인구현황과 인구소멸위험도 분석

• 인구 소멸 위기 지역이란? 젊은 여성 인구 < 노인 인구 50%
  - '한국의 지방소멸'에 관한 7가지 분석 보고서(이상호 연구의원)의 분석 방법으로 65세 이상 노인 인구와 20-39세 여성 인구와 비교.

• 카르토그램 Cartogram(지리적 배치 유지 + 지역별 인구현황과 비례)
  : 각 시도별 경계선json(LucyPark님) + 다른 Cartogram 참고(혜식Hyeshik 블로거의 버거 지수) + 각 지역 고유한 ID부여(제로베이스 강의)

1. 목표

• 1. 인구 소멸 위기 지역 파악
• 2. 인구 소멸 위지 지역의 지도 표현
• 3. 지도 표현에 대한 카르토그램
     (cf. 사실 Folium이 경각심을 더 높여줌)

2. 데이터 개요

1. 데이터 확보

https://kosis.kr/index/index.do (KOSIS 국가통계포털)

• 본 프로젝트는 강의 data 사용

2. 데이터 확인 및 전처리

Python에서 경고 메시지를 무시

import warnings
warnings.filterwarnings(action='ignore')
또는
warnings.simplefilter(action='ignore', category=FutureWarning)

fillna( ) : Nan값 채우기

• 옵션 method : {'backfill', 'bfill' / 'ffill' / None}, default None Method

# fillna_df.fillna(value=0)   			#기본형태로 Nan값을 '0'으로
fillna_df.fillna(method='pad')   		#nan값을 앞의 값        #pad = ffill
fillna_df.fillna(method='backfill')  	#nan값을 뒤의 값 
#자료에 따라 axis=0옵션도 활용가능

# warningX 해당 데이터가 실제로 원본 데이터를 복사. 원본 데이터 영향X
population.is_copy = False

# 컬럼 이름 변경(광역시도, 시도, 구분, 인구수)
population.rename(columns={~},inplace=True)           

# 필요없는 줄 삭제 
population = population[population['시도'] != '소계']

# 특정값 지정 후 수정

• 소멸 위기 지역을 조사하기 위한 데이터 추가
  -population['20-39세'] 여성 인구 / population['65세이상'] 인구
• pivot table

pop = pd.pivot_table(
    data=population,
    index=['광역시도','시도'],
    columns='구분',
    values=['인구수','20-39세','65세이상']
)

# 소멸 비율 계산 (= 20-39세 여자 / (65세이상 합계/2))

# 소멸위기 지역 컬럼 생성
pop['소멸위기지역'] = pop['소멸비율'] < 1.0
pop[pop['소멸위기지역'] == True]         #마스킹

# reset_index후 columns.get_level로 컬럼명 수정

3. 지도 시각화를 위한 지역별 ID 추가

• 만들고자 하는 ID의 형태: 서울 중구, 서울 서초, 통영, 포항 북구, 인천 남동, 안양 만안, 안양 동안, 안산 단원 ...

si_name = [None] * len(pop)      # [264개의 None]
# iterrows활용
pop['ID'] = si_name

# 점검시 ID는 유일한것이기에 중복값이 없고 그러면 len이 264개
len(pop['ID'].unique())

• 최종 데이터
  

3. 시각화

1. 지도 그리기(카르토그램) :엑셀과 pivot_table(stack) 활용

• 엑셀 활용(제로베이스 강사님 자료)
  
• stack( )
  : pivot_table의 반대라고 생각할 수 있음. 데이터를 분해해서 알려줌(엑셀의 좌표)
  그로인해, plt그릴때 (x,y)좌표와 각 지역의 이름을 구할 수 있음
  
  - reset_index후 rename(x,y,ID)
  - 경계선
  

(1) 밑그림 그리기

• def함수로 만들기 -> plot_text_simple(draw_korea)

# 지도 위에 시도의 이름(dispname) 표현
for idx,row in draw_korea.iterrows():
   if len(row['ID'].split()) == 2:                  # 서울 서대문
        dispname = '{}\n{}'.format(row['ID'].split()[0],row['ID'].split()[1])
        
   elif row['ID'][:2] == "고성":       #지도상에서 강원 고성과 경남 고성 구분X
         dispname = "고성"
   else:
         dispname = row['ID']
         
   # 폰트사이즈         
   if len(dispname.splitlines()[-1]) >= 3:          # 3글자면 서귀포
        fontsize, linespacing = 9.5, 1.5
   else:
        fontsize, linespacing = 11, 1.2
        

   plt.annotate(                                     # 그래프에 주석달기
        dispname,
        (row['x'] + 0.5, row['y'] + 0.5),            # 조금 떨어져서 
        weight='bold',
        fontsize= fontsize,
        linespacing= linespacing,
        ha='center',                                 # 수평정렬
        va='center'           						 # 수직정렬
    )

-split( ),splitlines( )

• def함수 simpleDraw(draw_korea)

# 지도 경계선과 시도이름
plt.figure(figsize=(8,11))
plot_text_simple(draw_korea)

for path in BORD_LINES:
	ys, xs = zip(*path)         # x좌표, y좌표 모아서 집합(plot그리려면 필요)
    plt.plot(xs, ys, c= "black", lw=1.5)
    
plt.gca().invert_yaxis()       # y축 거꾸로
plt.axis("off")                # 축의 선 없애기
plt.tight_layout()             # 표들이 넓혀짐
plt.show()

(2) ID 검증 작업(차집합이 없어야 됨)과 merge(on='ID')

