https://github.com/rociobenitez/happiness-index-data-processing
Repository for Big Data Processing - Contains Jupyter Notebooks and Datasets for data analysis and processing tasks related to Big Data.
https://github.com/rociobenitez/happiness-index-data-processing
big-data big-data-processing data-analysis data-processing happiness-index happiness-report jupyter-notebook matplotlib pandas seaborn
Last synced: 3 months ago
JSON representation
Repository for Big Data Processing - Contains Jupyter Notebooks and Datasets for data analysis and processing tasks related to Big Data.
- Host: GitHub
- URL: https://github.com/rociobenitez/happiness-index-data-processing
- Owner: rociobenitez
- Created: 2023-11-01T08:45:40.000Z (almost 2 years ago)
- Default Branch: main
- Last Pushed: 2025-05-28T05:41:22.000Z (4 months ago)
- Last Synced: 2025-05-28T06:28:59.922Z (4 months ago)
- Topics: big-data, big-data-processing, data-analysis, data-processing, happiness-index, happiness-report, jupyter-notebook, matplotlib, pandas, seaborn
- Language: Jupyter Notebook
- Homepage: https://medium.com/@rociobenitez2403/explorando-el-mundo-del-big-data-4f0b55e50bfc
- Size: 8.21 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Happiness Index Analysis
Este repositorio contiene un proyecto de análisis de datos sobre el informe de felicidad mundial, combinando técnicas de preprocesamiento, análisis exploratorio y visualización utilizando Jupyter Notebooks.
**El objetivo es explorar la relación entre el índice de felicidad, el GDP per cápita, la expectativa de vida y otros indicadores a lo largo de los años**.
## Objetivos del Proyecto
- Explorar la felicidad mundial utilizando conjuntos de datos reales (2020-2021).
- Comparar el índice de felicidad por país, región y año.
- Relacionar variables socioeconómicas (GDP, expectativa de vida) con la percepción de bienestar.
- Aplicar técnicas básicas de análisis de datos usando Python (pandas, matplotlib, seaborn).
## Estructura del Repositorio
```
happiness-index-data-processing/
├── data/
│ ├── world-happiness-report-2021.csv
│ └── world-happiness-report.csv
├── docs/
│ └── questions-analysis.md
├── notebooks/
│ ├── data-analysis.ipynb
│ └── data-visualization.ipynb
```
## Ejercicios y Análisis
El cuaderno Jupyter analiza los siguientes puntos clave:
1. **País más feliz del mundo en 2021**
Se determina mediante el mayor `Ladder score`.
2. **País más feliz por continente**
A partir del mapeo entre regiones y continentes se identifica el país líder en cada uno.
3. **País que más veces ocupó el primer lugar entre 2005 y 2021**
Se evalúa con varias estrategias (`idxmax()`, `apply()`, rankings).
4. **Relación entre GDP y felicidad**
Se analiza la posición en el ranking de felicidad del país con mayor GDP en 2020.
5. **Variación del GDP promedio mundial entre 2020 y 2021**
Se calcula la variación porcentual y se analizan sus implicaciones.
6. **País con mayor expectativa de vida**
Se compara el indicador en los años 2019, 2020 y 2021.
> Ver detalles completos en [`docs/questions-analysis.md`](docs/questions-analysis.md)
## Uso del repositorio
1. Clona o descarga este repositorio:
```bash
git clone git@github.com:rociobenitez/happiness-index-data-processing.git
cd happiness-index-data-processing
```
2. Instala las dependencias:
```bash
pip install -r requirements.txt
```
3. Abre los notebooks utilizando [Jupyter Notebook](https://jupyter.org/) o [Jupyter Lab](https://jupyterlab.readthedocs.io/en/latest/).
4. Explora y analiza los datos ejecutando los cuadernos disponibles, especialmente `data-visualization.ipynb` para visualizaciones y `questions-analysis.ipynb` para insights.