Shire

이번 포스팅에서 다룰 주제는 바로 기온이다. 2000년부터 20년간 대한민국 시도별 평균 기온이 어떻게 변해왔는지 한번 알아보도록 하겠다. 데이터는 아래 국가통계포털 링크에서 확인할 수 있다. https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1YL9801&vw_cd=MT_GTITLE01&list_id=111&seqNo=&lang_mode=ko&language=kor&obj_var_id=&itm_id=&conn_path=MT_GTITLE01 KOSIS kosis.kr 1. 2000년 ~ 2020년 시도별 기온 변화 트렌드 우선 간단하게 Plotly를 사용해서 시도별 기온 트렌드를 시각화해보도록 하겠다. 그래프 상으로는 뚜렷하게 나타나고 있지는 않지만 확..

이번 포스팅에서는 아래 "서울시 공공자전거 대여 이력 정보" 데이터를 가지고 생키 다이어그램과 이동 경로를 지도에 시각화하는 방법을 소개하고자 한다. 데이터 분석보다는 파이썬을 통한 데이터 시각화하는 코드를 다루는 내용으로 보시면 될 것 같다. Data Source: http://data.seoul.go.kr/dataList/OA-15182/F/1/datasetView.do 서울특별시 공공자전거 대여이력 정보 서울특별시 공공자전거 대여이력 정보입니다. 자전거 이동경로에 대한 데이터 분석이 가능하도록 년도별, 대여소별, 자전거별 대여이력 원천 데이터를 제공합니다.(2015년 최초 공공자전거 data.seoul.go.kr 데이터는 21년 1월 자료를 사용하도록 하겠다. 파일을 다운로드하면 공공 자전저 대여 ..

넷플릭스로 연달아 몇 편의 다큐멘터리를 볼 정도로 현재 나는 환경 이슈에 굉장히 몰두해있다. 현재 환경 보호를 위해 딱히 하고 있는 특별한 행동들은 없지만 환경 이슈에 대해 잘 알고 있는 것만 하더라도 충분히 환경 문제 해결에 도움이 된다고 생각한다. 오늘 포스팅에서 다룰 주제는 바로 산불이다. 호주, 캘리포니아, 강원도 양양에서 일어난 대규모 산불은 대규모 인명 피해를 가져올 만큼 인류에게 엄청난 재앙으로 다가오고 있다. 산불은 번개 등으로 인한 자연 발화 혹은 사람의 부주의 등으로 인해 발생하는 인재라고 알고 있었지만 요즘 들어 전 세계적으로 산불이 부쩍 잦아진 가장 큰 이유로 과학자들은 ‘기후변화’를 꼽고 있다. 기온이 상승하게 되면 겨울철 산에 있는 눈이 금방 녹아버리는 바람에 산이 건조해져 땅의..

전 세계적으로 신재생 에너지가 열풍이다. 태양광, 풍력, 바이오, 지열, 수력 등 여러 신재생 에너지 연구와 생산이 일어나고 있는데 오늘 포스팅에서는 그중 가장 실생활에서도 가장 많이 사용되고 있고 이번 정부 들어서 가장 투자가 활발히 일어지고 있는 태양광 에너지 생산량을 한번 분석해보고자 한다. 데이터는 국가통계포털에서 가져왔다. 2015 ~ 2019년 태양광 에너지 생산량 추이 첫번째로 국내 태양광 에너지 생산량 추이를 확인해보도록 하겠다. import pandas as pd df=pd.read_csv('C:/Users/banad/Downloads/신재생에너지.csv',encoding='euc-kr') df_all=df[(df['에너지원별(2)']=='태양광') & (df['행정구역별(1)']=='전..

오늘 포스팅에서는 공공데이터터에서 정국 도시 공원 위치 데이터를 가져와서 Mapbox를 이용해 지도에 시각화해보도록 하겠다. 여기서 사용되는 데이터는 다음 링크에서 가져올 수 있다. www.data.go.kr/data/15012890/standard.do 공공데이터 포털 국가에서 보유하고 있는 다양한 데이터를『공공데이터의 제공 및 이용 활성화에 관한 법률(제11956호)』에 따라 개방하여 국민들이 보다 쉽고 용이하게 공유•활용할 수 있도록 공공데이터(Datase www.data.go.kr 전국 공원 지도 시각화 아래 지도에서 마우스로 호버링하면 전국 공원별 위경도, 주소, 공원명, 공원 면적 데이터를 확인할 수 있다. 확실히 인구가 많은 수도권에 공원 수가 밀집되어 있는 점을 확인할 수 있다. 전국 공원..

0. Data Source KOSIS국가데이터통계포털에서 지난 10년간 시도별 온도 및 강수량 데이터를 가져와서 분석과 시각화를 시도해보도록 하겠다. (세종시는 20년 데이터만 존재하므로 이번 분서에서는 제외하도록 하겠다.) import pandas as pd a=pd.read_csv('C:/Users/banad/Downloads/기온.csv',encoding='cp949') b=pd.read_csv('C:/Users/banad/Downloads/강수량.csv',encoding='cp949') df=pd.merge(left=a,right=b,how='inner',left_on=['행정구역별(1)','시점'],right_on=['행정구역별','시점']) df=df.drop(['행정구역별(1)'],axis=..