诞生背景

2019下半年的韩国娱乐圈是十分灰暗的，50天内崔雪莉、具荷拉、车仁河三位韩国艺人离世，在某种高压下，很多韩国艺人不敢休息，不敢说累，不敢喊痛，渐渐可能会患上抑郁症；据报道，这三位艺人生前都患有抑郁症，而自杀的原因可能也是抑郁症在作祟。
除了韩国，邻国日本的自杀概况也是比较堪忧，但近10年内，日本的自杀人数逐年降低，2019年日本的自杀人数为19959人，创下1978年开始统计以来的最低纪录。

以前自杀的概念往往被人们淡化，原因大概是"这件事可能与我无关"，但现在的社会能导致自杀的因素太多太多,学生可能学业问题，成年人可能由于事业家庭问题，不论是一时冲动还是彻底绝望而走向死亡，这对于个人、家庭或者社会影响都是巨大的；所以我认为一个国家的幸福指数不仅建立在教育、医疗、GDP上，自杀率也是评判的一个很重要的标准。
在Kaggle上有一份1985-2016年的自杀率概述数据集，本文既围绕该数据集进行数据分析。

解析数据

读取数据集如下图：

这个数据集一共有27820个样本，每个样本有12个特征——从左至右依次为：国家、年份、性别、年龄、自杀人数、人口、自杀率、国家年份、每年的HDI、国家每年GDP、人均GDP、出生年代；针对这份数据简单做一下特征降维，将几个对于结果影响较小的特征删去，比如国家年份、HDI；
这份数据涵盖约100个国家的自杀统计，主要集中在美洲、欧洲、非洲、大洋洲，而亚洲许多国家因为人口基数比较大，所以统计起来相对较难。

数据分析

1.自杀率总览

m	n	p = m/n
统计自杀总人数	统计国家总人口	自杀率(/100k)

首先处理的是这份数据中每年自杀率的变化趋势，从数据中获取自杀总人数与被统计国家总人口之后，即可计算出每一年的自杀率（/100k），可视化如下图。
1985-1995的自杀率总的来看上升程度是比较大的，并且在1995年达到了峰值——15.3 (/100k)；至此之后自杀率总体是成下降趋势的，但2016年却呈回升趋势，不能否定可能是在波动，即使现在人们生活的鸭梨普遍都会比较大，但也越来越多的人注重心理辅导，所以下降趋势一直会是被人们所期待的。

2.不同年龄自杀率及变化趋势

年龄为(75+years)的老人们自杀率是最高的，对于这个结果我其实是比较好奇的，这是因为老人可能看淡了人世了吗？但这一年龄的老人基数也比较低，也是导致自杀率较高的一个原因；(55-74years)和(35-54years)的自杀率位列二、三，这些年龄段也正是被种种问题困扰的一个时期，就业难、买房难、成家难、养娃难——鸭梨大呀！

不同年龄段自杀率变化趋势同总体变化趋势相似，约前十年呈上升趋势，而后20年呈下降趋势。

3.男女自杀比率

上面有一图中提到了日本自杀男性为女性2.3倍，但是在这份数据中，男女比例更甚至达到了3.3倍；可能男人肩上的鸭梨真的很大吧，但我认为一个男人应该有能力去承担生活中的种种，并且应该有积极的心态去面对生活中的种种，生而为人，本就应该认真热爱生活呀！

4.人均GDP隐存的影响

尽管线性回归(regplot)拟合出二者的关系近似一条平直线，但我认为人均GDP对自杀率还是具有一定影响的，如图黑线为一种反比例关系，从点的分布状态可以看出随着人均GDP增加，自杀率是明显下降的，也许这种推测不具有普遍性，但是GDP隐存的影响不可否认。

5.年代科普

年代代称	解释	年份
G.I.Generation	退伍军人一代（第二次世界大战期间出生）	1900-1924
Silent	沉默的一代（出生在大萧条时期）	1925-1940
Boomers	婴儿潮一代（历史上最大的人口一代）	1946-1964
Generation X	X一代（在艾滋病流行期间长大）	1965-1980
Millenials	千禧一代（现在人口最大的群体）	1985-1999
Generation Z	Z世代（第一个真正的数字原生代）	2000-2010

婴儿潮一代是统计中自杀人数最多的一代，这是建立在人口基数最大的条件下；沉默的一代由于出生在经济大萧条时期，所以人们生活也存在着不确定性，自杀人数自然也较多；相比之下Z世代没有获得较多数据，退伍军人一代正经历二战，大部人都生活在水深火热中，自杀人数自然而然也很低。

