국민 임대 주택 총 세대 수 현황 알아보자 with 공공데이터 & 파이썬

요즘 LH 사건 때문에 온 나라가 뒤숭숭하다. 그래서 이번 포스팅에서는 아래 공공데이터에서 제공하고 있는 임대주택 단지 API를 활용해서 국내 임대 주택에 대해 분석해보는 시간을 갖도록 하겠다.

 

data.go.kr/tcs/dss/selectApiDataDetailView.do?publicDataPk=15059475

공공데이터 포털

1. 데이터 가져오기

아래 코드가 문제없이 돌아간다면 전국 기준 국민 임대 주택 현황을 확인할 수 있을 것이다.

from urllib.request import urlopen
from urllib.parse import urlencode, unquote, quote_plus
import urllib
import requests
import pandas as pd
import xmltodict
import json
from datetime import datetime as dt
import requests

key='~~'

data=[]
for code in sido['code']:
    url=f'http://apis.data.go.kr/B552555/lhLeaseInfo/lhLeaseInfo?serviceKey={key}&'
    queryParams =urlencode({quote_plus('PAGE') : '1',quote_plus('PG_SZ') : '9999',
                            quote_plus('CNP_CD') : code, quote_plus('SPL_TP_CD') : '07',
                           })

    url2=url+queryParams
    res=requests.get(url2).json()
    data.extend(res[1]['dsList'])
    
import pandas as pd
import requests
from bs4 import BeautifulSoup as bs

link='https://inasie.github.io/%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D/5/'
gu=pd.read_html(link,encoding='utf-8')[0]
gu['법정동코드']=gu['법정동코드'].astype(str)
sido=gu[(gu['법정동코드'].str.contains('000')) | (gu['법정동주소']=='세종특별자치시') ]
sido['code']=sido['법정동코드'].apply(lambda x:x[:2])

df=pd.DataFrame(data)
df2=df.drop_duplicates('SBD_LGO_NM',keep='first')
df2['시도']=df2['ARA_NM'].apply(lambda x:x.split(' ')[0])
df2['SUM_HSH_CNT']=df2['SUM_HSH_CNT'].astype(int)

 

2. 전국 시도별 국민 임대 주택 총 세대수 확인

위에서 추출한 데이터에는 주소 정보도 포함되어 있기 때문에 시도별로 임대 주택 세대수를 알아보도록 하겠다. 아래 그래프를 보면 경기도에서 국민 임대 주택 세대수가 가장 많은 점을 확인할 수 있다.

 

import matplotlib.pyplot as plt

total=pd.DataFrame(df2.groupby(['시도']).sum()['SUM_HSH_CNT'])
total=total.reset_index()
total.columns=['시도','국민 임대 총 세대 수']


plt.rcParams['figure.dpi'] = 1000
plt.rcParams["font.family"] = 'Malgun Gothic'

fig, ax = plt.subplots(1,1, figsize=(18, 9))
ax.bar(total['시도'], total['총 세대 수'],width=0.55, 
       edgecolor='darkgray', color='#d4dddd',
       linewidth=0.7)

for i in total.index:
    ax.annotate(f"{total['총 세대 수'][i]}", 
                   xy=(i, total['총 세대 수'][i]+100),
                   va = 'center', ha='center',fontweight='light', fontfamily='serif',
                   color='#4a4a4a')
    
for s in ['top', 'left', 'right']:
    ax.spines[s].set_visible(False)

plt.xticks(rotation=45,fontsize=13)

fig.text(0.1, 0.95, '시도별 국민임대 주택 총 세대수', fontsize=15, fontweight='bold', fontfamily='Malgun Gothic')    
ax.grid(axis='y', linestyle='-', alpha=0.4) 

 

3. 시도별 국민 임대 주택 세대 수 비중

단순히 위 그래프 처럼 절대 수치로 비교하면 큰 의미가 없는 것 같아서 시도별 총 세대수에서 국민 임대 주택 세대 비중이 어느 정도 인지 알아보도록 하겠다.

 

충청북도, 경기도, 광주광역시에서 임대 주택 세대 비중이 가장 높은 점을 볼 수 있다. 반면 역시나 서울은 전국에서 국민 임대 주택 비중이 가장 낮게 나타났다.

 

 

popu=pd.read_csv('C:/Users/banad/Downloads/인구수 (2).csv',encoding='cp949')
popu.columns=['시도','등록 세대 수']
total2=pd.merge(left=total,right=popu,how='inner',left_on=total['시도'],right_on=popu['시도'])
total2['국민임대 비중']=total2['국민 임대 총 세대 수']/total2['등록 세대 수']
total2['국민임대 비중']=total2['국민임대 비중'].apply(lambda x: x*100)
total2['국민임대 비중']=total2['국민임대 비중'].round(decimals=2)
total2=total2.sort_values(by='국민임대 비중',ascending=False)


plt.rcParams['figure.figsize'] = (20, 12)
plt.rcParams["font.family"] = 'Malgun Gothic'

plt.bar(total2['시도_x'],total2['국민임대 비중'],width=0.6, align='edge', color="springgreen",
        edgecolor="gray", linewidth=3)
plt.xticks(rotation=45,fontsize=13)
plt.ylabel('국민임대 주택 세대 비중', fontsize = 18)
plt.xlabel('시도', fontsize = 18)
plt.title('시도별 국민임대 주택 세대 비중',pad=20,fontsize=20)

for i in range(len(total2)):
    y=total2['국민임대 비중'].values[i]
    plt.text(i,y,f'{y}%',fontsize=14,color='red')

plt.show()