오늘코드todaycode_공공 데이터

출처: NotebookLM 「오늘코드todaycode」 라벨 '공공 데이터' (영상 19개, 중복 제외 19개) · 2026.10.05 생성

[1/6~ 6/6 모음] 통계청 출생아수 데이터 분석하기

통계청 KOSIS 사이트에서 시도/시군구/월별/성별 출생아 수 데이터를 cp949 인코딩으로 판다스에 로드하였습니다.
통계표 형태로 요약된 데이터를 분석에 용이한 타이디 데이터(Tidy Data) 구조로 변환하기 위해 pd.melt() 함수를 적용하였습니다.
str.split('.') 및 expand=True 옵션을 활용하여 연도, 월, 성별(남자/여자/전체) 파생변수를 정교하게 분리해냈습니다.
데이터가 없는 대쉬(-) 표기를 np.nan 결측치로 전환한 후 실수형으로 변환하여 평균 연산 시 왜곡을 방지하였습니다.
sns.lineplot(), sns.barplot(), sns.pointplot()을 통해 연도별·월별 출생아 수 추이 및 계절성(1·3월 높음, 12월 낮음)을 관찰하였습니다.
전국적인 출생아 수 급감 추세 속에서 세종특별자치시는 보육 환경 등의 요인으로 출생아 수가 유일하게 지속 증가함을 시각적으로 검증하였습니다.
그래프 작성 시 신뢰구간(ci) 옵션 조정 및 범례(legend)를 외부로 배치(bbox_to_anchor)하여 시각화 가독성을 높였습니다.

국가통계포털 KOSIS 💰 경기종합지수 📈 ChatGPT와 함께 파이썬으로 분석하기

KOSIS 경기종합지수 데이터 수집 시 시점 컬럼을 행으로 내리는 행렬 전환을 적용하여 다운로드 후 분석에 활용하였습니다.
koreanize_matplotlib 라이브러리를 설치하여 별도의 복잡한 한글 폰트 설정 없이 차트의 한글 깨짐 문제를 해결하였습니다.
대쉬(-) 문자로 표기된 결측치를 pd.to_numeric(..., errors='coerce')로 처리하여 수치형 데이터 타입으로 일괄 정제하였습니다.
ChatGPT에게 info(), describe() 결과 및 마크다운 표를 전달하여 상관관계 분석 및 비즈니스 인사이트 도출을 유도하였습니다.
선행종합지수와 코스피 지수 간의 강한 양의 상관관계(0.89) 및 CP 유통수익률과의 음의 상관관계를 확인하였습니다.
sns.heatmap() 및 sns.regplot()을 통해 회귀선을 시각화하고 상삼각 행렬 마스크(np.triu())를 적용한 깔끔한 히트맵을 구현하였습니다.
AI 생성 결과 중 수치나 시점에 대한 환각(Hallucination) 오류가 발생할 수 있으므로 실제 데이터 기반의 검증 절차가 필수적임을 확인하였습니다.

[1/5~5/5모음] 대한민국 인구통계 분석

위키피디아 '대한민국의 인구' 문서 내 HTML 테이블을 별도 크롤러 작성 없이 pd.read_html() 단 한 줄로 파싱하였습니다.
1925년부터 2019년까지의 추계 인구, 출생자 수, 사망자 수, 합계출산율 추이를 판다스로 로드하여 다루었습니다.
1950년대 전쟁 이후 100만 명대를 유지하던 출생아 수가 최근 30만 명대 이하로 급감하고 합계출산율이 0.92명까지 떨어진 현상을 파악하였습니다.
Seaborn의 sns.pointplot(), sns.lineplot(), sns.barplot() 및 Matplotlib plt.figure(figsize=...)를 활용하여 시각화하였습니다.
Mac(AppleGothic)과 Windows(Malgun Gothic)의 OS별 한글 폰트 설정 및 set_matplotlib_formats('retina')로 고해상도 출력을 적용하였습니다.
데이터 슬라이싱(-50:)을 통해 최근 50년간의 출생자 수와 사망자 수 교차 지점(데드크로스)을 시각적으로 검증하였습니다.

