经过对分类变量进行编码处理后构建的多元线性回归模型对幸福指数的预测效果较好。

数据可视化

可视化设计原则

数据可视化技术是将数据通过转化为图表或者图形的形式来进行表示的一种技术，通过把数据制作成简易的图表，在图表中使用合适的字体大小和创建标签和数据值，选择合适的比例尺度，确保数据能够准确的反应在图表上，可以使对数据的理解能够更为直观的展示出来。本文分别使用了Matplotlib技术和Pyecharts技术来制作了各种各样的图形进行表示，其中包括柱状图、折线图、饼图、散点图和热力图等图形来进行可视化展示。在对数据进行可视化时要保证选择能够进行可视化的数据和要有合适的可视化方法，可视化展示能够让人清晰明了的看出所要展示的点和能够通过可视化技术来快速的传递信息，对决策的制定也起了十分重要的作用。对数据进行可视化流程图如图4-1所示。

图4-1 可视化流程图

使用Matplotlib技术进行可视化

不同职业的幸福指数平均值折线图分析

1、使用折线图来绘制出通过职业分组来统计出不同职业的幸福指数的平均值，把职业设置为X轴，幸福感指数设置为Y轴，选择合适的字体防止乱码出标题为不同职业与幸福指数的关系的折线图，引入相关Pandas库后，用Groupby进行分组后用Mean统计幸福指数的平均值，折线图可视化运行结果展示如下图4-2所示。

图4-2 不同职业与幸福指数关系折线图

创建不同职业与幸福指数关系折线图主要代码如图4-3所示。

图4-3 不同职业与幸福指数关系代码截图

由图所示，可以明显的看出在职业分类的三个类别中，职员的幸福指数最高，在编人员的幸福指数最低，说明在所统计的人群中，职业为职员的人幸福感指数较高，在编人员的幸福感指数最低。

不同性别公共服务态度与幸福指数关系折线图分析

1、使用折线图来绘制出按照性别和两个变量进行分组，再统计其幸福指数的平均值，把公共服务态度设置为X轴，幸福感指数设置为Y轴，设置图例将男女分别用不同颜色的线进行表示出来方便观察对比，绘制标题为不同性别公共服务态度与幸福指数的关系的折线图，引入相关Pandas库后，用Groupby进行分组后用Mean统计幸福指数的平均值，折线图可视化代码运行结果展示如下图4-4所示。

图4-4 公共服务态度与幸福指数关系折线图

创建不同性别公共服务态度与幸福指数的关系折线图主要代码如图4-5所示。

图4-5 不同性别公共服务态度与幸福指数的关系折线图代码截图

由图4-4所示，将男女用不同颜色线来绘制折线图，能够明显的看出除了在公共服务态度为一般的时候两者的线没有重合，出现了偏差外，其他地方都没有出现偏差，说明无论男女，对公共服务态度与幸福指数没有太大的影响，也没有关系。而且随着对公共服务态度从“一般”到“非常满意”的变化，幸福指数也在同步的提升，同时也能看出公共服务态度非常满意的时候，幸福指数最高，为不满意的时候幸福指数最低，这对之后做决策的时候可以按照公共服务态度来进行筛选，也提供了制定决策的依据。

不同职业幸福指数分布个数柱状图分析

1、使用柱状图来绘制出通过职业来分组统计出不同职业幸福指数的个数，把职业设置为X轴，幸福指数的个数为Y轴，将不同幸福指数用不同颜色表示出来，绘制出标题为不同职业幸福指数对比的柱状图，引入相关pandas库后，用groupby进行分组后用value_counts统计出各幸福指数出现次数。绘制柱状图可视化代码运行结果展示如下图4-6所示。

