파이썬 실용 예제. 무역과 공공데이터

[무역|3|Plotly] 자전거 수출입과 일상의 데이터 - 공간데이터 시각화 Plotly (1부)  이번에는 matplotlib이 아닌 Plotly를 사용한 시각화를 해보겠습니다.   Plotly 엿보기에 앞서.  먼저 Plotly의 Graphing Libraries 페이지 링크를 걸어 놓겠습니다. 링크 : Plotly Python Open Source Graphing Library    Plotly도 matplotlib과 같은 시각화 도구의 일종입니다.   다른 포스팅들을 통해서 matplotlib 뿐만 아니라, 이번과 같이 plotly, seaborn과 같은 여타 시각화 도구도 함께 다뤄 보고자 합니다.  표현하고자 하는 plot의 형태가 각 시각화 도구마다 특징을 조금씩 달리 하고 있는 점이 있기 ..

[무역|3|Phase3] 자전거 수출입과 일상의 데이터 - matplotlib   지난 포스팅을 통해 자전거의 2017.1~ 2020.5까지의 월별 수출입실적에 대한 관세청 자료의 Data mining, refining & python coding까지 진행해 보았습니다. 이번 시간에는 matplotlib에 의한 시각화 결과물을 함께 보시도록 하겠습니다.   시각화된 최종결과물은 아래 네이버블로그를 통해서 카테고리별로 게재되고 있습니다. 해당 결과물에 대한 개인적 해석의견과 추가적인 수출입 업무 정보를 아래 블로그를 통해 제공해 드리고 있으니, 함께 많은 참조 부탁 드립니다.  링크 : HS code로 보는 무역 경제 & IT[8712.00] (2) 자전거 수출입실적 동향 편    그럼 하나씩 실행 코드와..

[무역|3|Phase1&2] 자전거 수출입과 일상의 데이터 - 공공데이터포털 데이터수집 (1부)   이번 카테고리에서는 무역 데이터를 제공하는 관세청의 무역통계 페이지를 통해 자전거의 수출입 실적을 살펴 보겠습니다. 관세청 무역 통계 수출입 실적에 관한 통계 및 시각화코드는  '3D 프린터' 주제를 통해 이미 함수화까지 시켰지요.. 해서 코드에서 더이상 만질 부분이 없는 수준으로 정리되었다고 보셔도 되겠습니다. 함수를 돌려서 곧바로 수출입 실적을 시각화 하도록 하겠습니다.  뿐만 아니라, 이번 카테고리는 무역 주제를 다루고있지만 관세청 통계에서 좀 벗어나서, 각 지방 자치 단체에서 제공하는 '자전거 대여소 정보'와 같은 데이터를 가지고 '지도 시각화'를 해볼까 합니다. 필자도 공간정보에 대한 시각화는 다..

[무역|2|Phase3] 3D 프린터와 무역의 미래 - matplotlib data visualization  지난 Phase2에 이어 data visualization 결과물을 정리해 보겠습니다. Data visualization 코드 부분만 다시 보시겠습니다. x1 = d7['기간']y1 = d7['수출금액']y2 = -d7['수입금액']y3 = d7['무역수지']plt.plot(x1, y1, linestyle= 'solid', color='blue', marker='.', alpha = 0.5)plt.plot(x1, y2, linestyle= 'solid', color='red', marker='.', alpha = 0.5)plt.bar(x1, y3, color='green', alpha = 1.0..

[무역|2|Phase2] 3D 프린터와 무역의 미래 - Python coding  지난 시간 Data Mining에 이어, 오늘은 이미 작성된 파이썬 시각화 코드를 재활용하는 방법을 살펴 보겠습니다.우선, 코드를 먼저 보시겠습니다.import pandas as pdimport matplotlib.pyplot as pltimport pyautoguifrom matplotlib import font_manager, rcfont_name = font_manager.FontProperties(fname="c:/Windows/Fonts/batang.ttc").get_name()rc('font', family=font_name)projectName = "3D 프린터"def exportimportCal(hs_code..

