EDA 2023 年世界国家suicide rate排名

前言:

随着社会的不断发展和变迁，人们对于各种社会问题的关注也在不断扩大。在这个信息爆炸的时代，数据分析成为了深入理解和解决社会问题的有力工具之一。在这篇博客中，我们将聚焦于一个备受关注的话题——suicide rate，并通过对 2023 年全球各国的suicide rate进行探索性数据分析（Exploratory Data Analysis, EDA），来了解这一问题在不同国家的表现。

suicide rate不仅是一个深刻的社会问题，也反映了一个国家在心理健康、社会福祉等方面的表现。通过对suicide rate进行综合分析，我们有望更全面地认识到这个问题的复杂性，为制定相应的预防和支持措施提供更科学、更精准的依据。

关于数据集

按性别和国家划分的suicide rate（年龄标准化，每 10 万人，世界卫生组织，2023 年）

列

• Country - 地区；
• All - 男 + 女；
• Male - 仅限男性；
• Female - 仅限女性；
• M/F - 女性与男性的比例；
• 2000 - 全部在 2000 年；
• Change% - 从 2000 年到 2023 年的百分比变化。

导入模块

1. import numpy as np: 引入NumPy库，通常用于进行数值计算和数组操作。
2. import pandas as pd: 引入Pandas库，用于数据操作和分析。常用的数据结构是DataFrame。
3. import matplotlib.pyplot as plt: 引入Matplotlib库，用于绘制静态图表。
4. %matplotlib inline: 这是一个Jupyter Notebook的魔术命令，用于在Notebook中直接显示Matplotlib图表。
5. import seaborn as sns: 引入Seaborn库，用于创建更美观的统计图表。
6. sns.set_theme(style=‘whitegrid’, palette=‘viridis’): 设置Seaborn的主题样式和调色板。
7. import plotly.express as px: 引入Plotly Express库，用于创建交互式图表。
8. import warnings 和 warnings.filterwarnings(‘ignore’): 用于忽略警告信息，可以使输出更整洁。
9. import os 和 for dirname, _, filenames in os.walk(‘/kaggle/input’): 用于遍历指定路径下的文件。

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
sns.set_theme(style='whitegrid', palette='viridis')
import plotly.express as px

import warnings
warnings.filterwarnings('ignore')

import os
for dirname, _, filenames in os.walk('/kaggle/input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))

导入数据

df = pd.read_csv('/kaggle/input/world-countries-rankings-by-suicide-rate-2023/world_suicide_rate_2023.csv')
iso_map = pd.read_csv('/kaggle/input/country-mapping-iso-continent-region/continents2.csv')
df.head(10)

数据预处理

df.describe().T.style.background_gradient(cmap='Reds')

使用Pandas中DataFrame的describe()方法来获取数据集的基本统计信息，接着使用了.T进行转置，最后应用了样式，通过style.background_gradient(cmap=‘Reds’)实现了基于渐变色的背景。

这段代码的作用是创建一个渐变色的表格，以更直观地展示数据集的统计信息。颜色深浅表示数值的大小，通常在数据集较大时，这样的可视化方式有助于快速识别数据分布和趋势。

def summary(df):
    summary_df = pd.DataFrame(df.dtypes, columns=['dtypes'])
    summary_df['count'] = df.count().values 
    summary_df['unique'] = df.nunique().values
    summary_df['missing#'] = df.isna().sum()
    summary_df['missing%'] = df.isna().sum() / len(df)
    return summary_df
summary(df).style.background_gradient(cmap='Reds')

生成了一个数据框，包含了数据框中每个列的一些摘要统计信息。具体来说：

• summary_df[‘dtypes’]: 列出每列的数据类型。
• summary_df[‘count’]: 计算每列的非缺失值数量。
• summary_df[‘unique’]: 计算每列的唯一值数量。
• summary_df[‘missing#’]: 计算每列的缺失值数量。
• summary_df[‘missing%’]: 计算每列缺失值在总数中的百分比。

通过.style.background_gradient(cmap=‘Reds’)为生成的摘要数据框应用了渐变色的样式，以提供更直观的可视化。

从返回结果可以得出，该数据中没有缺失值。

探索性数据分析

按性别划分的自杀率 [箱线图]

plt.figure(figsize=(8,6))
sns.boxplot(data=df[['Female', 'Male']])
plt.title('Box Plot: Suicide Rates by Gender')
plt.ylabel('Suicide Rate')
plt.tight_layout()
plt.show()

• plt.figure(figsize=(8,6)): 设置图表的大小为8x6英寸。
• sns.boxplot(data=df[[‘Female’, ‘Male’]]): 使用Seaborn的boxplot函数绘制箱线图，展示了"Female"和"Male"两列的数据分布情况。
• plt.title(‘Box Plot: Suicide Rates by Gender’): 设置图表的标题。
• plt.ylabel(‘Suicide Rate’): 设置y轴的标签。
• plt.tight_layout(): 调整布局，确保图表不会被截断。
• plt.show(): 显示图表。