图4-6 不同职业幸福指数对比柱状图

不同职业幸福指数对比柱状图主要代码如下图4-7所示。

图4-7 不同职业幸福指数柱状图代码

由图4-6所示，可以明显的看出所统计的数据集中职业为职员的人数最多，占了全部的一半以上，而且在职员职业中幸福指数为4的人数最多，说明职员的幸福感较强，较幸福。

不同性别幸福指数饼图分析

使用饼图来绘制出通过性别来分组统计不同性别的幸福指数占比，设置在饼图中显示所占的百分比，引入相关pandas库后，用groupby进行分组，再用counter统计幸福指数出现次数，饼图可视化代码运行结果展示如下图4-8所示。

图4-8 不同性别幸福指数个数占比饼图

创建不同性别幸福指数个数占比饼图主要代码如下图4-9所示。

图4-9 不同性别幸福指数占比饼图代码

由图4-8所示，可以看出在统计的数据集中性别为女的人数比性别为男的人数多，再结合之前所创建的折线图进行分析，可以得到女性比男性的幸福感强一些，所以想要提高整体的幸福感水平的话，需要注重男性的幸福感，才能增加整体的水平。

公共服务态度与幸福指数散点图分析

使用散点图来绘制出公共服务态度与幸福指数的关系图，图中横轴表示公共服务态度的级别，纵轴表示幸福指数，引入相关pandas库设置网格线。公共服务态度与幸福指数散点图可视化代码运行结果展示如下图4-10所示。

图4-10 公共服务态度与幸福指数散点图

绘制公共服务态度与幸福指数散点图主要代码如下图4-11所示：

图4-11 公共服务态度与幸福指数散点图代码

由图4-10可知，随着公共服务态度从“不满意”到“非常满意”的变化，幸福指数也有着明显的上升趋势，说明公共服务态度与幸福指数之间存在正相关关系，即是公共服务态度越高，其幸福指数也就越高，幸福感就越强。

幸福指数相关变量热力图分析

使用热力图来通过将数据集中能够与幸福指数进行相关分析的变量全都在热力图中进行分析，图中的行和列分别代表不同的变量，其中就包括了id、出生年、个人收入、家庭收入、幸福指数，所对应的每个方格表示其相关性，颜色由深蓝色到红色变化，其中深蓝色表示负相关，红色表示正相关，颜色越浅相关性越弱。在方格中也能看见其相关性数值。热力图可视化代码运行结果展示如下图4-12所示。

图4-12 热力图展示

创建热力图主要代码如下图4-13所示：

图4-13 热力图代码

由图4-12所示，能够看出id与其他变量的相关性都较弱，呈现为负相关，出生年与个人收入和家庭收入之间有着较弱的正相关，其他的为负相关。与幸福指数有着较大正相关相关性的为家庭收入，两者之间的相关性较强。

使用pyecharts技术进行可视化

不同职业家庭收入平均值折线图分析

绘制折线图通过职业分组来统计不同职业的家庭收入的平均值，在折线图中表示出来，用Groupby进行分组后用Mean统计家庭收入的平均值，折线图可视化代码运行结果渲染为html文件在网页上展示如下图4-14所示。

图4-14 职业与家庭平均收入的关系折线图网页页面展示截图

创建职业与家庭平均收入的关系折线图主要代码如下图4-15所示。

图4-15 职业与家庭平均收入的关系折线图可视化代码截图

不同性别个人收入和家庭收入平均值柱状图分析

绘制柱状图根据性别分组来统计个人收入和家庭收入的平均值，引入相关pandas库后，用groupby进行分组后用mean统计个人收入和家庭收入的平均值，不同性别个人收入和家庭收入平均值柱状图可视化代码运行结果渲染为html文件在网页上展示如下图4-16所示。

图4-16 不同性别个人收入和家庭收入平均值柱状图可视化页面展示截图

创建不同性别个人收入和家庭收入平均值柱状图的主要代码如下图4-17所示：

图4-17 不同性别个人收入和家庭收入平均值柱状图可视化代码截图

不同性别是否在城市居住饼图个数分析

绘制饼图根据性别分组来统计是否在城市的个数，引入相关pandas库后，用groupby进行分组后用count统计是否城市的个数，不同性别是否在城市居住个数饼图可视化代码运行结果渲染为html文件在网页上展示如下图4-18所示。