• 차집합은 교환법칙이 성립하지 않는다! => 반대의 경우도 확인

# set() 집합 기능(정렬 기능도 있음)
set(draw_korea['ID'].unique()) - set(pop['ID'].unique())  # set()
set(pop['ID'].unique()) - set(draw_korea['ID'].unique())  # {'고양','부천','창원'...}
-> 차집합 확인(tmp): 이 값들은 '창원=성산구+마산+진해'처럼 합계인 것으로 확인 
-> 지우기_for문(pop.drop(pop[pop["ID"] == tmp].index))

-set( ) : 집합을 만들어주는 함수로 정렬의 기능도 있음

(3) 본 그림 그리기

• 위치에 값을 씌운뒤 colormap으로 변환
• 색상을 만들 때, 최소값을 흰색
• 인자(blockedMap: 인구현황(pop)/targetData: 그리고싶은 컬럼)

글자 색상 정의 함수

# 지도 위의 각 지역 이름 색상 정의
def get_data_info(targetData, blockedMap):
    # 글자색깔이 흰색으로 바뀌는 구분값
    whitelabelmin = (
        max(blockedMap[targetData]) - min(blockedMap[targetData])
        ) * 0.25 + min(blockedMap[targetData])
    
    vmin =  min(blockedMap[targetData])
    vmax =  max(blockedMap[targetData])
	
    #x,y좌표값에 시도 이름 대신 target컬럼의 값이 들어감
    mapdata = blockedMap.pivot_table(index='y',columns='x', values=targetData)         

    return mapdata, vmax, vmin, whitelabelmin

# 음수 양수 둘다 있을시 0을 센터(화이트색상이 센터기준으로 몰리기에)
def get_data_info_for_zero_center(targetData, blockedMap):
    # 글자가 하얀색으로 바뀌는 기준 새로 잡기
    whitelabelmin = 5
    # 값이 음수일 수 있기에 절대값으로 잡기
    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

카르토그램 함수

# 지도 위에 시도의 이름(dispname) 표현(위랑 같음)
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
        
# 글자 색깔을 지정 
        annocolor = 'white' if np.abs(row[targetData]) > whitelabelmin else 'black'

# 그래프에 주석달기        
        plt.annotate(                                        
            dispname,
            (row['x'] + 0.5, row['y'] + 0.5),
            weight='bold',
            color = annocolor,          #흰, 검으로
            fontsize= fontsize,
            linespacing= linespacing,
            ha='center',         
            va='center'       
    )

# 지도 경계선과 시도이름, 
def drawKorea(targetData, blockedMap, cmapname, zeroCenter=False):
												# 디폴트로 잡음
	if zeroCenter:      # 0이 중심(음,양수가 있는)
        masked_mapdata, vmax, vmin, whitelabelmin = get_data_info_for_zero_center(targetData, blockedMap)

    if not zeroCenter:  # 0이 중심이 아닌 최소값
        masked_mapdata, vmax, vmin, whitelabelmin = get_data_info(targetData, blockedMap)
        
    plt.figure(figsize=(8,11))
    
    # 각 그리드의 색상채우기(컬럼 값에 대비한 색상)
    plt.pcolor(masked_mapdata, vmin=vmin, vmax=vmax, cmap=cmapname, edgecolor="#aaaaaa", linewidth=0.5)

    # 시도 이름
    plot_text(targetData, blockedMap,whitelabelmin)

    # 경계선
    for path in BORD_LINES:
        ys, xs = zip(*path)         
        plt.plot(xs, ys, c= "black", lw=1.5)

    plt.gca().invert_yaxis()       # y축 거꾸로
    plt.axis("off")                # 축의 숫자 없애기
    plt.tight_layout()             # 표들이 넓혀짐
    cb = plt.colorbar(shrink=0.1, aspect=10)
    cb.set_label(targetData)
    plt.show()

(4) 적용

drawKorea("인구수합계", pop, "Blues")

pop['소멸위기지역'] = [1 if con else 0 for con in pop['소멸위기지역']]  # True면 1 False면 0
drawKorea("소멸위기지역", pop, "Reds")

pop['여성비'] = (pop['인구수여자'] / pop['인구수합계'] -0.5) *100; drawKorea("여성비", pop, "RdBu",zeroCenter=True)

pop['2030여성비'] = (pop['20-39세여자'] / pop['20-39세합계'] -0.5) *100; drawKorea("2030여성비", pop, "RdBu",zeroCenter=True)

2. 지도 그리기(folium)

# 인덱스 ID로 다시 데이터프레임 정리
pop_folium = pop.set_index("ID")

geo_path = '경로.json'
geo_str = json.load(open(geo_path, encoding='utf-8'))

# 소멸위기지역 지도 시각화
my_map = folium.Map([36.2002,127.054], zoom_start=7)
folium.Choropleth(
    geo_data = geo_str,
    data=pop_folium['소멸위기지역'],
    key_on='feature.id',
    columns= [pop_folium.index,pop_folium['소멸위기지역']],
    fill_color= 'PuRd'
).add_to(my_map)

my_map

< 새로 배운 함수 >
import warnings
fillna( )
.is_copy = False
.items()
.stack()
np.abs() 절대값
zip(*path) 집합 기능(정렬 기능도 있음)
split( ) / splitlines( )

draw_korea['ID'][13].split()      : ['고양', '일산동']
draw_korea['ID'][13].splitlines() : ['고양 일산동']

< 새로 배운 코드 >

population.loc[population['구분'] == "총인구수 (명)","구분"] = "합계"
population.loc[population['구분'] == "남자인구수 (명)","구분"] = "남자"
population.loc[population['구분'] == "여자인구수 (명)","구분"] = "여자"