[2/6] 대한민국 출생아수 데이터 연도, 월, 성별, 텍스트 데이터 전처리

pd.melt()로 녹여낸 데이터의 베리어블 컬럼에서 문자열 접근자 str.split('.')을 사용해 연도, 월, 성별 항목을 분리하였습니다.
성별 컬럼의 결측치(NaN)를 fillna('전체')로 채우고, 문자 '1'과 '2'를 replace()로 '남자', '여자' 텍스트로 변환하였습니다.
판다스는 원본 변경을 위해 컬럼 재할당(df['컬럼명'] = ...)을 명시적으로 수행해야 함을 확인하였습니다.
rename(columns={...})을 활용해 컬럼명을 '기간', '출생아 수' 등 표준적이고 직관적인 명칭으로 수정하였습니다.
단일 범주형 변수의 항목별 빈도수를 세기 위해 value_counts() 함수를 적용하고 데이터의 치우침을 점검하였습니다.

통합 데이터지도 ② 중소중견기업 빅데이터 플랫폼 입사지원 공고 업종 및 직종 정보 API 활용 분석하기

통합 데이터지도 플랫폼에서 중소중견기업 빅데이터 플랫폼의 입사지원 공고 API를 발급받아 데이터를 수집하였습니다.
requests 라이브러리로 500건 단위 페이징(from, to 파라미터) 루프를 돌려 약 1만 건의 채용공고 데이터를 가져왔습니다.
pd.concat()을 활용하여 여러 번 받아온 API 응답 JSON 리스트를 단일 데이터프레임으로 결합하였습니다.
메모리 상의 수집 데이터를 to_csv(..., encoding='cp949')로 저장하여 엑셀 환경에서 한글 깨짐 없이 열 수 있도록 조치하였습니다.
value_counts() 및 Plotly Express px.histogram()을 활용해 경영·인사·총무·사무 및 IT/모바일 직군의 입사지원 빈도를 시각화하였습니다.

[통계청X오늘코드] 파이썬 활용 강좌 ④ 마이크로데이터 통합서비스(MDIS) 데이터 로드하기

통계청 MDIS(마이크로데이터 통합서비스) 사이트에 접속하여 경제활동인구조사 원자료(조사표 마이크로데이터) 추출 절차를 진행하였습니다.
비경제활동인구 중 취업 희망 여부, 취업 가능성, 구직 단념 사유, 구직 활동 유무 등 세부 설문 항목을 선별 수집하였습니다.
연령대 5세 단위 코드, 가중치 항목, 2020년 8월 특정 조사 연월 조건을 지정하여 추출 및 다운로드를 완료하였습니다.
주피터 노트북으로 원자료 CSV를 로드하여 정밀한 구직단념자 현황 분석 및 정책 데이터 가공 준비를 마쳤습니다.

[5/5] 추계 인구수 분석 1925년부터 인구추세는 어떻게 변화했을까?

위키피디아의 1925년~2019년 추계 인구 수 데이터를 sns.barplot(), sns.pointplot(), sns.lineplot()으로 시각화하였습니다.
막대그래프 시각화 시 palette='Blues' 그라데이션 옵션을 부여하여 연도별 인구 증가 추세를 직관적으로 표현하였습니다.
Matplotlib plt.xticks(rotation=60) 및 figsize 설정을 통해 축 라벨 겹침 문제를 깔끔하게 정리하였습니다.
총인구수는 1,000만 명대에서 5,000만 명대로 꾸준히 성장했으나, 출생아 수 급감과 사망자 수 증가가 맞물리는 인구 구조 변화를 확인하였습니다.
웹 페이지 내 HTML 표를 파이썬 단 한 줄의 pd.read_html()로 수집하는 파이프라인의 효율성을 검증하였습니다.

