Population pyramid

1. 인구 피라미드

남자 데이터 정의

import pandas as pd
file_name = '201201_201201_연령별인구현황_월간.xlsx'
df_m = pd.read_excel(file_name, skiprows=3, index_col='행정기관', usecols='B,E:Y')
df_m.head(3)

C:\Users\Chae\anaconda3\lib\site-packages\openpyxl\styles\stylesheet.py:226: UserWarning: Workbook contains no default style, apply openpyxl's default
  warn("Workbook contains no default style, apply openpyxl's default")

	0~4세	5~9세	10~14세	15~19세	20~24세	25~29세	30~34세	35~39세	40~44세	45~49세	...	55~59세	60~64세	65~69세	70~74세	75~79세	80~84세	85~89세	90~94세	95~99세	100세 이상
행정기관
전국	1,196,298	1,215,642	1,627,682	1,878,394	1,692,322	1,798,832	2,058,717	2,151,718	2,346,348	2,171,235	...	1,608,133	1,139,681	885,678	719,811	437,707	194,827	77,608	22,964	4,766	2,691
서울특별시	216,843	212,597	282,790	344,798	337,696	421,899	475,109	452,897	463,064	412,326	...	334,448	240,777	190,839	139,263	74,020	32,185	13,282	4,663	1,203	907
부산광역시	67,475	69,137	99,796	128,970	123,263	126,669	138,762	134,439	148,476	145,068	...	137,184	100,614	73,804	55,002	29,768	12,274	4,325	1,141	244	230

3 rows × 21 columns

df_m.iloc[0] = df_m.iloc[0].str.replace(',','').astype(int) # ,를 없애야 숫자 형태
# 778,266 -> 778266 (정수형)

df_m.iloc[0]

0~4세       1196298
5~9세       1215642
10~14세     1627682
15~19세     1878394
20~24세     1692322
25~29세     1798832
30~34세     2058717
35~39세     2151718
40~44세     2346348
45~49세     2171235
50~54세     2182972
55~59세     1608133
60~64세     1139681
65~69세      885678
70~74세      719811
75~79세      437707
80~84세      194827
85~89세       77608
90~94세       22964
95~99세        4766
100세 이상       2691
Name: 전국  , dtype: object

여자 데이터 정의

df_w = pd.read_excel(file_name, skiprows=3, index_col='행정기관', usecols='B,AB:AV')
df_w.head(3)

C:\Users\Chae\anaconda3\lib\site-packages\openpyxl\styles\stylesheet.py:226: UserWarning: Workbook contains no default style, apply openpyxl's default
  warn("Workbook contains no default style, apply openpyxl's default")

	0~4세.1	5~9세.1	10~14세.1	15~19세.1	20~24세.1	25~29세.1	30~34세.1	35~39세.1	40~44세.1	45~49세.1	...	55~59세.1	60~64세.1	65~69세.1	70~74세.1	75~79세.1	80~84세.1	85~89세.1	90~94세.1	95~99세.1	100세 이상.1
행정기관
전국	1,128,024	1,126,625	1,492,152	1,659,937	1,525,305	1,691,682	1,975,775	2,068,220	2,277,052	2,051,092	...	1,624,628	1,189,414	1,009,513	933,302	700,197	429,811	208,227	73,481	19,130	9,067
서울특별시	205,591	199,837	260,917	309,366	333,116	431,682	466,958	437,616	460,637	408,707	...	361,120	258,846	205,704	159,556	108,150	67,410	34,724	13,038	3,930	2,718
부산광역시	64,052	64,215	89,346	109,301	109,765	118,838	132,634	130,434	152,203	148,289	...	143,244	105,702	79,870	68,449	47,084	28,764	13,212	4,138	1,169	848

3 rows × 21 columns

df_m.columns

Index(['0~4세', '5~9세', '10~14세', '15~19세', '20~24세', '25~29세', '30~34세',
       '35~39세', '40~44세', '45~49세', '50~54세', '55~59세', '60~64세', '65~69세',
       '70~74세', '75~79세', '80~84세', '85~89세', '90~94세', '95~99세', '100세 이상'],
      dtype='object')

df_w.columns

Index(['0~4세.1', '5~9세.1', '10~14세.1', '15~19세.1', '20~24세.1', '25~29세.1',
       '30~34세.1', '35~39세.1', '40~44세.1', '45~49세.1', '50~54세.1', '55~59세.1',
       '60~64세.1', '65~69세.1', '70~74세.1', '75~79세.1', '80~84세.1', '85~89세.1',
       '90~94세.1', '95~99세.1', '100세 이상.1'],
      dtype='object')

df_w.columns = df_m.columns # column명 통일
df_w.columns

Index(['0~4세', '5~9세', '10~14세', '15~19세', '20~24세', '25~29세', '30~34세',
       '35~39세', '40~44세', '45~49세', '50~54세', '55~59세', '60~64세', '65~69세',
       '70~74세', '75~79세', '80~84세', '85~89세', '90~94세', '95~99세', '100세 이상'],
      dtype='object')