6.自杀率分布热力图

国家	自杀率（/100k）
立陶宛	40.415573（最高）
斯里兰卡	35.295152
匈牙利	32.761516
牙买加	0.521765（最低）
阿曼	0.736111
科威特	1.186433

自杀率最高的国家为立陶宛(Lithuania)，它曾受德国、苏联统治，直到到1991年9月6日才独立，据说立陶宛存在经济问题的历史是导致公民自杀的主要原因，并且自杀的大部分为男性；自杀率最低的国家是位于北美洲的牙买加(Jamaica)。
动图中可以看出欧洲的自杀率相比其他大洲是较高的，非洲的自杀率偏低，这可能也反映出自杀与社会生活之间的一种微妙关系；

分割线

也许自杀对于死者可能是自己能够看到的最后一点光斑，这也许是解脱自己的最好方式，但许多人也会认为这是一种无能的表现，包括我自己，生而为人，本就应该认真热爱生活，如果生活总能把你逼上绝路，那为什么不能相信绝处逢生呢？
———————————————————————————————————————————————
最近疫情比较严重，希望大家都能好好保护自己，和家人一起平平安安渡过难关
武汉加油、中国加油，冲冲冲！
关注微信公众号【喵说Python】，后台回复“Suicide”可获取源码供参考，感谢阅读！

Python数据分析——世界自杀概况分析相关推荐

python日本老龄化分析_基于Python关于世界自杀率影响因素的分析以及机器学习预测...
基于Python关于世界自杀率影响因素的分析以及机器学习预测文/刘子桦马若炎 [摘要]摘要 [期刊名称]<电子技术与软件工程> [年(卷),期]2019(000)017 [总页数 ...
【Python数据分析】文本情感分析——电影评论分析（二）
接上一篇<[Python数据分析]文本情感分析--电影评论分析(一)>. 目录文本向量化词袋模型 TF-IDF 建立模型构建训练集与测试集特征选择方差分析逻辑回归朴素贝叶斯 ...
python数据分析实战之用户分析及RFM模型分析
理论基础知识可以看我之前的博客: 1.python之Numpy知识点详细总结 2.python最最最重要的数据分析工具之pandas 3.pandas之表连接与高级查询也可以进入我的专栏:欢迎订阅哦 ...
Python数据分析项目讲解：分析世界五百强企业数据
前言哪个国家的世界五百强企业数量最多?今天带你用python来处理数据,并实现数据可视化,解决对现有数据产生的疑问. 本次代码是在 Jupyter Notebook 里面编写的先导入本次代码需要的 ...
【Python基础】Python数据分析实战之分布分析
◆ ◆ ◆ ◆ ◆ 前言分布分析法,一般是根据分析目的,将数据进行分组,研究各组别分布规律的一种分析方法.数据分组方式有两种:等距或不等距分组. 分布分析在实际的数据分析实践中应用非常广泛,常见的 ...
Python数据分析练手：分析知乎大V
知乎,可以说是国内目前最大的问答类社区.与微博.贴吧等产品不同,知乎上面的内容更多是用户针对特定的问题分享知识.经验和见解.咱们编程教室就有不少读者是从知乎上了解到我们的. 那么,知乎上都有哪些&qu ...
python数据分析实战：生存分析与电信用户流失预测
文章目录 1.背景 1.1 生存分析.KM曲线及Cox回归 1.2 案例背景 2.AIC向前逐步回归法进行特征选择 3.Cox模型搭建 3.1 特征重要性分析 3.2 模型校准 3.3 对个体进行预测 ...
python数据分析案例-利用生存分析Kaplan-Meier法与COX比例风险回归模型进行客户流失分析与剩余价值预测
目录 1. 概述 1.1 背景 1.2 目的 1.3 数据说明 2. 相关概念 2.1 事件 2.2 生存时间 2.3 删失 2.4 生存概率 2.5 中位生存时间 2.6 风险概率 3. 数据处理 ...
【Python数据分析】文本情感分析——电影评论分析（一）
情感分析是文本分析的一种,它能够从一段文本描述中理解文本的感情色彩,是褒义.贬义还是中性.常见的情感分析的使用场景就是客户对商品或服务的评价.反馈,传统模式下的人工审核,不仅消耗大量人力,而且效率 ...

Python数据分析——世界自杀概况分析