男性自杀比例高

相关矩阵热图

num_cols = df.select_dtypes(include=['float64', 'int64']).columns.to_list()
ndf = df[num_cols].corr()

plt.figure(figsize=(8,6))
mask = np.triu(np.ones_like(ndf, dtype=bool))
sns.heatmap(ndf, annot=True, cmap='viridis', linewidths=.5, mask=mask)
plt.title('Heatmap of Correlation Matrix')
plt.tight_layout()
plt.show()

• num_cols = df.select_dtypes(include=[‘float64’, ‘int64’]).columns.to_list(): 选择数据集中的数值型列，将列名存储在num_cols列表中。
• ndf = df[num_cols].corr(): 创建一个包含数值型列之间相关系数的相关性矩阵。
• plt.figure(figsize=(8,6)): 设置图表的大小为8x6英寸。
• mask = np.triu(np.ones_like(ndf, dtype=bool)): 创建一个上三角形掩码，以隐藏相关性矩阵的下半部分，避免重复显示。
• sns.heatmap(ndf, annot=True, cmap=‘viridis’, linewidths=.5, mask=mask): 使用Seaborn的heatmap函数创建热力图，颜色深浅表示相关性的强弱，同时在方格中显示相关系数的数值。
• plt.title(‘Heatmap of Correlation Matrix’): 设置图表标题。
• plt.tight_layout(): 调整布局，确保图表不会被截断。
• plt.show(): 显示图表。

自杀率最高的 15 个国家

df[1:].head(15).style.background_gradient(cmap='Reds')

自杀率最高的是Lithuania.

变化百分比最高的 15 个国家/地区

top15_by_change = df[1:16].sort_values(by='Change%', ascending=False)
top15_by_change.head(15).style.background_gradient(cmap='Reds')

2023 年世界地图上自杀率的国家

df = df[1:]
iso_map = iso_map[['name', 'alpha-3']]
iso_map.rename(columns = {'name': 'Country', 'alpha-3': 'ISO_alpha'}, inplace=True)
iso_map['Country'] = iso_map['Country'].str.lower()
df['Country'] = df['Country'].str.lower()

• iso_map = iso_map[[‘name’, ‘alpha-3’]]: 选择了iso_map数据框中的’name’和’alpha-3’两列。
• iso_map.rename(columns={‘name’: ‘Country’, ‘alpha-3’: ‘ISO_alpha’}, inplace=True): 重命名了’iso_map’数据框的两列，将’name’列重命名为’Country’，将’alpha-3’列重命名为’ISO_alpha’。inplace=True表示直接在原始数据框上进行修改。
• iso_map[‘Country’] = iso_map[‘Country’].str.lower(): 将’Country’列中的所有字符转换为小写字母，这样可以确保不同数据框中的国家名字的大小写一致。
• df[‘Country’] = df[‘Country’].str.lower(): 同样，将’df’数据框中的’Country’列中的所有字符转换为小写字母。

df.head()

df = pd.merge(df, iso_map, on='Country', how='left')

• pd.merge(df, iso_map, on=‘Country’, how=‘left’): 这行代码将df和iso_map两个数据框按照’Country’列进行左连接，即保留df中所有的行，并将iso_map中匹配的行合并进来。连接的方式由how参数指定，这里使用的是左连接（how=‘left’），表示以df为主表，按照’Country’列将两个数据框合并。
• 结果会生成一个新的数据框，包含了df中的所有列以及iso_map中的’ISO_alpha’列。on='Country’表示连接的键是’Country’列。

df.head(10)

xmap = px.choropleth(df, locations='ISO_alpha', color='All', scope='world', title='World Countries by Suicide Rates 2023',
                     color_continuous_scale='viridis', hover_name='Country')
xmap.show()

这里使用了Plotly Express库中的choropleth函数，创建了一个世界地图，用颜色表示不同国家的自杀率。让我为你解释一下：

• df: 指定要使用的数据框。
• locations=‘ISO_alpha’: 指定地理位置的列，这里是ISO_alpha，用于与地图上的国家/地区相匹配。
• color=‘All’: 指定用于着色的列，这里是’Suicide Rates’的总和（假设 ‘All’ 列在数据框中）。
• scope=‘world’: 指定地图的范围，这里是全球。
• title=‘World Countries by Suicide Rates 2023’: 设置地图的标题。
• color_continuous_scale=‘viridis’: 设置颜色的渐变色带。
• hover_name=‘Country’: 当鼠标悬停在地图上的特定国家时，显示国家名称。
• xmap.show(): 显示生成的地图。

结尾:

通过对 2023 年世界各国suicide rate的深入分析，我们不仅仅是在观察数字背后的故事，更是在寻找解决问题的线索。suicide rate问题是一个多维度的挑战，需要社会各界的共同努力来制定有效的预防和干预策略。通过数据分析，我们能够更清晰地看到suicide rate背后的社会、经济、文化等方面的影响因素，这为我们提供了更有针对性的解决方案的可能性。

希望这次的数据分析能够引起更多人对suicide 问题的重视，激发社会对心理健康的更深层关注。只有通过共同的关心和努力，我们才能够建设一个更加健康、关爱的社会。