해당 글은 제로베이스데이터스쿨 학습자료를 참고하여 작성되었습니다
📌인구소멸위기지역
📌프로젝트 목표
카르토그램 시각화로 인구소멸위기지역 파악하기
- 카르토그램 : 특정 데이터값의 변화를 지도에 표기한 것
- 인구소멸위기지역 : 65세 이상 노인 인구과 20~39세 여성 인구를 비교해 젊은 인구가 노인 인구의 절반에 미달하는 지역
(출처:제로베이스데이터스쿨)
데이터출처 : 국가통계포털
📌프로젝트 절차
- 인구 소멸 지역 확인
- 지도 시각화를 위한 지역별 ID 만들기
- 카르토그램 그리기
📌1. 인구 소멸 지역 확인
엑셀파일 확인
- 데이터의 헤더가 다중컬럼이므로 이를 고려해서 데이터를 가져온다
데이터 읽기
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import set_matplotlib_hangul # 한글설정
import warnings
warnings.filterwarnings(action="ignore") # 경고무시
%matplotlib inline
population = pd.read_excel("../data/07_population_raw_data.xlsx", header=1) # 헤드라인 설정
population.fillna(method="pad", inplace=True) # Nan값은 이전값과 동일설정
population
컬럼 이름 변경
population.rename(
columns={
"Unnamed: 0": "광역시도",
"Unnamed: 1": "시도",
"Unnamed: 2": "항목",
"계": "인구수"
}, inplace=True
)
population.head()
소계 제거 및 데이터명 변경
# 소계 제거
population = population[population["시도"] != "소계"]
# 항목 -> 구분
population.rename(
columns={"항목": "구분"}, inplace=True
)
# 구분컬럼 데이터 변경
population.loc[population["구분"] == "총인구수 (명)", "구분"] = "합계"
population.loc[population["구분"] == "남자인구수 (명)", "구분"] = "남자"
population.loc[population["구분"] == "여자인구수 (명)", "구분"] = "여자"
population
소멸지역 조사를 위한 데이터
# 소멸지역을 조사하기 위한 데이터
population["20-39세"] = (
population["20 - 24세"] + population["25 - 29세"] + population["30 - 34세"] + population["35 - 39세"]
)
population["65세이상"] = (
population["65 - 69세"] + population["70 - 74세"] + population["75 - 79세"] + population["80 - 84세"]
+ population["85 - 89세"] + population["90 - 94세"] + population["95 - 99세"] + population["100+"]
)
# pivot_table
pop = pd.pivot_table(
data=population,
index=['광역시도','시도'],
columns=['구분'],
values=['인구수','20-39세','65세이상']
)
pop
소멸위기지역 컬럼 생성
# 소멸 비율 계산
pop["소멸비율"] = pop["20-39세", "여자"] / (pop["65세이상", "합계"] / 2)
# 소멸위기지역 컬럼 생성
pop["소멸위기지역"] = pop["소멸비율"] < 1.0
pop.head()
인덱스 리셋
pop.reset_index(inplace=True)
pop.head()
다중 컬럼제거
# 다중컬럼 제거
tmp_columns = [
pop.columns.get_level_values(0)[n] + pop.columns.get_level_values(1)[n]
for n in range(0, len(pop.columns.get_level_values(0)))
]
pop.columns = tmp_columns
pop.head()
📌2. 지도 시각화를 위한 지역별 ID 만들기
- 중첩된 시도를 해결하기 위해 시를 앞에 표기
ex) 서울 중구, 부산 중구 등
지역 ID생성을 위한 준비
# 시 이름을 받을 리스트
si_name = [None] * len(pop)
# 지역별 구분을 위한 딕셔너리
tmp_gu_dict = {
"수원": ["장안구", "권선구", "팔달구", "영통구"],
"성남": ["수정구", "중원구", "분당구"],
"안양": ["만안구", "동안구"],
"안산": ["상록구", "단원구"],
"고양": ["덕양구", "일산동구", "일산서구"],
"용인": ["처인구", "기흥구", "수지구"],
"청주": ["상당구", "서원구", "흥덕구", "청원구"],
"천안": ["동남구", "서북구"],
"전주": ["완산구", "덕진구"],
"포항": ["남구", "북구"],
"창원": ["의창구", "성산구", "진해구", "마산합포구", "마산회원구"],
"부천": ["오정구", "원미구", "소사구"],
}지역 데이터 확인
pop["광역시도"].unique(), pop["시도"].unique()
- 만들고자 하는 ID의 형태
- 서울 중구
- 서울 서초
- 통영
- 남양주
- 포항 북구
- 인천 남동
- 안양 만안
- 안양 동안
- 안산 단원
... 구 이름 정리
일반 시 이름과 세종시, 광역시도 일반 구 정리
for idx, row in pop.iterrows():
# 일반 광역시도면 마지막 글자(도)를 제외하고 si_name에 추가
if row["광역시도"][-3:] not in ["광역시", "특별시", "자치시"]:
si_name[idx] = row["시도"][:-1]
# 세종시면 '세종'으로 si_name에추가
elif row["광역시도"] == "세종특별자치시":
si_name[idx] = "세종"
else: # 중구처럼 2글자면 서울 중구로 추가
if len(row["시도"]) == 2:
si_name[idx] = row["광역시도"][:2] + " " + row["시도"]
else: # 경산시처럼 2글자가 아니면 서울 경산으로 추가
si_name[idx] = row["광역시도"][:2] + " " + row["시도"][:-1]행정구
for idx, row in pop.iterrows():
