Описание
В современном мире показатель ВВП перестает быть единственным мерилом успеха государства. Всё больше внимания уделяется субъективному благополучию граждан — «индексу счастья». Актуальность исследования заключается в попытке ответить на вечный вопрос: действительно ли экономическое процветание гарантирует счастье?
В данном проекте я исследую данные World Happiness Report 2025, чтобы выявить скрытые закономерности и определить, какие социальные и экономические факторы оказывают наибольшее влияние на удовлетворенность жизнью.
Цели и задачи
Цель: Провести разведочный анализ данных (EDA) и визуализировать глобальные тренды счастья.
Задачи:
- Сравнить уровень счастья в развитых и развивающихся странах.
- Проверить гипотезу о линейной зависимости между доходами и счастьем.
- Выявить региональные кластеры (Европа, Азия, Америка).
- Создать качественную и стильную инфографику для презентации результатов.
Методология и инструменты
Стек технологий Для реализации проекта был выбран язык программирования Python, так как он является стандартом де-факто в области анализа данных.
• Pandas: Использовался для загрузки, очистки и манипуляции табличными данными.
• Matplotlib: Основной инструмент визуализации. Был выбран за возможность детальной настройки каждого элемента графика (шрифты, цвета, оси).
• NumPy: Применялся для вспомогательных математических расчетов (корреляционные матрицы, генерация шума для визуализации).
Особенности стилизации
Чтобы проект выделялся на фоне стандартных академических работ, я разработала собственную дизайн-систему «Neon Cyberpunk»:
Цветовая палитра: Использован темный фон (#121212) для снижения зрительной нагрузки и создания контраста. Основные цвета данных — неоновый голубой (Cyan), пурпурный (Magenta) и желтый.
Шрифты: Использован гротеск (Arial/Sans-serif) для лучшей читаемости цифр и подписей.
Лидеры мирового рейтинга
Лидеры мирового рейтинга
Диаграмма наглядно демонстрирует безусловное доминирование стран Северной Европы. Финляндия, Дания и Исландия занимают пьедестал почета. Разрыв между первым местом (Финляндия) и десятым (Австралия/Новая Зеландия) составляет почти 0.7 балла, что статистически значимо для 10-балльной шкалы.
Вывод: «Скандинавская модель», сочетающая высокие налоги с мощной социальной защитой и доверием к институтам, является наиболее эффективной «формулой счастья» на сегодняшний день.
Экономический фактор: ВВП против Счастья
Экономический фактор: ВВП против Счастья
На скаттер-плоте (диаграмме рассеяния) мы видим сильную положительную корреляцию. Страны с высоким ВВП на душу населения (правая часть графика) концентрируются в верхней зоне «счастья».
Однако стоит заметить интересные аномалии:
Некоторые страны Латинской Америки (примерно в центре графика) показывают уровень счастья выше, чем можно было бы ожидать при их уровне ВВП.
Напротив, некоторые богатые азиатские страны показывают более скромные результаты по счастью, что может говорить о высоком уровне стресса или социальных ожиданиях.
Матрица корреляций: Что определяет успех?
Матрица корреляций: Что определяет успех?
Тепловая карта (Heatmap) позволяет количественно оценить связи.
ВВП (0.78): Самый сильный предиктор. Деньги дают базовую безопасность, что критично для счастья.
Социальная поддержка (0.76): Почти не уступает деньгам. Ощущение, что «тебе помогут в беде», фундаментально важно.
Ожидаемая продолжительность жизни: Также имеет высокую связь, так как здоровье и доступ к медицине напрямую влияют на качество жизни.
Географический разрез
Географический разрез
График распределения по регионам (Regions Strip Plot) вскрывает неравенство:
Западная Европа — самый «плотный» и счастливый кластер. Здесь почти нет «несчастных» стран.
Африка и Южная Азия — регионы с наибольшим потенциалом для роста. Разброс значений здесь велик, что говорит о неоднородности развития стран внутри континентов.
Латинская Америка — феномен «счастья вопреки». Культурные особенности региона способствуют высокому позитивному настрою граждан, несмотря на экономические трудности.
Описание применения технологий ИИ
Code Review и Debugging: ИИ использовался для поиска синтаксических ошибок в библиотеке
matplotlibпри настройке сложной кастомной темы (в частности, настройкаrcParamsдля темного фона).Стилистические рекомендации: Модель предложила несколько вариантов цветовых палитр, из которых была выбрана схема «Neon» как наиболее контрастная и подходящая для презентации данных.
Структурирование отчета: ИИ помог составить план данного отчета, разбив его на логические блоки (Введение, Методология, Анализ), что улучшило читаемость итогового материала.
Важное примечание: Весь код был верифицирован, а выводы сформулированы и отредактированы мной самостоятельно. ИИ не использовался для генерации «фейковых» выводов, а лишь ускорял техническую часть работы.
