통계청 출생아수 데이터 분석하기

 

  해당 데이터는 KOSIS 국가통계포털 사이트에 접속하여 [인구]-[인구동향조사]-[출생]-'시군구/성/월별 출생' 클릭하여 시군구별은 '전국'을 선택하고 시점은 1997.01~2018.12로 설정하여 csv 파일 형식으로 다운받는다. (출처 영상 url은 아래)

 

https://kosis.kr/statisticsList/statisticsListIndex.do?vwcd=MT_ZTITLE&menuId=M_01_01&outLink=Y&entrType=#content-group 

KOSIS 국가통계포털

 

전체 결과 코드 : https://github.com/vavana619/population-kosis

GitHub - vavana619/population-kosis

---

1. 통계청 출생아수 (시도/시/군/구)

 

pandas 라이브러리 불러오기

import pandas as pd

 

다운받은 csv 파일 데이터 불러와서(read_csv) 데이터의 개수(shape) 출력하기 (행, 열)

df_kosis = pd.read_csv("C:/data/population_kosis_1997_2018.csv", encoding="cp949")
df_kosis.shape

(19, 793)

 

불러온 데이터를 미리보기(head)

df_kosis.head() # 미리보기

column이 많아서 ... 으로 생략됨

생략된 부분을 다 볼 수 있도록 설정하기

pd.options.display.max_columns = 793 # 생략된 columns을 다 볼 수 있음
df_kosis.head()

 

1) Tidy Data

: column에 있는 값을 행으로 녹이는 것을 의미한다. → melt(id_vars="행으로 보낼 column 이름")

 

"시군구별"을 행으로 보내서 Tidy data로 만들어주기

df = df_kosis.melt(id_vars="시군구별")
df.head()

 

"시군구별"의 행의 유일한 값 출력하기 -> unique()

df["시군구별"].unique()

 

값 중에서 "시군구별"의 "시군구별"은 필요없는 데이터이므로 제거하여 다시 df에 저장하여 전처리 전후 크기 비교

print(df.shape) # 전처리 전 행과 열의 수
df = df[df["시군구별"] != "시군구별"].copy() # "시군구별"이 아닌 데이터만 사용하여 다시 df에 저장
df.shape # 전처리 후 행과 열의 수

(15048, 3)
(14256, 3)

-> 약 200개 정도 사라짐

 

해당 데이터가 사라졌는지 다시 확인

df["시군구별"].unique()

"시군구별" 행이 사라진 것을 볼 수 있음

df.head()

"시군구별" 행이 사라진 것을 볼 수 있음

 

- "variable"에 있는 데이터를 .을 기준으로 나눠서 연도/월/성별 column에 저장하기 -> str.split()[가져올 데이터 순서]

- expand=True : 결과를 데이터프레임 형태로 반환

- "성별"이 None인 것은 전체를 의미, 1은 남자, 2는 여자

df["연도"] = df["variable"].str.split(".", expand=True)[0] # .을 기준으로 문자를 나눠서 연도만 가져와서 저장
df["월"] = df["variable"].str.split(".", expand=True)[1] # .을 기준으로 문자를 나눠서 월만 가져와서 저장
df["성별"] = df["variable"].str.split(".", expand=True)[2] # .을 기준으로 문자를 나눠서 성별만 가져와서 저장
df.head()

세 개의 column이 추가됨

df 데이터프레임 마지막 부분 미리보기로 확인

df.tail()

 

"성별"의 데이터 출력 (중복 X)

df["성별"].unique()

array([None, '1', '2'], dtype=object)

-> 1과 2는 숫자가 아니라 문자형임!

 

nunique() : unique 함수로 출력된 데이터의 개수 (None은 제외한 개수)

df["성별"].nunique()

2

 

"성별" column의 결측치(None)을 "전체"로 채우기 -> fillna("결측치 대신 넣을 값")

df["성별"] = df["성별"].fillna("전체")
df["성별"].unique()

array(['전체', '1', '2'], dtype=object)

 

"성별" column에서 '1', '2'도 "남자", "여자"로 바꿔주기 -> replace("변경 전 값", "변경 후 값")

df["성별"] = df["성별"].replace("1", "남자").replace("2", "여자")
df["성별"].unique()

array(['전체', '남자', '여자'], dtype=object)

 

"성별" column의 각 데이터의 합계 구하기 -> value_counts() (Series 데이터에만 적용이 가능함)

df["성별"].value_counts()

 

column 이름 변경하기 -> rename(columns={"변경 전 값", "변경 후 값"})

df = df.rename(columns={"variable":"기간", "value":"출생아수"})
df.head()

 

데이터프레임 요약결과 출력

df.info()

 

- "출생아수" 데이터가 object형이기 때문에 int형으로 변경 시도 -> astype(원하는 형태)

- 그러나, '-' 기호 데이터가 존재하여 오류 발생하므로 해당 데이터를 결측치로 변경 -> replace

- 결측치는 float형이기 때문에 "출생아수" 데이터를 float형으로 변경

# df["출생아수"].astype(int) # object형태를 숫자로 변경 -> 오류 (맨 밑출 참고)
df["출생아수"] = df["출생아수"].replace("-", np.nan) # 기호 -를 결측치로 변경
# df["출생아수"].astype(int) # 결측치는 float 타입이므로 강제로 정수로 바꿀 수 없음

df["출생아수"] = df["출생아수"].astype(float) # float 타입으로 변경
df["출생아수"].describe() # 요약하기

