예제 4. 인구 소멸 위기 지역

목표

01. 인구 소멸 위기 지역 파악
02. 인구 소멸 위기 지역의 지도 표현
03. 지도 표현에 대한 카르토그램 표현

---

 

Step 01.  데이터 읽기

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import set_matplotlib_hangul
import warnings

warnings.filterwarnings(action="ignore")
%matplotlib inline

기본 세팅을 해준다.

 

# 엑셀 파일 확인하니 칼럼이 2줄 사용중이라 header = 1 설정
population = pd.read_excel("../ds_study/data/07_population_raw_data.xlsx", header=1) 

# nan값 삭제
population.fillna(method="pad", inplace=True)
population

엑셀 파일을 불러오고, fillna(method="pad", inplace=True)를 사용하여 nan값을 그 앞 데이터로 채워준 뒤, 저장해준다.

fillna에 관한 자세한 예제와 설명은 07.Population.ipynb 파일에 기록해두었다.

 

# 컬럼 이름 변경
population.rename(
    columns={
        "행정구역(동읍면)별(1)" : "광역시도",
        "행정구역(동읍면)별(2)" : "시도",
        "계" :"인구수"    
    }, inplace=True)

population.head()

# 소계 제거
population = population[population["시도"] != "소계"]
population.head()

# copy 했을 때 warning 내보내지 말라는 문구
population.is_copy = False

population.rename(
    columns={"항목" : "구분"}, inplace=True)
    
# loc는 컴마를 기준으로 앞은 행, 뒤는 열 
population.loc[population["구분"]== "총인구수 (명)","구분"] = "합계"
population.loc[population["구분"]== "남자인구수 (명)","구분"] = "남자"
population.loc[population["구분"]== "여자인구수 (명)","구분"] = "여자"

칼럼과 data의 내용을 정리 재정렬 해준다.

 

---

Step 02. 인구소멸지역 계산하기

# 소멸지역을 조사하기 위한 데이터 조사
population["20-39세"] = (
    population["20 - 24세"] + population["25 - 29세"]+ population["30 - 34세"] +population["35 - 39세"]
)
population["65세 이상"] = (
    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", "65세 이상"]
)
pop

소멸지역을 조사하기 위해 청년층과 노년층을 분리하여 새로운 컬럼을 만들어준다.

pivot_table을 사용하여 새로운 dataFrame을 생성한다. 원래 파일에서 필요한 index와 columns, value만 뽑아온다.

 

# 소멸 비율 계산
pop["소멸비율"] = pop["20-39세", "여자"] / (pop["65세 이상", "합계"] / 2)
pop.head()


# 소멸위기지역 컬럼 생성
pop["소멸위기지역"] = pop["소멸비율"] < 1.0
pop

기준에 소멸비율을 계산하는 방법을 참고하여 계산한 뒤, 새로운 칼럼으로 만들어준다. 

소멸위기지역 칼럼을 새로이 만들어 True, False로 표기되도록 한다.

 

# 구분 인덱스 생성
pop.reset_index(inplace=True)
pop.head()


# 멀티컬럼 정리 첫번째줄 + 두번째줄
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()

기존 인덱스를 reset 해준다. 

기존 컬럼이 2줄로 되어있어 첫번째 줄과 두번째 줄의 정보를 합쳐준다.

.get_level_values로  0번째 인덱스의 n번째값과 1번째 인덱스의 n번째값을 합쳐준다.

tmp_columns를 기존 dataFrame에 할당해준다.

---

Step 03. 지도 시각화를 위한 지역별 ID 생성

si_name = [None] * len(pop)
si_name

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", "마산항포구", "마산회원구"],
    "부천" : ["오정구", "원미구", "소사구"],
     
}

 

• 만들고자 하는 ID의 형태
  • 서울 중구
  • 서울 서초
  • 통영
  • 남양주
  • 안양 만안
  • 인천 남동

(1) 일반 시 이름과 세종시, 광역시도 일반 구 정리

for idx, row in pop.iterrows():
    if row["광역시도"][-3:] not in ["광역시", "특별시", "자치시"]:
        si_name[idx] = row['시도'][:-1]   # ex)만안
    
    elif row["광역시도"] == "세종특별자치시" :
        si_name[idx] = "세종"
    
    else :
        if len(row["시도"]) == 2:  # ex)서구 중구
            si_name[idx] = row["광역시도"][:2] + " " + row["시도"] #서울 중구
        else : 
            si_name[idx] = row["광역시도"][:2] + " " + row["시도"][:-1] # 서울 경산

(2) 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] #합포 만 뽑고싶어서
                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)"

---

pop["ID"] = si_name

del pop["20-39세남자"]
del pop["65세 이상남자"]
del pop["65세 이상여자"]

for문과 if문을 이용해 정리를 마친 뒤 소멸위기지역 계산에 필요가 없는 컬럼들을 삭제해준다.