[무역|2|Phase1] 3D 프린터와 무역의 미래 - - Data mining & refining 안녕하세요. 이번 주제는 3D 프린터와 무역의 미래 입니다.  무역/통관업계에 종사하는 사람으로서 3D 프린터가 물류/운송업계에 미칠 영향이 상당할 것으로 예상되는 상황입니다. 이에, 제 네이버 블로그를 통해 3D 프린터의 수출입 요령, 관세율 등에 대한 주제를 다루었는데요.  (1) 3D 프린터의 HS code 분류체계와 세율 혜택을 위한 선택 방법https://blog.naver.com/carotin3/222004149247 포스팅 중 3D 프린터의 수출입 동향을 살펴 보기 위해 데이터 수집, 분석을 처리할 필요가 생겼습니다. 이에 지난 무역 1번 주제 '보건용마스크' 수출입 동향 분석과 같이 관세청 ..

[무역 | Phase3] 보건용 마스크 원재료 (부직포) 수출입 동향 - matplotlib  직전 포스팅인 [무역 | Phase3] 보건용 마스크 수출입 동향 - Visualization / matplotlib에서는 보건용 마스크 완제품의 수출입 동향을 파악하기 위한 시각화 작업을 진행하였습니다.  하여 이번 포스팅에서는 시각화 자료의 해석에 관련한 의견교환 시간을 가지려고 했는데.. 제가 하나 빠뜨린 자료가 있었습니다... 완제품이 아닌 마스크 제조용 원재료인 부직포에 대한 수출입 통계였습니다. 이 자료까지 시각화하여 보시고 의견 교환의 시간으로 넘어 가겠습니다.  마스크의 생산 공정과 원재료에 관해서는 아래 네이버 블로그를 통해서 확인이 가능하신데요.   링크 : HS code로 보는 무역 경제 &..

[무역 | Phase3] 보건용 마스크 수출입 동향 - Visualization / matplotlib 지난 포스팅까지 Phase2를 마치고 이제 Phase3를 진행해 보겠습니다.역시 이번 시각화에서도 부동산 1번 주제 고양시 아파트 동향조사 때 쓰였던 matplotlib 라이브러리를 사용하겠습니다.matplotlib의 기초적인 코드들을 고양시 아파트 동향조사 때 많이 사용했었고, 이번에도 비슷한 코드를 많이 사용할 예정이기에, 코드가 중복되는 부분은 설명에서 필요한 경우에만 언급하고 새롭게 배울 부분에 대해서만 코드 설명을 상세히 드리도록 하겠습니다.  제 1번 자료  2019.1~ 2020.4 완제 마스크 (HS code 6307909000)의 월별 수출입실적 시각화 우선 제 1번 자료 시각화를 진행..

[무역 | Phase2] 보건용 마스크 수출입 동향 - Python pandas 기본 (3부)   제 2번 자료  2019.1~ 2020.4 완제 마스크 (HS code 6307909000)의 월별 국가별 수출입실적 데이터 가공  코딩 전문부터 보시겠습니다. # 품목별 국가별 수출입실적 xlsx 파일을 pandas DataFrame으로 불러오기b1 = pd.read_excel('C:\\Users\\USER\\Desktop\\example\\Trade\\품목별 국가별 수출입실적_6307909000.xlsx')# 불필요한 1번~4번행 지우기b2 = b1.drop(b1.index[0:3])# 불필요한 6번행 지우고, DataFrame의 index값을 다시 부여하기b3 = b2.drop(b1.index[4]..

[무역 | Phase2] 보건용 마스크 수출입 동향 - Python pandas 기본 (2부)    1부에 이어, 7)번 코딩부터 살펴 보겠습니다.   코딩 전문은 지난 포스팅을 참조해 주세요.  링크 : [무역 | Phase2] 보건용 마스크 수출입 동향 - Python coding (1부)  df.rename()   pandas DataFrame Series 이름 다시 짓기   7) a5 = a4.rename(columns=a4.iloc[0])   상기 이미지상 a4 DataFrame을 보시면 0번 index행이 우리가 이 DataFrame의 각 Series의 이름임을 알 수 있습니다. 즉, 이 DataFrame은 아직 Series이름이 {품목별 수출입실적, Unnamed:1, ..., Unnamed..