图4-18 不同性别是否在城市居住个数饼图可视化页面展示截图

创建不同性别是否在城市居住个数饼图的主要代码如下图4-19所示：

图4-19 不同性别是否在城市居住个数饼图可视化代码截图

结果分析

数据分析结果概述

对数据集进行描述性分析，使用代码查看了数据集中所有字段的类型和统计出了数据集中幸福指数、性别、是否有房、是否有车、公共服务态度、是否城市字段各级别的个数分布是多少，同时对数据按照出生年降序排序，对期分组统计，例如，按照是否有房进行分组统计其幸福指数级别的分布状况，可以明显看出有房的人幸福感强，为之后作决策提供依据。对数据集进行相关性分析，使用皮尔逊相关系数、斯皮尔曼相关系数和热力图相关性操作三个方法进行相关性分析，明显的看出，家庭收入对幸福感指数的影响较大，若想要提高幸福感，则需要对家庭收入进行提高。对数据集进行回归分析，构建多元线性回归模型，可知经过对分类变量进行编码处理后构建的多元线性回归模型对幸福指数的预测效果较好。

分析结果的实际应用

根据分析是否城市对幸福指数的影响较大，可以在对城市和农村之间的资金投入比例进行更改，政府可以加强对农村的资金投入，人力投入，改善服务设施和质量，在根据职业的不同对幸福指数的影响，可以对职业为其他和在编人员提供更多的公共服务支持，从而保证其幸福指数高，幸福感强。还可以制定开展健康宣传活动来促进民众身心健康安全，提供婚姻咨询服务来促进家庭和谐和政府可以提供就业或者增加就业渠道来促进收入水平提高等政策，来应对存在身体健康问题，婚姻状况问题和收入水平低的问题。对有房和无房人群中，实行住房补贴保障政策，来看对幸福指数的影响变化，评估政策是否有效，同时也可以根据评估来调整政策实施的方向，从而保证政策能够完美的提高民众的幸福感。

未来研究方向

未来可以对数据集进行使用更加复杂的统计方法来深入的探究各因数与幸福指数之间的关系，同时也分析多个因素之间的相互关系。查看因素之间是否存在相关性，正相关还是负相关，有助于对政策的实行和制定。也可以对其时间序列分析，来预测未来一段时间里面的变化趋势，观察随着经济发展和政策的制定，幸福感指数的演变如何。与国外的进行比较研究，来看在不同文化背景下的幸福指数相关因素的差异性。借鉴国外的研究取其精华去其糟粕，为我国公共服务更改，幸福感提高提供参考依据，推动我国公共服务水平的提升和幸福社会的建设。

研究不足与展望

在研究不足方面，数据集中虽然有着很多的字段，但是还会有着很多的相关数据的缺失，例如在文化程度上的缺失，文化水平的不同对收入水平和幸福指数等因数有着重大的影响。在对数据集进行分析时，使用了简单单一的分析方法来进行分析，可能无法发现数据之间的关系。

结论

本文通过对幸福感数据集进行处理和分析，对政府政策的实施和相关部门的管理起了重大的作用，能够制定出科学合理的政策措施来推动社会的发展和进步。同时，也关注入口结构变化，改善经济资源的分配情况、提高公共服务的质量和社会的均衡发展，从而全面的提高居民的生活质量水平和幸福感。基于Python的数据分析可以帮助我们对数据清洗过后的幸福感数据集进行有效分析和可视化。通过代码绘制出各种图表，包括柱状图、折线图、饼图、散点图和热力图等可视化图形，直观的展示出不同变量与幸福指数之间的关系和影响趋势。也对处理过后的数据集进行回归分析和相关性分析，分析出对幸福感影响相关性较大的变量。有助于政策和相关部门能够通过图表和分析结果快速了解影响幸福感的因素是什么，从而对症下药，制定出相关的措施和政策来应对和改善其情况，保证通过政策的实施后能够全面的提高整体的幸福感水平和促进社会的健康全面发展。本文也进行了使用MySQL数据库进行管理存储的应用和使用Flask框架来实现Web界面的开发，将处理过后的数据集在其里面存储管理，对其添加删除、分页和可视化展示的操作。