[통계청X오늘코드] 파이썬 활용 강좌 ⑤ MDIS를 활용한 경제활동인구조사 데이터 전처리

MDIS 경제활동인구조사 데이터의 연령대 5세 단위 코드를 파이썬 딕셔너리와 replace()로 구체적인 연령대 명칭으로 변경하였습니다.
가중치(가중값 / 1,000) 연산을 적용하여 실제 추정 구직단념자 수 파생변수를 새로 생성하였습니다.
groupby('연령대')['구직단념자수'].sum()과 reset_index()를 통해 연령대별 구직단념자 수를 집계하였습니다.
문자열 접근자 str + '대' 연산을 활용해 10대부터 60대 이상까지의 대범주 파생변수를 생성하고 재집계하였습니다.
실제 언론 보도 시각화 수치와 일치하도록 round(-3)을 적용하여 천 단위 반올림 전처리를 수행하였습니다.

업무, 연구, 프로젝트에 대한 데이터가 필요할 때?! 어디에서 찾으시나요?! 통합데이터지도

공공 및 민간 데이터 플랫폼을 통합 연계해 주는 '통합 데이터지도(bigdata-map.kr)' 플랫폼의 활용법을 다루었습니다.
유통, 헬스케어, 소방안전, 환경 등 16대 빅데이터 플랫폼과 공공데이터포털, AI 허브 연계 데이터셋 탐색을 진행하였습니다.
연관 그래프, 연관도 점수, 융합 그래프, 데이터 내비게이션 기능을 이용한 유사 데이터셋 추천 및 탐색 기법을 확인하였습니다.
코로나19, ESG, 부동산 등 트렌드 이슈 데이터셋 및 우수 데이터 분석 사례(데이터 스토리)를 통한 아이디어 발굴법을 공유하였습니다.

지금까지 이런 데이터는 없었다?! 자원봉사자들이 한 땀 한 땀 모은 오픈와치 데이터

정보공개센터 자원봉사자들이 수집·정제하여 구축한 공직자 감시 전용 오픈 데이터 플랫폼 '오픈와치(openwatch.kr)'를 소개하였습니다.
국회의원 및 지방의원의 상세 이력, 겸직 현황(부동산 임대업 등), 재산 신고 내역, 정치후원금 집계 데이터를 탐색하였습니다.
의원들의 징계 의결 내역과 발의 안안 및 이해상충 가능성을 다각도로 분석할 수 있는 데이터 구조를 파악하였습니다.
권력 감시 및 공공성 강화를 목적으로 한 감시 데이터 활용 공모전과 시민 기술 참여의 사회적 가치를 확인하였습니다.

✈️ [2/2] 코로나 전후 🌏 지역별 항공수요 회복했을까?! 저가 항공사 여객, 편, 화물 수요 ChatGPT와 함께 국가통계포털 KOSIS 데이터 파이썬으로 분석하기 💺

KOSIS 국제선 지역별(일본, 중국, 아시아, 미주, 유럽, 중동, 아프리카 등) 항공 통계 데이터를 수집하였습니다.
pd.read_csv() 로드 후 DT 접근자(df['시점'].dt.year, df['시점'].dt.month)로 연도 및 월 파생변수를 정교하게 분리하였습니다.
pd.crosstab()을 활용하여 연도별·지역별 여객 수, 운항 편수, 화물 톤수에 대한 교차표를 작성하였습니다.
Pandas Styler의 background_gradient(cmap='Oranges') 및 format('{:,.0f}')으로 천 단위 콤마와 히트맵을 적용하였습니다.
2020~2021년 코로나19 여파로 국제선 여객 수가 급감했으나, 2023년 들어 코로나 이전(2019년) 수준으로 가파르게 회복되는 흐름을 확인하였습니다.
여객 수요 감소 시기에도 화물 운송량은 상대적으로 높은 수준을 유지하였던 차별적 특성을 시각화하였습니다.

[3/6] 대한민국 출생아수 분석 - 데이터 전처리 - 수치데이터 전처리 전국 전체 성별 색인하기

KOSIS 출생아 수 데이터에서 수치형 컬럼이 문자열(오브젝트) 타입으로 인식된 원인을 점검하고 정제하였습니다.
수집 데이터 부재 항목에 들어간 대쉬(-) 문자를 np.nan 결측치로 교체한 후 astype(float)로 변환하였습니다.
0으로 대체할 경우 평균값(mean()) 계산 시 심각한 왜곡이 발생하므로 결측치(NaN)로 보존하는 전처리 원칙을 적용하였습니다.
df.describe()를 통해 수치형 변수의 데이터 개수, 평균값(3,129명), 표준편차, 최소/최대값을 다각도로 확인하였습니다.
불리언 인덱싱을 적용해 전국 단위 및 성별 '전체' 조건의 데이터만 색인(df_all)하여 시각화 기반을 마련하였습니다.

