用Power BI观察经济与健康的关系

Hans Rosling是卡罗琳学院的国际卫生学教授。这位学者与众不同的技能是数据可视化。以直观的数据展现了令人信服的世界观，而且在gapminder.org提供无偿展示以及下载。假设你没有看过下面的TED讲座，真心建议你花点时间。保证物有所值：

1. Hans Rosling: Asia’s rise — how and when
2. Hans Rosling: Let my dataset change your mindset

这里，我们想通过Power BI模仿Hans Rosling来观察一下经济与健康之间的关系。经济数据最直接的就是GDP了，好在The World Bank提供了1960年至今的数据。健康指标有很多。比方预期寿命，只是我们这里想採用的是Body Mass Index身体指数。

简而言之，BMI就是体重（公斤）除以身高的平方（米），是眼下国际上经常使用的衡量人体胖瘦程度以及是否健康的一个标准，一般而言在18.5到25之间是比較合适的。我们感兴趣的是。一个国家经济越景气，人民的BMI是否越和谐。感谢Gapminder提供了从1980年到2008年的数据。当然，我们最好再加上一个人口维度。以便观察世界主要国家，数据也能够从The World Bank下载。

首先用Power Query准备数据。好在Gapminder和The World Bank都提供了Excel格式输出，完成下载之后能够直接导入。这里有个技巧就是逆透视。比方，Gapminder提供了某个国家逐年的BMI数据。可惜透视完了的数据无法做分析的：

所以须要选中全部的年份列，然后选择Unpivot指令。整理以后例如以下所看到的：

对GDP以及人口数据做相同的操作，不再赘述。

接下来要对数据建模。以便聚合并分析。

关于数据建模，第一步就是找到不同数据源列与列之间的关系。一种做法就是利用Power Query的Merge功能，详细做法请參考用Power BI展示中国摩天大楼一文。

还有一种做法就是直接利用PowerPivot建立内外键。个人感觉，Power Query的Merge功能只对小型的数据集比較合适，对于大型数据，PowerPivot更有效率。这里採用后者。术业有专攻嘛。

老规矩。先把刚才所有建立的query所有导入Power Pivot中，然后建立之间的关系。

非常明显，三个数据集直接的关联就是Country和Year这对组合键。因为PowerPivot并不支持组合键的关联，我们须要分别建立计算列。=[Country] & “@” & [Year]，命名为Id，然后关联起来就可以：

最后就能够展示数据啦。新建一个Power View，X VALUE放GDP，Y VALUE放BMI，SIZE放Population以示差别，DETAILS和COLOR都放Country，最后在PLAY AXIS放Year。

考究一点的。还能够过滤人口在五千万以上，以及只显示1979至2009年之间的数据。

结果例如以下：

当中，横轴是GDP。越大经济越好；纵轴是BMI，18至25之间都合理。圆圈大小代表国家人口。

结果是以动画形式展现的，这里请自行发挥想象。

能够看到，美国经济一马当先，在身材肥胖方面也是当仁不让。好莱坞里面的帅哥美女并不代表美国普罗大众。现实生活中因为肥胖导致的高额医疗费用也给国家带来不小负担。我认识一个美国朋友就常常抱怨说。他吃心吃力赚钱并锻炼，却要缴税给不锻炼不努力赚钱的人看病。

英国、德国、意大利、法国等西欧国家。以及巴西、墨西哥等南美国家与美国也是相当类似。

与西欧和南美国家相比，日本、中国、印度、巴基斯坦等亚洲国家看起来身材都相当能够的嘛！

只是细致推敲一下，这究竟是锻炼出来的呢还是饿出来的呢？让我们再计算一下人均GDP，例如以下图所看到的：

这么一来就真相大白了。

日本是个可敬可畏的国家，与欧美国家不一样，在经济发达的同一时候也保持着非常好的身材。

曾经在日本旅行的时候，推断一个人是否是日本人的一个重要根据就是身材，丰满一些的十有八九是外国人。

而中国、印度、巴基斯坦、印尼等亚洲国家，我想还是生活物质不富足导致BMI正常的原因多一些，部分发达的大都市并不能代表整个国家。纵然中国的GDP可以赶超日本，看一下人均，应该会冷静客观非常多。

至此，在Power BI的帮助下，我们看到经济与健康之间并没有必定的联系，主要还是每一个国家自己的选择。

中国须要更有清醒认识，在努力实现中国梦的同一时候，也应该力争高富帅和白富美。

原文链接：http://qizh.me。