“2019中国最具幸福感城市”（由新华社瞭望东方周刊、瞭望智库共同主办）调查推选结果于不久前的11月25日在广州发布。众所周知，“幸福感”对于城市来说十分重要。它意味着居民对所在城市的认同感、归属感、安定感、满足感，以及外界人群的向往度、赞誉度。 而随着互联网的诞生、科技的发展，网络普及程度/电商发展/地区生产总值（GDP）等指标是否影响着当地居民的幸福感，换句话来说，这几种因素的增值是否能提升当地居民情感上的积极影响、提高他们对所在城市的认同度，即对居民幸福感是促进还是抑制，正是我想探究的选题。
- 国家统计局：
- 百度百科：
- 2010-2016年分省互联网普及率（%）表格
- 2013-2018年分省电商销售额（亿元）表格
- 2014-2018年分省GDP（亿元）表格
- 2012-2019年中国最具幸福感城市前十排行榜
- 2012-2019中国最具幸福感城市入榜（前五）次数
***数据清洗***
互联网普及率2016 = list(zip(list(dfi.province),list(dfi.year_2016))) # 转换为列表
# print (互联网普及率2016)
电商销售额2018 = list(zip(list(dfs.province),list(dfs.year_2018)))
# print (电商销售额2018)
GDP2018 = list(zip(list(dfg.province),list(dfg.year_2018)))
# print(GDP2018)
happiness = list(zip(list(dfh.province),list(dfh.times)))
# print(happiness)***2012-2019中国最具幸福感城市推选评比入榜（前五）次数散点图***
from pyecharts import options as opts
from pyecharts.charts import Scatter
def scatter_base() -> Scatter:
c = (
Scatter(init_opts=opts.InitOpts(width="2500px", height="800px"))
.add_xaxis(list(dfh.province))
.add_yaxis("次数", list(dfh.times))
.set_global_opts(title_opts=opts.TitleOpts(title="2012-2019最具幸福感城市推选评比上榜（前五）次数"))
)
return c
scatter_base().render_notebook()（得出下图，具体可跳转html链接查看完整图及交互效果）
***2016中国分省互联网普及率热力图***
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType
def geo_heatmap() -> Geo:
c = (
Geo()
.add_schema(maptype="china")
.add(
"互联网普及率",
互联网普及率2016,
type_=ChartType.HEATMAP,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(),
title_opts=opts.TitleOpts(title="2016中国分省互联网普及率热力图"),
)
)
return c
分省互联网普及率热力图 = geo_heatmap()
分省互联网普及率热力图.render_notebook()（得出下图，具体可跳转html链接查看完整图及交互效果）
***近20年浙江省和天津市GDP对比图***
import plotly as py
from plotly.graph_objs import Scatter, Layout, Data
import plotly.graph_objs as go
浙江省 = go.Scatter(
x=[pd.to_datetime('01/01/{y}'.format(y=x), format="%m/%d/%Y") for x in df1.columns.values],
y=df1.loc["浙江省",:].values,
name = "浙江省"
)
天津市 = go.Scatter(
x=[pd.to_datetime('01/01/{y}'.format(y=x), format="%m/%d/%Y") for x in df1.columns.values],
y=df1.loc["天津市",:].values,
name = "天津市"
)
layout = dict(xaxis=dict(rangeselector=dict( buttons=list([
dict(count=3,
label="3年",
step="year",
stepmode="backward"),
dict(count=5,
label="5年",
step="year",
stepmode="backward"),
dict(count=10,
label="10年",
step="year",
stepmode="backward"),
dict(count=20,
label="20年",
step="year",
stepmode="backward"),
dict(step="all")
])),
rangeslider=dict(bgcolor="#F4FA58"),
title='年份'
),
yaxis=dict(title='亿元'),
title="近20年浙江省和天津市GDP对比"
)
fig = dict(data=[浙江省,天津市], layout=layout)
# py.offline.plot(fig, filename = "近20年浙江省和天津市GDP对比_含时间序列的滑块选择器.html")
# ^^^这里可以只放数据data，也可以将数据data和排版layout结合，这是典型的面向对象
py.offline.iplot(fig, filename = "近20年浙江省和天津市GDP对比.html")（得出下图，具体可跳转html链接查看完整图及交互效果）
考虑可读性，以上只展示了一部分图表，具体请看html链接
通过分省互联网普及率、电商销售额、GDP这三种维度的数据与“最具幸福感城市”上榜次数进行比较，结果发现这三者和城市的“幸福感”并无直接关系，也就是说，一个城市的经济发展水平越高、网络科技越发达，不代表当地居民的幸福感越强烈。
在分析过程中，发现近十年来浙江省的宁波和杭州这两所城市一直榜上有名，并且近几年有逐步上升的趋势，而天津市虽在2012-2014年连续上榜，却从2015年开始便没有再出现在榜内。于是我把浙江省和天津市拎出进行具体的对比，发现一个地区的电商发展情况与该城市的幸福感有一定的相关关系。
在这个信息科技大爆炸的年代，电商平台随网络发展而顺应崛起，可以说“网购”方便了很多人的生活，节约了不少工厂的资源成本，也通过网络连结到很多底层人民的生活。在一个电商发达的城市里，人民的生活更加便利、物质和精神需求更能得到满足。同时，电商行业的振兴也带来了很多前所未有的机会——网购、网络营销，再者，跟电商相关的领域和行业也将会迎来新的机遇，如直播带货、摄像器材等等。综上所述，电商的发展给当地居民带来情感上或多或少的积极影响。
快乐是人类生活与经济发展的终极目标，是衡量经济发展成功的最高指标。同样，幸福感对于城市来说也十分重要。通过以上数据清理分析和可视化呈现，不难发现居民所在城市幸福感与GDP、互联网普及率、电商销售额并无直接的正相关关系。但城市的电商发展一定程度上影响着该地居民的幸福感。
科学发展观下的社会发展不再仅仅是关注经济的增长，也不是以现代化为终极目标，而是切实回归以人为本的层面，关注民生问题，关注人民的感受。通过此次的数据交互可视化，我发现居民的幸福感和GDP、互联网普及率无正相关关系，即当地生产总值、互联网发达程度不能作为衡量当地居民幸福感的标准。若该市政府想要提升居民幸福感，不仅要关注经济建设，还需需提高文化建设、社会保障、精神需求、竞争压力等社会问题。