[2/25] 서울 코로나19현황 파이썬으로 분석해 볼 내용들

서울시 홈페이지에서 pd.read_html()로 수집한 코로나19 확진자 현황 데이터의 전체 분석 로드맵을 수립하였습니다.
확진일자 텍스트 데이터를 파이썬 날짜형(datetime)으로 전환하여 월별, 주별, 요일별 파생변수를 생성하였습니다.
일별 확진자 수, 누적 확진자 수 추이, 특정 날짜(3월 10일 등) 집단감염 최고 발생일 탐색 방안을 마련하였습니다.
Pandas style.background_gradient()를 사용하여 요일별·거주지별(구별) 확진자 빈도 히트맵을 구현하였습니다.
접촉력, 입원 병원, 퇴원/사망 여부, 해외 유입 국가(유럽, 미주 등) 전처리 및 서브셋 분석 방향을 제시하였습니다.

[인프런 리뉴얼][7/10] 파리바게뜨와 뚜레쥬르 분석을 위한 텍스트 데이터 다루기

서울시 상권정보 데이터에서 제과점 대표 브랜드인 '파리바게뜨'와 '뚜레쥬르' 상호명 데이터를 추출하였습니다.
시리즈 문자열 접근자 str.contains('뚜레주르|뚜레쥬르'), str.contains('파리바게')를 활용해 검색 조건식을 작성하였습니다.
얕은 복사로 인한 원본 데이터 오염을 방지하기 위해 .copy()를 명시적으로 써서 독립 데이터프레임(df_bread)을 생성하였습니다.
상권업종대분류 중 제과점과 무관한 '학문/교육' 학원 매장 및 '파스쿠찌', '잠바주스' 등 타 브랜드 매장을 제거하였습니다.
loc 색인을 활용하여 파리바게뜨와 뚜레쥬르 브랜드명을 명시하는 범주형 파생변수를 새로 정의하고 fillna()로 보완하였습니다.

✈️ [1/2] 코로나 전후 🛩 항공사별 항공수요 회복했을까?! 저가 항공사 여객, 편, 화물 수요 ChatGPT 와 함께 국가통계포털 KOSIS 데이터 분석하기 💺

KOSIS 항공사별(대한항공, 아시아나, 제주항공, 진에어, 티웨이 등) 운항 통계를 수집하고 합계 열을 제외하여 다운로드하였습니다.
glob 모듈로 파일명을 자동 탐색하고, 인코딩 에러 발생 시 ChatGPT와의 대화를 통해 cp949 인코딩을 적용해 해결하였습니다.
koreanize_matplotlib 패키지 설치로 파이썬 시각화 시 발생하는 한글 폰트 깨짐 현상을 자동 보정하였습니다.
str.split()과 map(lambda x: ...)를 활용해 연도 및 월 수치형 파생변수를 정교하게 추출하였습니다.
pd.crosstab() 및 background_gradient()로 연도별·항공사별 여객 수 추이를 히트맵으로 정밀하게 분석하였습니다.
코로나19 기간 급감했던 LCC(저비용 항공사) 및 FSC(대형 항공사) 여객 수요가 2023년 들어 가파르게 회복되는 흐름을 관찰하였습니다.

[~/25] 서울시 코로나 19 발생동향 분석 소스코드, CSV 파일 다운로드 안내

서울시 코로나19 발생동향 데이터를 판다스만으로 웹 크롤링부터 전처리, 분석, 시각화까지 완료하는 프로젝트 구조를 안내하였습니다.
구글 코랩(Google Colab) 환경에서 즉시 실행 가능한 주피터 노트북(.ipynb) 파일 및 CSV 데이터 다운로드 경로를 제공하였습니다.
직접 코드를 타이핑하며 학습할 수 있는 실습용 파일과 모든 결과가 작성되어 있는 정답 코드를 구분하여 배포하였습니다.
인프런 강좌("단 2장의 문서로 데이터 분석과 시각화 뽀개기")를 통한 파이썬 소스코드 상세 해설 연계 방안을 제시하였습니다.

