天池新人赛幸福感数据分析+预测

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