Shire

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..

공공데이터에서 아래와 같이 코로나 19 예방 접종센터 정보를 제공하고 있어서 해당 데이터를 사용해서 간략히 지도에 찍어보도록 하겠다. 역시나 이번 분석에는 파이썬과 우버에서 만든 지도 시각화 라이브러리 Pydeck을 사용하겠다. https://www.data.go.kr/tcs/dss/selectFileDataDetailView.do?publicDataPk=15077603 공공데이터활용지원센터_코로나19 예방접종센터 현황_20210602 중앙•권역, 지역별 코로나19 예방접종센터 주소정보입니다. 예방접종센터 정보는 질병관리청의 센터 추가 설치 및 폐지에 맞춰서 현행화하여 제공할 예정입니다. 해당 정보는 응용서비스 개발 www.data.go.kr 예방접종센터 위도, 경도 데이터가 없기 때문에 카카오 지도 A..

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').r..

이번 포스팅에서는 국가통계포털에서 제공하는 국내 시도별 예금은행 예금액 데이터를 갖고 분석하도록 하겠다. 역시 이번에도 파이썬을 통해서 만들도록 하겠다. 1. 2020년 시도별 1인당 예금은행 예금액(천원) 2020년 시도별 예금액을 시도별 인구수로 나눈 결과를 지도로 시각화해보았다. 역시나 서울시가 1인당 예금액이 가장 높게 나타났다. 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(..

이번 포스팅에서는 국가 통계 포털에서 제공해주고 있는 빈집 데이터를 분석해보록 하겠다. 부동산에 관심을 갖기로 결심해서 오늘부터 하나씩 작은 것부터 분석해 나가도록 하겠다. 빈집 수치를 시작해서 최대한 재밌고 의미 있는 데이터를 찾아보겠다. 1. 데이터 가져오기 KOSIS 국가통계포털 데이터를 사용하도록 하겠다. 코드가 문제 없이 돌아간다면 아래와 같이 행정구역, 시점별 빈집 데이터를 확인할 수 있다. import pandas as pd df=pd.read_csv('C:/Users/banad/Downloads/빈집.csv',encoding='cp949') df.columns=['행정구역','시점','빈집비율','빈집수','전체주택수'] si_do={'강원도':'Gangwon-do','경기도':'Gyeon..

이번 포스팅에서는 통계청에서 대한민국 자살률 통계 데이터를 가져와 시각화를 해보도록 하겠다. 당연히 이번에도 파이썬을 활용하도록 하겠다. Data Source: 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/kosta..