 

전국 출생아수를 가져와서 df_all에 담아서 미리보기

df_all = df[(df["시군구별"] == "전국") & (df["성별"] == "전체")]
df_all.head(2)

 

필요한 데이터(연도/월/출생아수)만 따로 모아서 다시 담기

df_all = df_all[["연도", "월", "출생아수"]].copy()
df_all.head()

 

2) 전국의 월별 출생아수

 

① Pandas로 시각화하기

 

시각화에 필요한 라이브러리 불러오고 폰트 설정(한글 깨짐 방지)

import matplotlib.pyplot as plt

plt.rc("font", family="Malgun Gothic") # Window 사용자

 

연도, 월별 출생아수 보기 -> set_index()로 dataframe의 인덱스를 지정하여 plot 그래프 그리기

df_all.set_index(["연도", "월"]).plot(figsize=(15, 4))

꾸준히 감소해왔음을 알 수 있음 (특정 주기별로 증가하거나 감소함)

 

인덱스를 "연도"와 "월"로 정하고 최근 48개월에 대해서만 막대 그래프로 그리기

df_all[-48:].set_index(["연도", "월"]).plot.bar(figsize=(15, 4))

매해 1, 3월이 많고 12월이 적은 것을 알 수 있음

② Seaborn로 시각화하기

 

- Seaborn 라이브러리 가져오기

- 장점 : 통계적인 연산을 seaborn 내부에서 해줌

import seaborn as sns

 

- 1~12월 데이터에 대한 평균(기본값)을 구하여 선 그래프로 표현 -> lineplot()

- ci(그림자) : 값의 범위를 의미

plt.figure(figsize=(15, 4))
sns.lineplot(data=df_all, x="연도", y="출생아수", ci=None) # ci 그리지 않도록 설정

 

위 그래프를 월별로 다르게 표현하여 그리기 -> hue="월"

plt.figure(figsize=(15, 4))
sns.lineplot(data=df_all, x="연도", y="출생아수", ci=None, hue="월")

 

- 막대그래프로 그리기 -> barplot()

- ci(막대구간) : 신뢰구간을 의미

plt.figure(figsize=(15, 4))
sns.barplot(data=df_all, x="연도", y="출생아수", ci=None, hue="월")

 

2) 지역별 출생아수

 

"시군구별" column에서 "젼국"을 제외한 데이터만 df_local에 담기

df_local = df[df["시군구별"] != "전국"].copy()
df_local.head()

 

위에서 만든 데이터프레임을 "성별"로 다르게 표현하여 점 그래프로 그리기 -> pointplot()

plt.figure(figsize=(15, 4))
sns.pointplot(data=df_local, x="연도", y="출생아수", hue="성별")

 

전체 성별만 가져와서 df_local_all 변수에 담아서 미리보기

df_local_all = df_local[df_local["성별"] == "전체"]
df_local_all.head()

 

전체 성별을 pointplot으로 그리기

plt.figure(figsize=(15, 4))
sns.pointplot(data=df_local_all, x="연도", y="출생아수")

 

- "시군구별"로 다르게 표현하고 막대구간(신뢰구간) 그리지 않도록 설정하기

- 라벨을 그래프 밖에 그려지도록 설정하기

plt.figure(figsize=(12, 4))
sns.pointplot(data=df_local_all, x="연도", y="출생아수", hue="시군구별", ci=None)

plt.legend(loc='center right', bbox_to_anchor=(1.2, 0.5), ncol=1) # 라벨위치 조정

경기도, 서울특별시가 매우 높으며 세종특별자치시는 2012년부터 데이터가 있음을 알 수 있음

특정 데이터(서울특별시/경기도/세종특별자치시)만 보고싶을 경우

-> isin([]) 을 이용하여 특정 행만 추출하여 df_local_2에 저장

df_local_2 = df_local_all[df_local_all["시군구별"].isin(["서울특별시", "경기도", "세종특별자치시"])]
df_local_2.head()

 

위에서 생성한 df_local_2의 데이터로 pointplot 그리기

plt.figure(figsize=(15, 4))
sns.pointplot(data=df_local_2, x="연도", y="출생아수", ci=None, hue="시군구별")

서울특별시와 경기도가 매우 크기 때문에 세종특별자치시가 자세히 보이지 않음

 

- "세종특별자치시" 데이터만 따로 모아서 df_sj에 저장하기

- 2012년 이전에는 데이터가 존재하지 않기 때문에 결측치를 제거하고 저장 -> dropna()

• dropna(how="any") : 어떤 axis던지 하나라도 결측치가 존재하면 제거
• dropna(how="all") : 어떤 axis던지 모두 결측치가 존재하면 제거
• dropna(axis=0) : 행 방향 기준으로 결측치가 존재하면 제거
• dropna(axis=1) : 열 방향 기준으로 결측치가 존재하면 제거

df_sj = df[df["시군구별"] == "세종특별자치시"].dropna(how="any") # 하나라도 결측치가 있으면 제거하기
df_sj.head()

 

pointplot의 기본연산(default) 값은 mean(평균)이기 때문에 연산값을 sum으로 지정하여 연도별 합으로 그래프 그리기

-> estimator=np.sum

sns.pointplot(data=df_sj, x="연도", y="출생아수", ci=None, estimator=np.sum)

다른 시군구별과 달리 출생아수가 점점 증가하고 있음

 

---

출처: https://www.youtube.com/watch?v=_Jb2O-1gIPY