2015년 ~ 2019년 대한민국 인구 10만명당 자살 통계 데이터 분석 With Python

이번 포스팅에서는 통계청에서 대한민국 자살률 통계 데이터를 가져와 시각화를 해보도록 하겠다. 당연히 이번에도 파이썬을 활용하도록 하겠다.

 

Data Source:

자살.csv

0.00MB

2019년 시도별 인구 10만명당 자살 수 

지도로 시각화해보면 충청남도, 강원도 지방 지역에서 수도권이나 광역시 대비 자살률이 높은 점을 확인할 수 있다. 

 

 

import pandas as pd
df=pd.read_csv('C:/Users/banad/Downloads/자살.csv',encoding='cp949')

from urllib.request import urlopen
import json
with urlopen('https://raw.githubusercontent.com/southkorea/southkorea-maps/master/kostat/2018/json/skorea-provinces-2018-geo.json') as response:
    kor = json.load(response)

df2=df[df['Year']==2019]

for idx, si in enumerate(kor['features']):
    name=si['properties']['name_eng']
    nvm=df.loc[(df.Eng==name),'Total'].iloc[0]
    kor['features'][idx]['properties']['인구 10만명당 자살 수']=int(nvm)
    male=df.loc[(df.Eng==name),'Male'].iloc[0]
    kor['features'][idx]['properties']['인구 10만명당 자살 수(남성)']=int(male)
    female=df.loc[(df.Eng==name),'Female'].iloc[0]
    kor['features'][idx]['properties']['인구 10만명당 자살 수(여성)']=int(female)
    
    kor['features'][idx]['properties']['base_year']=2019

import mapboxgl
from mapboxgl.viz import *
import os
from mapboxgl.utils import create_color_stops
from mapboxgl.utils import create_numeric_stops

api='~~'

center =[126.986, 37.565]

color_breaks = [10,20,30,40,50]
color_stops =create_color_stops(color_breaks,colors='YlGnBu')
viz =ChoroplethViz(
    access_token=api,
    data=kor,
    color_property='인구 10만명당 자살 수',
    color_stops=color_stops,
    center=center,
    zoom=6,
    bearing=-11,
    pitch=43,
    height_property='인구 10만명당 자살 수',
    height_stops=create_numeric_stops(color_breaks,0,2),
    height_function_type='interpolate'
)
viz.show()
viz.create_html('C:/Users/banad/OneDrive/바탕 화면/Nomad/index.html')

 

2015년 ~ 2019년 전국 10만명당 자살 수

전반적으로 전국 평균 자살률은 지난 5년간 크게 차이가 나타나지 않는 점을 확인할 수 있다. 그나마 늘어나지 않는 점이 다행으로 볼 수 있다. 그리고 남성 자살률이 여성 대비 거의 2배 가까이 높은 것도 처음 알았다. 

 

 

si_do={'강원도':'Gangwon-do','경기도':'Gyeonggi-do', '경상남도':'Gyeongsangnam-do','경상북도':'Gyeongsangbuk-do',
       '광주광역시':'Gwangju','대구광역시':'Daegu','대전광역시':'Daejeon','부산광역시':'Busan',
       '서울특별시':'Seoul','세종특별자치시':'Sejongsi','울산광역시':'Ulsan','인천광역시':'Incheon',
       '전라남도':'Jeollanam-do','전라북도':'Jeollabuk-do','제주특별자치도':'Jeju-do','충청남도':'Chungcheongnam-do',
       '충청북도':'Chungcheongbuk-do','전국':'Korea'}
df['eng']=df['행정구역별'].apply(lambda x: si_do[x] )
df.columns=['Region','Year','Total','Male','Female','Eng']

all=df[df['Region']=='전국']
all=pd.melt(all, id_vars=['Region','Year'], value_vars=['Total','Male','Female'])
all.columns=['Region','Year','Sex','Suicides']

import plotly.express as px
fig = px.line(all, x="Year", y='Suicides', color='Sex')
fig.update_layout(
    title="Number of Suicides per 100 thousand",
    
)
fig.show()

 

2015년 ~ 2019년 시도별 10만명당 자살 수 변화

거의 모든 지역에서 조금이나마 자살률이 줄어드는 점을 볼 수 있지만 유일하게 충남이나 강원도의 경우 자살률이 5년 전과 동일한 부분을 확인할 수 있다. 

 

import plotly.graph_objects as go
hm = go.Figure(data=go.Heatmap(
                   z=df['Total'],
                   x=df['Year'],
                   y=df['Eng'],
                   hoverongaps = False)
              )
hm.update_layout(
    title="Number of Suicides per 100 thousand",
    xaxis_title="Year",
    yaxis_title="Region",
    font=dict(
        family="Courier New, monospace",
        size=14,
        color="#7f7f7f"
    )
)

hm.show()
hj=hm.to_json()
for x,y in zip(list(si_do.keys()), list(si_do.values())):
    hj = hj.replace(y, x)