总之，基于Python的幸福感数据分析和处理可以很大的帮助到政府和相关部门政策的实施，对全面提高幸福感提供了很大的帮助，抓住其对幸福感影响较大的因素，对其重点政策改善，以提高居民生活质量水平，促进社会公平发展，实现社会的和谐发展，让居民的幸福感水平全体提高。

参考文献

李宝军.金融支持、制度信任对农民幸福感的影响研究[D].西北农林科技大学,2024.DOI:10.27409/d.cnki.gxbnu.2024.000082.

Helliwell, J. F., Layard, R., Sachs, J. D., De Neve, J.-E., Aknin, L. B., & Wang, S. (Eds.). (2024). World Happiness Report 2024. University of Oxford: Wellbeing Research Centre.

房月华,王璐,黄曜柠,等.衡水市居民幸福指数现状调查及影响因素分析[J].衡水学院学报,2023,25(01):36-40.

李梅,唐霞,杜鹃.在劳动实践中体验幸福感的思索[J].河北青年管理干部学院学报,2018,30(01):39-41.DOI:10.16278/j.cnki.cn13-1260/d.2018.01.007.

杨渺浩,刘松林,杨艾茜,等.我国居民自评健康状况对主观幸福感的影响因素分析[J].成都医学院学报,2024,19(03):524-529.

陆永来.《Python数据分析》课程教学案例库建设与应用研究[J].办公自动化,2024,29(19):41-44.

张玉叶,李霞.基于Pandas+Matplotlib的数据分析及可视化[J].山东开放大学学报,2023,(03):75-78.

叶红霞.基于生成式人工智能的高中Python教学实践研究[J].中国信息技术教育,2024,(24):62-64+112.

戴靓婕,王希. MYSQL数据库访问技术及Python运用研究 [J]. 长江信息通信, 2024, 37 (10): 54-56. DOI:10.20153/j.issn.2096-9759.2024.10.014.

周秦超,林向阳.基于网络爬虫程序的福州教育领域热点问题爬取分析[J].中国信息界,2024,(06):125-127.

王丹,董浪. 基于Pyecharts和Matplotlib的绘图原理研究 [J]. 科技创新与生产力, 2024, 45 (05): 121-123.

约翰·奈特,宋丽娜,拉曼尼·古纳提拉卡,等.中国农村的主观幸福感及其决定因素[J].国外理论动态,2014,(06):75-89.

许其裕.基于深度学习的计算机智能算法在数据分析中的应用研究[J].中国设备工程,2024,(23):31-33.

段红伟,刘飞,苏瑞雪.基于POI的武汉地铁7号线生活服务业空间分布[J].长江工程职业技术学院学报,2024,41(04):22-27.DOI:10.14079/j.cnki.cn42-1745/tv.2024.04.005

陆晓燕.基于多元线性回归模型的涂料中VOCs含量预测方法研究[J].大众标准化,2024,(20):181-183.