[통계청X오늘코드] 파이썬 활용 TIP_①국가통계포털(KOSIS)자료로 데이터 로드하기

KOSIS(국가통계포털) 사이트 구조 및 주제별(인구, 사회, 물가, 노동 등) 공공 통계자료의 분석적 가치를 설명하였습니다.
소비자물가지수 품목별 통계표 조회 시 시점 컬럼 변수화를 위해 웹사이트 내 '행렬 전환' 옵션을 설정하였습니다.
2019년 9월부터 2021년 9월까지 전년 동월 대비 물가 변화율 분석을 위한 CSV 파일을 다운로드하고 로드하였습니다.
cp949 한글 인코딩 지정 및 df.info(), df.shape를 활용하여 12,150개 행의 데이터 구조를 정확히 점검하였습니다.

통합 데이터지도 ① 통신 빅데이터 플랫폼-기상정보를 활용한 배달 품목의 차이

통합 데이터지도에서 통신 빅데이터 플랫폼의 '날씨별 배달 품목 차이' 무료 데이터셋을 수집하였습니다.
glob 모듈로 분할된 3개의 CSV 파일을 불러와 pd.concat()으로 38만 건 규모의 데이터프레임으로 병합하였습니다.
함께 제공되는 테이블 정의서 엑셀 파일을 로드하여 숫자 컬럼명(0~26)을 한글 음식 분류명(한식, 치킨, 피자 등)으로 자동 변환하였습니다.
pd.melt()를 적용해 와이드 폼 데이터를 롱 폼(타이디 데이터) 구조로 변환함으로써 분석 편의성을 극대화하였습니다.
강수 유형 및 시간대별 배달 주문 건수 평균을 분석하여 눈/진눈깨비가 오는 날 기름진 음식 및 치킨 주문량이 늘어남을 확인하였습니다.
Plotly Express px.histogram() 및 Seaborn sns.barplot()을 활용하여 대화형 및 정적 배달 패턴 차트를 구현하였습니다.

[6/6] 출생아수가 늘어나는 지역이 있다? (feat.통계청)

저출산 현상 심화(신생아 수 27만 명, 합계출산율 0.8명 예상) 관련 기사 내용을 바탕으로 데이터 가설 검증을 수행하였습니다.
KOSIS 시도별 출생아 수 데이터에서 전국 합계 데이터를 제외하고 시도별 서브셋(df_local)만 추출하였습니다.
sns.pointplot() 시각화 시 bbox_to_anchor 옵션을 사용하여 범례(Legend)를 그래프 외부로 깔끔하게 정돈하였습니다.
경기도와 서울특별시가 절대적인 인구 규모로 인해 출생아 수가 가장 많으나 전반적으로 급감하는 추세를 확인하였습니다.
세종특별자치시는 우수한 보육 여건 등의 요인으로 2012년 이후 전국에서 유일하게 출생아 수가 지속적으로 증가하는 양상을 검증하였습니다.

라벨 종합 정리

본 영상 모음은 KOSIS, MDIS, 통합데이터지도, 서울시 공공데이터, 위키피디아 등 다양한 공공·민간 데이터 원천을 수집하고 활용하는 실무 방법론을 다룹니다.
판다스(Pandas)의 melt(), crosstab(), read_html(), 문자열 접근자(str) 및 인코딩(cp949) 전처리를 통해 복잡한 데이터를 분석하기 좋은 타이디 데이터(Tidy Data)로 가공합니다.
Matplotlib, Seaborn, Plotly 시각화와 ChatGPT AI 도구를 결합하여 인구 구조 변화, 항공 수요 회복, 경기지수, 배달 패턴 등 현실 사회 및 비즈니스 문제의 핵심 인사이트를 효과적으로 도출합니다.