if row["광역시도"][-3:] not in ["광역시", "특별시", "자치시"]:
for keys, values in tmp_gu_dict.items():
if row["시도"] in values:
if len(row["시도"]) == 2:
si_name[idx] = keys + " " + row["시도"]
elif row["시도"] in ["마산합포구", "마산회원구"]:
si_name[idx] = keys + " " + row["시도"][2:-1]
else:
si_name[idx] = keys + " " + row["시도"][:-1]고성군
for idx, row in pop.iterrows():
if row["광역시도"][-3:] not in ["광역시", "특별시", "자치시"]:
if row["시도"][:-1] == "고성" and row["광역시도"] == "강원도":
si_name[idx] = "고성(강원)"
elif row["시도"][:-1] == "고성" and row["광역시도"] == "경상남도":
si_name[idx] = "고성(경남)"시 이름 확인
pop["ID"] = si_name
pop
불필요컬럼제거
del pop["20-39세남자"]
del pop["65세이상남자"]
del pop["65세이상여자"]
pop.head()
📌3. 카르토그램 그리기
엑셀데이터 확인하기
엑셀 데이터 읽어오기
draw_korea_raw = pd.read_excel('../data/07_draw_korea_raw.xlsx')
draw_korea_raw_stacked = pd.DataFrame(draw_korea_raw.stack())
draw_korea_raw_stacked
지도 작성
좌표데이터 습득
draw_korea_raw_stacked.reset_index(inplace=True)
draw_korea_raw_stacked.rename(
columns={
"level_0": "y",
"level_1": "x",
0: "ID"
}, inplace=True
)
draw_korea_raw_stacked
지역 구분을 위한 선 좌표
draw_korea = draw_korea_raw_stacked # 변수명변경
BORDER_LINES = [
[(5, 1), (5, 2), (7, 2), (7, 3), (11, 3), (11, 0)], # 인천
[(5, 4), (5, 5), (2, 5), (2, 7), (4, 7), (4, 9), (7, 9), (7, 7), (9, 7), (9, 5), (10, 5), (10, 4), (5, 4)], # 서울
[(1, 7), (1, 8), (3, 8), (3, 10), (10, 10), (10, 7), (12, 7), (12, 6), (11, 6), (11, 5), (12, 5), (12, 4), (11, 4), (11, 3)], # 경기도
[(8, 10), (8, 11), (6, 11), (6, 12)], # 강원도
[(12, 5), (13, 5), (13, 4), (14, 4), (14, 5), (15, 5), (15, 4), (16, 4), (16, 2)], # 충청북도
[(16, 4), (17, 4), (17, 5), (16, 5), (16, 6), (19, 6), (19, 5), (20, 5), (20, 4), (21, 4), (21, 3), (19, 3), (19, 1)], # 전라북도
[(13, 5), (13, 6), (16, 6)],
[(13, 5), (14, 5)], # 대전시 # 세종시
[(21, 2), (21, 3), (22, 3), (22, 4), (24, 4), (24, 2), (21, 2)], # 광주
[(20, 5), (21, 5), (21, 6), (23, 6)], # 전라남도
[(10, 8), (12, 8), (12, 9), (14, 9), (14, 8), (16, 8), (16, 6)], # 충청북도
[(14, 9), (14, 11), (14, 12), (13, 12), (13, 13)], # 경상북도
[(15, 8), (17, 8), (17, 10), (16, 10), (16, 11), (14, 11)], # 대구
[(17, 9), (18, 9), (18, 8), (19, 8), (19, 9), (20, 9), (20, 10), (21, 10)], # 부산
[(16, 11), (16, 13)],
[(27, 5), (27, 6), (25, 6)]
]텍스트 작성 함수
def plot_text_simple(draw_korea):
for idx, row in draw_korea.iterrows():
# 단어2개면 개행
if len(row["ID"].split()) == 2:
dispname = "{}\n{}".format(row["ID"].split()[0], row["ID"].split()[1])
elif row["ID"][:2] == "고성":
dispname = "고성"
else:
dispname = row["ID"]
# 글자 갯수에 따른 폰트조정
if len(dispname.splitlines()[-1]) >= 3:
fontsize, linespacing = 9.5, 1.5
else:
fontsize, linespacing = 11, 1.2
# 글자 적기
plt.annotate(
dispname,
(row["x"] + 0.5, row["y"] + 0.5),
weight="bold",
fontsize=fontsize,
linespacing=linespacing,
ha="center", # 수평 정렬
va="center", # 수직 정렬
)지도그리기 함수
def simpleDraw(draw_korea):
plt.figure(figsize=(8, 11))
plot_text_simple(draw_korea)
for path in BORDER_LINES:
ys, xs = zip(*path)
plt.plot(xs, ys, c="black", lw=1.5)
plt.gca().invert_yaxis() # y축 반전
plt.axis("off")
plt.tight_layout()
plt.show()
simpleDraw(draw_korea)
데이터 통합 준비
- merge함수 사용에 부적합 데이터 제거
tmp_list = list(set(pop["ID"].unique()) - set(draw_korea["ID"].unique()))
for tmp in tmp_list:
pop = pop.drop(pop[pop["ID"] == tmp].index)
