스터디 노트 (인구 데이터 분석하기 2)

📌 Population Data Analyst

🚩 목표 데이터

• 인구 소멸 위기 지역 파악
• 인구 소멸 위기 지역 지도 표현
• 지도 표현에 대한 카르토그램 표현

---

🚩 엑셀 맵 가져오기

draw_korea_raw = pd.read_excel("../data/07_draw_korea_raw.xlsx")
draw_korea_raw

🚩 stack으로 재 정비

• multi index로 값을 정리

draw_korea_raw_stacked = pd.DataFrame(draw_korea_raw.stack())
draw_korea_raw_stacked

draw_korea_raw_stacked.reset_index(inplace=True)
draw_korea_raw_stacked
>>>>

 

draw_korea_raw_stacked.rename(
    columns={
        "level_0": "y",
        "level_1": "x",
        0 : "ID"
    }, inplace = True
)
draw_korea = draw_korea_raw_stacked

🚩 키스토그램 샘플 그리기

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)], #대전시
    [(13, 5), (14, 5)], #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)]
]

🚩 지역 이름 함수

def plot_text_simple(draw_korea):
    for idx, row in draw_korea.iterrows():
        if len(row["ID"].split()) == 2:
            dispname = "{}\n{}".format(row["ID"].split()[0], row["ID"].split()[1]) 
            # 글자가 2글자 이상이면 개행을 해준다.
        elif row["ID"][:2] == "고성":
        #앞에 두글자가 고성이라면 고성을 출력한다 (위치가 달라서 구분가능)
            dispname = "고성"
        else:
            dispname = row["ID"]
        if len(dispname.splitlines()[-1]) >= 3:
        #split 하고 뒷글자가 3글자 이상이면
            fontsize, linespacing = 9.5, 1.5
            #폰트 사이즈를 줄여라
        else:
        #그게 아니라면
            fontsize, linespacing = 11, 1.2
            #기존 폰트 사이즈 적용
    
        # 주석 기능을 활용
        plt.annotate(
            dispname, #dispname을 출력
            (row["x"] + 0.5, row["y"] + 0.5),
            #선에 겹치지 않도록 띄워준다
            weight = "bold",
            fontsize = fontsize,
            linespacing = linespacing,
            ha="center", # 수평 정렬
            va="center" # 수직 정렬
        )

🚩 지도 그림 함수

def simpleDraw(draw_korea):
    plt.figure(figsize=(8, 11))
    
    plot_text_simple(draw_korea)
    
    for path in BORDER_LINES:
        ys, xs = zip(*path) 
        # x좌표, y좌표 끼리 모아준다
        plt.plot(xs, ys, c="black", lw=1.5)
        # x, y 좌표 값을 지정
    plt.gca().invert_yaxis() 
    # y value 값 반전
    plt.axis("off")
    plt.tight_layout()
    plt.show()

🚩 데이터 검증 후 merge

set(draw_korea["ID"].unique()) - set(pop["ID"].unique())
>>>>
set()

set(pop["ID"].unique()) - set(draw_korea["ID"].unique())
>>>>
{'고양', '부천', '성남', '수원', '안산', '안양', '용인', '전주', '창원', '천안', '청주', '포항'}

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)
    #해당하는 지역을 지워버린다.
print(set(pop["ID"].unique()) - set(draw_korea["ID"].unique()))

pop = pd.merge(pop, draw_korea, how="left", on="ID")
pop.head()

🚩 카르토그램 시각화

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, whitelabelmin

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, whitelabelmin

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]) # 글자가 2글자 이상이면 개행을 해준다.
        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"
        
        # 주석 기능을 활용
        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
        )

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) # x좌표, y좌표 끼리 모아준다
        plt.plot(xs, ys, c="black", lw=1.5)
    plt.gca().invert_yaxis() # y value 값 반전
    plt.axis("off")
    plt.tight_layout()
    cb = plt.colorbar(shrink=0.1, aspect=10)
    cb.set_label(targetData)
    plt.show()

왼 : 인구수 합계 / 오 : 소멸위기지역

 

왼 : 여성비 / 오 : 2030 여성비

🚩 지도 시각화

import folium
import json

pop_folium = pop.set_index("ID")
pop_folium.head()

geo_path = "../data/07_skorea_municipalities_geo_simple.json"
geo_str = json.load(open(geo_path, encoding="utf-8"))
#인구수 합계
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 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