코로나로부터 직격탄을 받은 업종이 있다면 바로 대한민국 국민 모두가 사랑하는 바로 목욕탕/사우나일 것이다. 코로나가 터진 초반 시점에는 거의 코로나 감염경로 중에서 꼭 목욕탕이 있을 정도로 목욕탕은 코로나에 너무도 쉽게 노출된 곳이다. 그래서 아래 뉴스와 같이 코로나로 인해 많은 현재 목욕탕이 영업에 어려움을 겪고 있는 중이다. https://biz.chosun.com/site/data/html_dir/2021/03/18/2021031801148.html 50년 버틴 목욕탕도 코로나로 매출 '반토막'… "하루 10만원 벌 때도" 50년 버틴 목욕탕도 코로나로 매출 반토막 하루 10만원 벌 때도 biz.chosun.com http://news.kmib.co.kr/article/view.asp?arcid=0..
리스트 : 콘텐츠가 있으면 최근 5건을 불러옵니다.
-
국내 목욕탕/사우나 폐업 수 데이터 분석 & 시각화 With PythonSocial Issues 2021.08.22 13:17
코로나로부터 직격탄을 받은 업종이 있다면 바로 대한민국 국민 모두가 사랑하는 바로 목욕탕/사우나일 것이다. 코로나가 터진 초반 시점에는 거의 코로나 감염경로 중에서 꼭 목욕탕이 있을 정도로 목욕탕은 코로나에 너무도 쉽게 노출된 곳이다. 그래서 아래 뉴스와 같이 코로나로 인해 많은 현재 목욕탕이 영업에 어려움을 겪고 있는 중이다. https://biz.chosun.com/site/data/html_dir/2021/03/18/2021031801148.html 50년 버틴 목욕탕도 코로나로 매출 '반토막'… "하루 10만원 벌 때도" 50년 버틴 목욕탕도 코로나로 매출 반토막 하루 10만원 벌 때도 biz.chosun.com http://news.kmib.co.kr/article/view.asp?arcid=0..
-
롯데쇼핑 오프라인 지점(롯데슈퍼, 롯데백화점, 롯데아울렛, 롯데마트) 폐점 데이터로 확인해보자 With Python, 지방행정인허가 데이터Investment 2021.08.19 12:04
유통업의 지각 변동에 따라서 롯데 그룹의 변화도 굉장히 빠르게 이루어지고 있다. 특히 온라인으로 주요 쇼핑이 이루어지면서 아래 뉴스와 같이 롯데쇼핑의 오프라인 지점 구조조정이 빠르게 일어나고 있는 중이다. 그래서 이번 포스팅에서는 실제로 롯데가 그동안 얼마나 많은 매장을 정리했는지 확인해보도록 하겠다. 데이터는 행정안전부에서 운영하고 있는 지방행정인허가 데이터를 사용하도록 하겠다. 해당 사이트에서 가져오는 것으로 100% 실제 데이터와 맞다고 얘기할 수는 없다. https://biz.chosun.com/site/data/html_dir/2020/02/13/2020021303292.html 롯데, 백화점·마트 매장 700개 중 200개 문 닫는다… 유통업계 구조조정 신호탄 롯데, 백화점·마트 매장 700개..
-
Google Trends에서 3대 운동(스쿼트, 벤치프레스, 데드리프트) Youtube 검색량 비교 With PythonLifeStyles 2021.08.19 10:37
구글에서 제공하는 검색량 조회 서비스 Google Trends에서는 단순히 웹에서의 키워드 검색량뿐만 아니라 이미지, 뉴스, 구글 쇼핑, Youtube에서의 키워드 검색량도 함께 제공해주고 있다. 그래서 이번 포스팅에서는 요즘 핫한 3대 운동(스쿼트, 벤치프레스, 데드리프트) 키워드를 Youtube에서 얼마나 검색하고 있는지 확인해보도록 하겠다. Pytrends라는 파이썬 라이브러리만 있으면 쉽게 확인할 수 있다. 바로 데이터를 추출해보도록 하겠다. 우선 지난 5년 간 3대 운동 Youtube 검색량 데이터를 뽑도록 하겠다. from pytrends.request import TrendReq pytrends = TrendReq(hl='en-US', tz=360) kw_list = ["데드리프트",'스쿼트..
-
2012년 ~ 2019년 성별, 연령별 국내 주택 소유자 수 트렌드 분석 with PythonReal Estate 2021.08.17 14:14
이번 포스팅에서는 2012년부터 2019년까지 국내 주택 보유자 수 데이터를 분석해보고자 한다. 데이터는 국가 통계청에서 가져왔고, 분석 및 시각화는 파이썬으로 하도록 하겠다. 시각화는 파이썬 기초 중에 기초라고 볼 수 있는 Matplotlib 패키지를 활용하도록 하겠다. 1. 2012년 ~ 2019년 국내 주택 보유자 수 트렌드 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt import numpy as np %matplotlib inline %config InlineBackend.figure_format='retina' df=pd.read_csv('C:/Users/banad/Downloads/주택소유자수.csv',en..