致谢

在我论文即将封笔之际，我的内心满怀感恩之情，千言万语凝于心中，我要向在我追逐学术之路上给予我帮助的人们献上最真诚、最深切的谢意。回想我写论文的时光，从刚开始的论文选题迷茫无措，到开题报告反反复复撰写，再到论文正文的字斟句酌，每一步都布满了荆棘，而每一次跨越困境，都离不开众人的帮扶。

首先，我要感谢的是我的母校云南大学滇池学院，为我提供了一个学习和成长的温床。在母校，我得到了优越的教学环境和良好的学术氛围。学校是我成长和学习的摇篮，为我的求学之路奠定了坚实的基础。我要特别感谢我的论文指导老师。高老师在我论文写作中耐心指导、认真负责和无私奉献，感谢您的帮助，让我能够完成论文的创作。高老师的耐心指导和给予我鼓励，让我受益匪浅，收获颇丰。同时，我也要由衷的感谢我的家人、朋友和同学们。感谢你们在我追求学业路上的支持和鼓励，让我能够专注于学业，追求自己的梦想，衷心感谢你们的帮助和支持，是你们的陪伴和鼓励让我走得更远，我定会铭记在心！

附录

Flask框架代码：

from flask import *

app = Flask(__name__,template_folder='templates')

@app.route('/show')

def show():

import pandas as pd

# 读取数据集

df = pd.read_excel("排序后的数据.xlsx")

# 前100条

df = df.head(100)

# 转为字典

html_table = df.to_html(index=False)

# 渲染模板并传递表格数据

return render_template('show.html', table=html_table)

@app.route('/')

def ss():

# 导入模块

from 框架.dbMySQLUtils import mysqldb

# 获取数据库链接

mydb = mysqldb()

# 定义sql语句

sql = “ select * from 排序后的数据 ”

# 查询所有

data = mydb.select_all(sql)

return render_template("a.html", data=data )

@app.route("/users")

def users():

# 导入模块

from 框架.dbMySQLUtils import mysqldb

# 获取数据库链接

mydb = mysqldb()

# 定义sql语句

sql = “select * from 排序后的数据 ”

# 查询所有

data = mydb.select_all(sql)

return render_template("users.html", data=data )

@app.route('/分页')

def datainfoPage(): # 方法名 不可以重复

tableName = "排序后的数据" # 表名

pageNum = 1 # 默认第一页

if request.args.get('p'): # "这是一个GET请求"

pageNum = request.args.get('p')

sql = " select 1 from %s " % (tableName);

# 导入模块

from 框架.dbMySQLUtils import mysqldb

mydb = mysqldb()

data = mydb.select_all(sql)

pageSize = 10 # 每页10条

pageNum = int(pageNum) # 页数

total = len(data) # 总条数

pages = int(total / pageSize) # 计算总页数

if total % pageSize > 0:

pages = pages + 1

sqlTwo = " select * from %s limit %s,%s " % (tableName, str((pageNum - 1) * pageSize), str(pageSize))

# 定义sql语句

# 执行查询操作

records = mydb.select_all(sqlTwo)

# current 当前页 pages总页数 records查询结果 total总条数

objData = {"current": pageNum, "pages": pages, "records": records, "total": total}

# ***控制前后各显示3个页码**

kstart = (pageNum - 3) if (pageNum - 3) > 1 else 1

kend = (pageNum + 3) if (pageNum + 3) < pages else pages

# 跳转页面 返回参数

return render_template("分页.html", data=records, current=pageNum, pages=pages, total=total, kstart=kstart,

kend=kend)

@app.route('/usersDelete')

def usersDelete():

#接受数据

id=request.args["id"]

# 导入模块

from dbMySQLUtils import mysqldb

# 获取数据库链接

mydb = mysqldb()

# 定义sql语句

sql = " delete from 排序后的数据 where id=%s "

# 给占位绑定参数值

val = (id,)

# 提交到数据库

mydb.commit_data(sql, val)

# 跳转到数据页面

return redirect("/users")

@app.route('/柱状图')

def 柱状图(): # 方法名 不可以重复

return render_template("柱状图.html")

@app.route('/饼图')

def 饼图(): # 方法名 不可以重复

return render_template("饼图.html")

@app.route('/折线图')

def 折线图(): # 方法名 不可以重复

return render_template("折线图.html")

if __name__ == '__main__':

# 0.0.0.0 支持远程访问

# port 端口号 推荐80

app.run(host="0.0.0.0",port=8888,debug=True)