1.목표
a. 인구 소묠 위기 지역 파악
b. 인구 소멸 위기 지역의 지도 표현
c. 지도 표현에 대한 카르토그램 표현
출처 : https://kosis.kr/index/index.do$
2. 데이터 읽고 인구 소멸 지역 계산
필요한 모듈 호출
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
from matplotlib import rc
rc("font", family="Malgun Gothic")데이터 읽기
population = pd.read_excel("../data/population_raw_data.xlsx", header=1)
population.fillna(method="pad", inplace=True)
population.head()
데이터 기본 정보 확인
population.info()
보기좋게 column명 변경
population.rename(
columns={
"행정구역(동읍면)별(1)": "광역시도",
"행정구역(동읍면)별(2)": "시도",
"계": "인구수"
}, inplace=True
)
population.tail()
소계 제거
population = population[population["시도"] != "소계"]
population.head()
필요한에 맞게 이름 변경
population.is_copy = False
population.rename(columns={"항목": "구분"}, inplace=True)
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.head()
소멸지역을 조사하기 위한 데이터 만들기
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+"])
population.tail()
Pivot을 사용해 데이터 정리
pop = pd.pivot_table(
data=population,
index=["광역시도", "시도"],
columns=["구분"],
values=["인구수", "20-39세", "65세이상"]
)
pop
소멸 비율 계산
pop["소멸비율"] = pop["20-39세", "여자"] / (pop["65세이상", "합계"] / 2)
pop.tail()
소멸 위기 지역인지 체크하는 column 추가
pop["소멸위기지역"] = pop["소멸비율"] < 1.0
pop
소멸 위기 지역 조회 (대부분 "군" 지역)
pop[pop["소멸위기지역"] == True].index.get_level_values(1)
index 초기화
pop.reset_index(inplace=True)
pop.head()
상단 index, column 한줄로 표시
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()
3.지도 시각화를 위한 지역별 ID 만들기
데이터 기본 정보 확인
pop.info()
중복되지 않은 고유값 확인
pop["시도"].unique()
자치구는 자료에 나오니, 행정구를 가진 지역 확인
si_name = [None] * len(pop)
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"],
} 
광역시도
pop["광역시도"].unique()
시도
pop["시도"].unique()
1)일반 시 이름과 세종시, 광역시도 일반 구 정리
pop[pop["광역시도"] == "세종특별자치시"]
for idx, row in pop.iterrows():
if row["광역시도"][-3:] not in ["광역시", "특별시", "자치시"]:
si_name[idx] = row["시도"][:-1]
# 강릉시 -> 강릉 / 춘천시 -> 춘천
elif row["광역시도"] == "세종특별자치시":
si_name[idx] = "세종"
#세종시는 특별 관리
else:
if len(row["시도"]) == 2:
si_name[idx] = row["광역시도"][:2] + " " + row["시도"]
else:
si_name[idx] = row["광역시도"][:2] + " " + row["시도"][:-1]
#중구 -> 중구, 강남구 -> 강남2) 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]
3) 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)"확인
si_name
column에 ID추가
pop["ID"] = si_name
pop
불필요한 데이터 정리
del pop["20-39세남자"]
del pop["65세이상남자"]
del pop["65세이상여자"]
pop.head()
4.데이터 시각화 (지도 그리기 - 카르토그램)
엑셀로 그린 지도 데이터를 읽기
draw_korea_raw = pd.read_excel("../data/draw_korea_raw.xlsx")
draw_korea_raw
데이터 프레임으로 만들기 (각 지역 위치 확인)
draw_korea_raw_stacked = pd.DataFrame(draw_korea_raw.stack())
draw_korea_raw_stacked
index로 나타난 좌표 데이터로 사용 위해 index reset
draw_korea_raw_stacked.reset_index(inplace=True)
draw_korea_raw_stacked
이름도 변경
draw_korea_raw_stacked.rename(
columns={
"level_0": "y",
"level_1": "x",
0: "ID"
}, inplace=True
)
draw_korea_raw_stacked
정리된 데이터 새 변수에 담기
draw_korea = draw_korea_raw_stacked경계선 만들기 작업
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)]
]시도의 이름 표현 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])
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
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
)간단하게 경계선과 시도 이름만 먼저 확인위한 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()
plt.axis("off")
plt.tight_layout()
plt.show()확인
simpleDraw(draw_korea)
지도를 그리기 위한 데이터와 인구현황 데이터와 합친다
pop = pd.merge(pop, draw_korea, how="left", on="ID")
pop.head()
그림을 그리기 위한 데이터 계산 함수
- 색상을 만들 때, 최소값을 횐색
- blockedMap: 인구현황 (pop)
- targetData: 그리고 싶은 컬럼
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, whitelabelmin그림을 그리기 위한 데이터 계산 함수
- 색상을 만들 때, 중간값을 횐색
- blockedMap: 인구현황 (pop)
- targetData: 그리고 싶은 컬럼
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 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
)그림 그리기 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()확인 (인구수 합계)
drawKorea("인구수합계", pop, "Blues")
확인 (소멸위기지역)
확인 (여성비)
확인 (2030여성비)
지도위에 데이터 시각화 - folium
필요 모듈 호출 및 인덱스 지정
import folium
import json
pop_folium = pop.set_index("ID")인구수합계
geo_path = "../data/skorea_municipalities_geo_simple.json"
geo_str = json.load(open(geo_path, encoding="utf-8"))
mymap = folium.Map(location=[36.2002, 127.054], zoom_start=7)
folium.Choropleth(
geo_data=geo_str,
data=pop_folium["인구수합계"],
key_on="feature.id",
columns=[pop_folium.index, pop_folium["인구수합계"]],
fill_color="YlGnBu",).add_to(my_map)
소멸위기지역
Full of adventure