天池新人赛幸福感数据分析+预测

本文通过参与天池新人赛幸福感预测赛题,分析了影响幸福感的因素,包括性别、年龄、城市农村分布、收入合理程度、社会经济地位和公平感。数据显示女性和城市居民幸福感较高,年龄和收入合理程度对幸福感有显著影响。最后,通过主成分分析和神经网络模型对测试集的幸福指数进行了预测。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

天池新人赛幸福感预测赛题链接 https://tianchi.aliyun.com/competition/entrance/231702/introduction 

本文将按以下几个步骤描述,数据分析的流程:

  1. 提出问题,给出分析目的;
  2.  数据清洗与处理;
  3. 数据分析及可视化;
  4. 建立模型及预测分析;
  5. 分析结果.

1.提出问题,给出分析目的

幸福感是一个古老而深刻的话题,是人类世代追求的方向。与幸福感相关的因素成千上万、因人而异,大如国计民生,小如路边烤红薯,都会对幸福感产生影响。在这些错综复杂的因素中,如何找到其中的共性,一窥幸福感的要义,进而提升人民的幸福感,能去帮助那些抑郁不开心的人,这,是展开幸福感数据分析的目的。

基于调查人群的相关特征,提出关于幸福感的几个问题如下:

  1. 调查人群数据中的整体幸福状况?
  2. 什么会影响一个人的幸福感?如何提升幸福感?
  3. 利用训练集数据,如何预测测试集中的幸福指数?

针对问题一,利用matplotlib、seaborn画图库可视化整体人群的幸福状况;针对问题二,采用逻辑树的方法进行分析,将问题分层罗列,逐步向下展开,并可视化辅助分析;针对问题三,在问题二的基础上提出相应的建议。给出问题之后我们开始处理数据。

2.数据清洗与处理

  • 分析工具:Jupyter notebook

首先观察数据,训练集happiness_train_complete.csv文件标签有调查人员id,幸福指数,城市,年龄等等......总共140个标签,8000条人员数据。一览如下:

导入查看数据,解析survey_time列的值作为独立的日期列,

train = pd.read_csv('happiness_train_complete.csv', parse_dates=['survey_time'], encoding='utf-8')
test = pd.read_csv('happiness_test_complete.csv', parse_dates=['survey_time'], encoding='utf-8')
train.head()


数据预处理包括:发现和填补缺失值、数据类型转换、异常值删除等。

首先查看幸福指数happiness的取值,

将将happiness中的‘-8’无法回答,改为‘3’说不上幸福不幸福,

检查是否有缺失值,

填充缺失值,hukou_loc以户口待定‘4’填充、family_income以均值填充,

数据中的空值以0填充,

for i in train_data.columns: 
	for j in train_data.index:
		if np.isnan(train_data[i][j]):
			train_data[i][j] = 0

由于数据表中只有调查时间和出生年份,所以计算调查者年龄,调查年份-出生年份

评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值