print(set(pop["ID"].unique()) - set(draw_korea["ID"].unique()))인구수데이터와 지도 데이터 통합
pop = pd.merge(pop, draw_korea, how="left", on="ID")
pop.head()
카르토그램 작성
최소값과 최대값을 기준으로 범주화
def get_data_info(targetData, blockedMap):
whitelabelmin = (
max(blockedMap[targetData]) - min(blockedMap[targetData])
) * 0.25 + min(blockedMap[targetData])
vmin = min(blockedMap[targetData])
vmax = max(blockedMap[targetData])
mapdata = blockedMap.pivot_table(index="y", columns="x", values=targetData)
return mapdata, vmax, vmin, whitelabelmin0을 기준으로 범주화
def get_data_info_for_zero_center(targetData, blockedMap):
whitelabelmin = 5
tmp_max = max(
[np.abs(min(blockedMap[targetData])), np.abs(max(blockedMap[targetData]))]
)
vmin, vmax = -tmp_max, tmp_max
mapdata = blockedMap.pivot_table(index="y", columns="x", values=targetData)
return mapdata, vmax, vmin, whitelabelmin텍스트 작성 함수
def plot_text(targetData, blockedMap, whitelabelmin):
for idx, row in blockedMap.iterrows():
if len(row["ID"].split()) == 2:
dispname = "{}\n{}".format(row["ID"].split()[0], row["ID"].split()[1])
elif row["ID"][:2] == "고성":
dispname = "고성"
else:
dispname = row["ID"]
if len(dispname.splitlines()[-1]) >= 3:
fontsize, linespacing = 9.5, 1.5
else:
fontsize, linespacing = 11, 1.2
annocolor = "white" if np.abs(row[targetData]) > whitelabelmin else "black"
plt.annotate(
dispname,
(row["x"] + 0.5, row["y"] + 0.5),
weight="bold",
color=annocolor,
fontsize=fontsize,
linespacing=linespacing,
ha="center", # 수평 정렬
va="center", # 수직 정렬
)카르토그램 그리는 함수
def drawKorea(targetData, blockedMap, cmapname, zeroCenter=False):
if zeroCenter:
masked_mapdata, vmax, vmin, whitelabelmin = get_data_info_for_zero_center(targetData, blockedMap)
if not zeroCenter:
masked_mapdata, vmax, vmin, whitelabelmin = get_data_info(targetData, blockedMap)
plt.figure(figsize=(8, 11))
plt.pcolor(masked_mapdata, vmin=vmin, vmax=vmax, cmap=cmapname, edgecolor="#aaaaaa", linewidth=0.5)
plot_text(targetData, blockedMap, whitelabelmin)
for path in BORDER_LINES:
ys, xs = zip(*path)
plt.plot(xs, ys, c="black", lw=1.5)
plt.gca().invert_yaxis()
plt.axis("off")
plt.tight_layout()
cb = plt.colorbar(shrink=0.1, aspect=10)
cb.set_label(targetData)
plt.show()카르토그램
인구수합계
drawKorea("인구수합계", pop, "Blues")
소멸위기지역
pop["소멸위기지역"] = [1 if con else 0 for con in pop["소멸위기지역"]]
drawKorea("소멸위기지역", pop, "Reds")
2030여성비
pop["2030여성비"] = (pop["20-39세여자"] / pop["20-39세합계"] - 0.5) * 100
drawKorea("2030여성비", pop, "RdBu", zeroCenter=True)
지도시각화
인구수합계 지도 시각화
import folium
import json
pop_folium = pop.set_index("ID")
geo_path = "../data/07_skorea_municipalities_geo_simple.json"
geo_str = json.load(open(geo_path, encoding="utf-8"))
# 인구수합계 지도 시각화
mymap = folium.Map(location=[36.2002, 127.054], zoom_start=7)
mymap.choropleth(
geo_data=geo_str,
data=pop_folium["인구수합계"],
key_on="feature.id",
columns=[pop_folium.index, pop_folium["인구수합계"]],
fill_color="YlGnBu"
)
mymap
소멸위기지역 지도 시각화
mymap = folium.Map(location=[36.2002, 127.054], zoom_start=7)
mymap.choropleth(
geo_data=geo_str,
data=pop_folium["소멸위기지역"],
key_on="feature.id",
columns=[pop_folium.index, pop_folium["소멸위기지역"]],
fill_color="PuRd"
)
mymap
데이터저장
# 데이터 저장
draw_korea.to_csv("../data/07_draw_korea.csv", encoding="utf-8", sep=",")