파이썬 실용 예제. 무역과 공공데이터

[무역|5|API] 니트릴장갑 수출입 - 공공데이터포털 API 활용신청 (2부)   먼저, 공공데이터포털의 활용신청 방법에 대한 간략 설명을 보시겠습니다. 개발계정신청과 운영계정신청        개발계정은 서비스나 애플리케이션 개발자가 개발을 목적으로 데이터를 활용할 목적으로 신청하는 계정인데요. 이용자가 사용하는 것이 아니고 개발 차원에서 코드 테스트 과정 등을 하는 것이기 때문에 트래픽을 크게 발생할 일이 많지 않을 것입니다. 하여, 하루 평균 1000건 규모의 트래픽을 제공한다고 하는데요. 이 정도면 아직 개발할 서비스를 대중에 공개할 수준의 구체적 개발 목적을 가지고 개발하지 않는 이상은 충분한 수준입니다.         운영계정은 서비스나 애플리케이션을 개발하여 최종사용자가 사용할 수 있는 형태..

[무역|5|API] 니트릴장갑 수출입 - 공공데이터포털 API 활용 (1부)   그 동안의 주제를 통해서 Data Mining & Refining - Data processing - Data Visualization의 단계별로 활용가능한 python 라이브러리들과 도구, 링크들을 몇가지씩 살펴 보았습니다. 간단히 정리하면 다음과 같습니다.   1) Data Mining & Refining - 공공데이터포털, pandas, python 기본문법 2) Data processing - pandas, python 기본문법 3) Data Visualization - matplotlib, plotly(공간데이터 시각화 포함)  pandas는 자주 사용되는 메소드들의 대부분을 다루었습니다. 이 전 포스팅에서 다룬 정..

[무역|4|Plotly] 에어컨 계절 수출입 수요 - plotly bar plot & subplot (4부)  마지막 코드라인을 보시고 결과물을 확인해 보도록 하겠습니다.  6) plotly.offline.plot(fig)  plotly.offline을 import해와서 plot(fig)를 명령하면 plotly 서버로의 연결 없이, local computer에서 처리하여 사용하시는 browser 창으로 해당 결과를 표출해 주게 됩니다. 앞서 설명드린 것처럼, 결과물 확인을 위해 대기시간 및 오류없이 빠른 속도로 결과를 얻기 위해서 offline모드로 표출작업을 하실 것을 권장 드립니다.   Various plots in subplots 결과확인   그럼 실행하여 결과물을 확인해 보시겠습니다.  코드를 실..

[무역|4|Plotly] 에어컨 계절 수출입 수요 - plotly bar plot & subplot (3부) plotly의 시각화 코드를 한 줄씩 살펴 보시겠습니다.fig = make_subplots(rows=1, cols=2, specs=[[{"type": "bar"}, {"type": "bar"}]])fig.add_trace(go.Bar(y=y1, x=z1, name="수출실적"), row=1, col=1)fig.add_trace(go.Bar(y=y2, x=z1, name="수입실적"), row=1, col=1)fig.add_shape(type="line",x0=z1.iloc[0],x1=z1.iloc[z1.count()-1],y0=y1.mean(),y1=y1.mean(), line=dict(color..

[무역|4|Plotly] 에어컨 계절 수출입 수요 - import plotly (2부)   import 라이브러리와 모듈  import pandas as pdimport plotly.graph_objects as goimport pyautoguifrom plotly.subplots import make_subplotsimport plotly.offline  먼저 import할 라이브러리부터 보시죠.  1) data refining과 processing을 위해 pandas가 필요하구요.   2) plotly.graph_objects를 go라는 약칭으로 불러 들입니다. plotly의 plot에 관련한 다양한 메소드들이 이 모듈 안에 들어 있습니다. plotly.express가 더욱 간결하고 빠르게 결과물을 ..

[무역|4|Plotly] 에어컨 계절 수출입 수요 - plotly 기본 확장 (1부)     안녕하세요.  이번 포스팅 주제는 에어컨의 계절별 수출입 수요 흐름입니다.   무역3번 주제까지 matplotlib 기본을 알아보던 중이었는데요. 생활1번 주제 '자전거 대여소 공간데이터 시각화'를 하면서 plotly를 사용해 보게 되었습니다. 사용해 볼 수록 구문 구성이 매우 간편한 형태라서 제가 matplotlib을 맨땅에 헤딩하고 배우던 때에 대비해서 상당히 짧은 시간내에 많은 기능에 대해 익힐 수 있었는데요.   matplotlib도 훌륭하지만 plotly의 시각적 효과 부터 해서 간단한 구문 사용방식과 다양한 인자 반영까지, built-in 되어 있는 많은 것들이 matplotlib보다 편이성을 주는 측..

[무역|3|Plotly] 자전거 수출입과 일상의 데이터 - 공간데이터 시각화 Plotly (2부) 지난 시간에 받아둔 CSV파일을 들여다 보겠습니다.  총 21개의 데이터 항목 중 아래의 항목들이 이번에 처음 해보는 공간시각화의 과정에서 필수로 처리되어야 할 항목들로 보입니다.  (1) 자전거대여소명  (2) 자전거대여소구분 - 유인으로 운영되는지, 무인으로 운영되는지 또는 병행되는지가 표시됩니다. (3) 소재지도로명주소 (4) 소재지지번주소 (5) 위도 (6) 경도 (7) 운영시작시각 (8) 운영종료시각 (9) 휴무일 (10) 요금구분 (11) 자전거이용요금   plotly 엿보기  우선 간단한 형태로 코딩을 실행해 보겠습니다.  import pandas as pdimport plotly.express..

[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..