외국인 입국 통계 데이터 분석 With Python

1. 데이터 가져오기

국가 통계 포털에서 2018년부터 2020년까지 월별 국적, 목적별 입구 데이터를 가져와서 분석하도록 하겠다. 코드에 문제가 없다면 아래와 같은 데이터를 확인할 수 있을 것이다.

 

import pandas as pd

df=pd.read_csv('C:/Users/banad/Downloads/입국.csv',encoding='cp949')
df.columns=['Continent','Country','Purpose','Month','Visitors']
df['Year']=df['Month'].apply(lambda x:x.split('. ')[0])
df['Purpose']=df['Purpose'].str.replace('관광','Tour').replace('상용','Business').replace('공용','Public').replace('유학연수','Study').replace('기타','etc')
df['Date']=df['Month'].apply(lambda x:x.split('. ')[0] +'-'+ x.split('. ')[-1])

 

2. 2018년~2021년 목적별 입국 수 시각화 

너무나도 뻔한 결과가 나타났다. 20년 코로나가 터지기 난 이후부터 관광, 유학, 공용, 상용 전반적인 입국 수가 모두 감소하였다. 

 

import plotly.express as px
from datetime import datetime as dt

total=df[df['Continent']=='총계']

fig = px.line(total, x="Date", y="Visitors", color='Purpose',title='Number of Visitors by purpose ')
fig.show()
grp=fig.to_json()

 

2. 2018년~2021년 대륙별 입국 수 시각화 

다음으로 연도 기준으로 대륙별 입국 수 비중을 시각화하도록 하겠다.

 

20년까지는 대륙별 비중에 크게 차이는 나타나지 않았다. 다만 물론 1개월에 불과하기는 하지만 20년 1월에는 아시아 입국자 수 비중이 크게 감소된 점을 확인할 수 있다.

import plotly.graph_objects as go
from plotly.subplots import make_subplots

df['Continent']=df['Continent'].str.replace(
    '총계','Total').replace('아시아주','Asia').replace('미주',
                                                 'America').replace('구주',
                                                                    'Europe').replace(
    '대양주','Oceania').replace('기타','etc').replace('교포','Foreign_korean')
df2=df[df['Continent']!='총계']
df3=df2[df2['Country']!='소계']
df4=pd.DataFrame(df3.groupby(['Continent','Year']).sum()['Visitors']).reset_index()
year=pd.DataFrame(total.groupby(['Year']).sum()['Visitors']).reset_index()
year2=pd.merge(left=df4,right=year,how='left',left_on=df4['Year'],right_on= year['Year'])
year2['shares']=year2['Visitors_x']/year2['Visitors_y']

# Create subplots: use 'domain' type for Pie subplot
fig = make_subplots(rows=1, cols=4, specs=[[{'type':'domain'}, {'type':'domain'},{'type':'domain'},{'type':'domain'}]])
fig.add_trace(go.Pie(labels=year2[year2['Year_x']=='2018']['Continent'].values, 
                     values=year2[year2['Year_x']=='2018']['shares'].values, name="2018"),
              1, 1)
fig.add_trace(go.Pie(labels=year2[year2['Year_x']=='2019']['Continent'].values, 
                     values=year2[year2['Year_x']=='2019']['shares'].values, name="2019"),
              1, 2)
fig.add_trace(go.Pie(labels=year2[year2['Year_x']=='2020']['Continent'].values, 
                     values=year2[year2['Year_x']=='2020']['shares'], name="2020"),
              1, 3)
fig.add_trace(go.Pie(labels=year2[year2['Year_x']=='2021']['Continent'].values, 
                     values=year2[year2['Year_x']=='2021']['shares'], name="2021"),
              1, 4)

# Use `hole` to create a donut-like pie chart
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Number of Visitors by Continents 2018~2021",
    # Add annotations in the center of the donut pies.
    annotations=[dict(text='2018', x=0.08, y=0.5, font_size=15, showarrow=False),
                 dict(text='2019', x=0.37, y=0.5, font_size=15, showarrow=False),
                dict(text='2020', x=0.63, y=0.5, font_size=15, showarrow=False),
                 dict(text='2021', x=0.925, y=0.5, font_size=15, showarrow=False),
                ]
)
fig.show()

 

3. 2018년~2021년 연도/대륙/목적별 입국 수 시각화 TreeMap

이번에는 Treemap이라는 좀 색다른 시각화를 통해서 연도, 대륙 그리고 목적 기준을 한번에 시각화 해보도록 하겠다. 기존 전형적인 그래프 대비해서는 그래도 한 눈에 데이터가 들어오지 않나 생각한다. 

 

대륙별, 연도별 모두 봐도 확실히 관광 목적으로 입국하는 수가 가장 높게 나타났다.

 

 

import plotly.express as px

yy=pd.DataFrame(df.groupby(['Year','Continent','Country','Purpose']).sum()['Visitors']).reset_index()
yy=yy[yy['Continent']!='총계']
yy=yy[yy['Country']!='소계']

fig = px.treemap(yy, path=['Year','Continent', 'Country'], values='Visitors',)
fig.show()