df_w.iloc[0] = df_w.iloc[0].str.replace(',','').astype(int) # ,를 없애야 숫자 형태
df_w

	0~4세	5~9세	10~14세	15~19세	20~24세	25~29세	30~34세	35~39세	40~44세	45~49세	...	55~59세	60~64세	65~69세	70~74세	75~79세	80~84세	85~89세	90~94세	95~99세	100세 이상
행정기관
전국	1128024	1126625	1492152	1659937	1525305	1691682	1975775	2068220	2277052	2051092	...	1624628	1189414	1009513	933302	700197	429811	208227	73481	19130	9067
서울특별시	205,591	199,837	260,917	309,366	333,116	431,682	466,958	437,616	460,637	408,707	...	361,120	258,846	205,704	159,556	108,150	67,410	34,724	13,038	3,930	2,718
부산광역시	64,052	64,215	89,346	109,301	109,765	118,838	132,634	130,434	152,203	148,289	...	143,244	105,702	79,870	68,449	47,084	28,764	13,212	4,138	1,169	848
대구광역시	49,948	53,051	75,410	85,710	74,443	78,377	92,385	102,300	119,437	110,168	...	85,274	62,991	48,418	44,476	31,975	18,546	8,294	2,810	674	299
인천광역시	64,864	63,616	83,564	98,190	91,558	96,173	111,632	116,458	131,634	124,498	...	83,158	55,092	45,735	40,026	30,147	19,094	9,480	3,257	796	340
광주광역시	34,978	37,433	52,811	57,080	47,370	50,389	58,849	62,657	67,102	58,957	...	39,857	32,150	25,430	22,227	15,967	10,292	4,979	1,937	483	231
대전광역시	36,093	37,409	49,028	53,858	48,660	52,617	61,324	65,195	71,439	61,626	...	45,575	30,964	24,734	21,572	16,432	10,054	4,925	1,664	446	171
울산광역시	27,457	26,136	36,544	41,047	33,731	35,482	43,997	46,873	56,623	50,929	...	34,158	21,359	15,118	12,825	9,493	6,071	3,104	964	235	74
경기도	303,357	304,120	384,018	407,977	363,742	392,430	491,417	541,293	585,302	499,588	...	327,612	223,844	195,150	173,894	127,929	77,323	38,307	13,656	3,472	1,560
강원도	30,345	32,906	44,797	48,519	41,916	40,155	48,140	54,839	61,788	60,033	...	54,606	37,163	39,412	39,172	27,889	17,883	9,032	3,218	778	294
충청북도	35,343	35,345	47,541	51,326	44,030	47,141	53,863	58,887	66,286	59,916	...	49,960	34,890	34,302	34,572	28,331	16,628	7,721	2,724	700	218
충청남도	50,196	48,319	62,034	65,004	58,388	61,733	72,805	77,695	82,638	74,456	...	64,268	52,593	47,814	51,632	44,245	25,532	12,347	4,316	1,114	430
전라북도	39,258	41,556	57,815	63,584	53,136	51,798	59,084	66,444	73,506	68,970	...	59,516	52,141	46,748	48,723	40,106	24,689	11,191	4,179	1,054	411
전라남도	39,129	39,570	55,977	61,266	48,823	47,507	54,873	59,908	68,800	68,319	...	59,716	56,165	56,025	63,042	48,400	31,154	14,607	5,210	1,346	510
경상북도	55,342	53,470	72,403	79,585	72,043	75,465	88,163	94,825	105,919	102,809	...	95,244	74,322	66,870	72,621	58,569	35,449	17,012	6,066	1,400	418
경상남도	78,113	74,948	100,365	107,721	88,713	95,623	120,125	130,369	147,946	131,028	...	104,561	78,006	66,308	68,975	55,660	34,847	15,953	4,719	1,036	391
제주특별자치도	13,958	14,694	19,582	20,403	15,871	16,272	19,526	22,427	25,792	22,799	...	16,759	13,186	11,875	11,540	9,820	6,075	3,339	1,585	497	154

17 rows × 21 columns

데이터 시각화

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'Malgun Gothic' # 글자 폰트
matplotlib.rcParams['font.size'] = 15 # 글자 크기
matplotlib.rcParams['axes.unicode_minus'] = False # 한글 폰트 사용 시, 마이너스 글자가 깨지는 현상을 해결

plt.figure(figsize=(10,7))
plt.barh(df_m.columns, -df_m.iloc[0] // 1000 )  # 단위 : 천 명
plt.barh(df_w.columns, df_w.iloc[0] // 1000 )
plt.title("2012년 대한민국 인구 피라미드")
plt.savefig('2012_인구피라미드.png', dpi=100)
plt.show()