raw 데이터

import pandas as pd import re # 1) 서울 제외 광역시 조건 (부산/대구/인천/광주/대전/울산) metros_no_seoul = ["부산광역시","대구광역시","인천광역시","광주광역시","대전광역시","울산광역시"] # 2) df3에서 조건 필터 (df3가 이미 15-29세만 담고 있지 않을 수도 있으니 안전하게 한 번 더 체크) mask_city = df3["시도별"].isin(metros_no_seoul) mask_age = df3["연령계층별"].eq("15 - 29세") if "연령계층별" in df3.columns else True sub = df3.loc[mask_city & mask_age].copy() # 3) '고용률(%)' 컬럼만 자동 선택 # - 패턴 예: 2024.3/4(총인구), 2024.3/4.1(경제활동인구), 2024.3/4.2(비경제활동인구), # 2024.3/4.3(경제활동참가율), 2024.3/4.4(고용률) # - 따라서 고용률은 ".4"로 끝나는 컬럼들 emp_rate_cols = [c for c in sub.columns if re.match(r"^\d{4}\.\d/4\.4$", c)] # 4) long 형태 (시각화/가공에 편리) emp_long = ( sub[["시도별"] + emp_rate_cols] .melt(id_vars="시도별", var_name="분기_raw", value_name="고용률(%)") ) # 숫자 변환 + 분기 라벨 정리(뒤의 ".4" 제거) emp_long["고용률(%)"] = pd.to_numeric(emp_long["고용률(%)"], errors="coerce") emp_long["분기"] = emp_long["분기_raw"].str.replace(".4", "", regex=False) emp_long = emp_long.drop(columns=["분기_raw"]) # 5) pivot 형태 (광역시 × 분기 표) emp_pivot = emp_long.pivot(index="시도별", columns="분기", values="고용률(%)") # 확인 print(emp_long.head()) # long 미리보기 (시도별, 분기, 고용률) print(emp_pivot) # pivot 표 (시도별 × 분기 고용률)

import pandas as pd import matplotlib.pyplot as plt import matplotlib import platform # Colab 환경에서 한글 폰트 설정 if platform.system() == 'Linux': !apt-get -qq install -y fonts-nanum import matplotlib.font_manager as fm matplotlib.rcParams['font.family'] = 'NanumGothic' plt.rcParams['axes.unicode_minus'] = False #폰트 설정 (한글 깨짐 방지용 – Colab 한정). 차트 출력 전 미리 실행해야 함!! !sudo apt-get install -y fonts-nanum !sudo fc-cache -fv !rm ~/.cache/matplotlib -rf #실행 후 세션 다시시작 # 1) CSV 경로 지정 (Colab에 업로드했거나 앞 단계에서 생성한 파일) path = "시도별_분기별_15-29세_경제활동인구_실업자_실업률.csv" df = pd.read_csv(path) # 숫자형 보장 for col in ["경제활동인구(천명)", "실업자(천명)", "실업률(%)"]: df[col] = pd.to_numeric(df[col], errors="coerce") # 2) 분기 정렬 키 def qkey(s): y, rest = s.split('.', 1) q = rest.split('/')[0] return (int(y), int(q)) # 3) 전국 실업률(가중 평균) = (Σ실업자 / Σ경제활동인구) * 100 nat = ( df.groupby("분기") .agg({"경제활동인구(천명)":"sum", "실업자(천명)":"sum"}) .reset_index() ) nat["전국 실업률(%)"] = (nat["실업자(천명)"] / nat["경제활동인구(천명)"] * 100) # 4) 광주광역시 실업률 시계열 gwangju = df[df["시도별"] == "광주광역시"][["분기", "실업률(%)"]].copy() gwangju = gwangju.rename(columns={"실업률(%)":"광주 실업률(%)"}) # 5) 정렬 및 병합(공통 분기) nat = nat.sort_values("분기", key=lambda s: s.map(qkey)).reset_index(drop=True) gwangju = gwangju.sort_values("분기", key=lambda s: s.map(qkey)).reset_index(drop=True) plot_df = pd.merge(nat[["분기","전국 실업률(%)"]], gwangju, on="분기", how="inner") # 6) 점선 그래프 (matplotlib, 단일 플롯, 색상 지정 없음) plt.figure(figsize=(10, 5)) plt.plot(plot_df["분기"], plot_df["전국 실업률(%)"], linestyle="--", marker="o", label="전국") plt.plot(plot_df["분기"], plot_df["광주 실업률(%)"], linestyle="--", marker="s", label="광주광역시") plt.title("15–29세 실업률: 전국 vs 광주광역시") plt.xlabel("분기") plt.ylabel("실업률(%)") plt.xticks(rotation=45) plt.grid(True, linestyle=":") plt.legend() plt.tight_layout() plt.show()