출생아 수 및 합계출산율

2. 출생아 수 및 합계 출산율

import pandas as pd
df= pd.read_excel('stat_142801.xls', skiprows=2, nrows=2, index_col=0)
df

	2012	2013	2014	2015	2016	2017	2018	2019	2020
출생아 수	484.600	436.500	435.400	438.400	406.200	357.800	326.800	302.700	272.30
합계 출산율	1.297	1.187	1.205	1.239	1.172	1.052	0.977	0.918	0.84

df.index

Index(['출생아 수', '합계 출산율'], dtype='object')

df.index.values

array(['출생아\xa0수', '합계\xa0출산율'], dtype=object)

df.rename(index={'출생아\xa0수':'출생아 수', '합계\xa0출산율':'합계 출산율'}, inplace=True)
df

	2012	2013	2014	2015	2016	2017	2018	2019	2020
출생아 수	484.600	436.500	435.400	438.400	406.200	357.800	326.800	302.700	272.30
합계 출산율	1.297	1.187	1.205	1.239	1.172	1.052	0.977	0.918	0.84

df.index.values

array(['출생아 수', '합계 출산율'], dtype=object)

df.loc['출생아 수'] # df.iloc[0]

2012    484.6
2013    436.5
2014    435.4
2015    438.4
2016    406.2
2017    357.8
2018    326.8
2019    302.7
2020    272.3
Name: 출생아 수, dtype: float64

df = df.T
df

	출생아 수	합계 출산율
2012	484.6	1.297
2013	436.5	1.187
2014	435.4	1.205
2015	438.4	1.239
2016	406.2	1.172
2017	357.8	1.052
2018	326.8	0.977
2019	302.7	0.918
2020	272.3	0.840

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.plot(df.index, df['출생아 수'])
plt.plot(df.index, df['합계 출산율'])
plt.show()

fig, ax1 = plt.subplots(figsize=(10, 7)) # default 값 : subplots(1,1)
ax1.plot(df.index, df['출생아 수'], color='#ff812d')

ax2 = ax1.twinx() # x 축을 공유하는 쌍둥이 axis
ax2.plot(df.index, df['합계 출산율'], color='#ffd100')

plt.show()

fig, ax1 = plt.subplots(figsize=(13, 5)) # default 값 : subplots(1,1)
ax1.set_ylabel('출생아 수 (천 명)')
ax1.set_ylim(250,700)
ax1.set_yticks([300, 400, 500, 600])
ax1.bar(df.index, df['출생아 수'], color='#ff812d')
for idx, val in enumerate(df['출생아 수']):
    ax1.text(idx, val + 12, val, ha='center')

ax2 = ax1.twinx() # x 축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.set_ylim(0, 1.5)
ax2.set_yticks([0, 1])
ax2.plot(df.index, df['합계 출산율'], color='#ffd100')

plt.show()

fig, ax1 = plt.subplots(figsize=(13, 5)) # default 값 : subplots(1,1)
ax1.set_ylabel('출생아 수 (천 명)')
ax1.set_ylim(250,700)
ax1.set_yticks([300, 400, 500, 600])
ax1.bar(df.index, df['출생아 수'], color='#ff812d')
for idx, val in enumerate(df['출생아 수']):
    ax1.text(idx, val + 12, val, ha='center')

ax2 = ax1.twinx() # x 축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.set_ylim(0, 1.5)
ax2.set_yticks([0, 1])
ax2.plot(df.index, df['합계 출산율'], color='#ffd100', marker='o', ms=15, lw=5, mec='w', mew=3) 
# markersize, linewidth, markeredgecolor, markeredgewidth

plt.show()

fig, ax1 = plt.subplots(figsize=(13, 5)) # default 값 : subplots(1,1)
fig.suptitle('출생아 수 및 합계출산율')
ax1.set_ylabel('출생아 수 (천 명)')
ax1.set_ylim(250,700)
ax1.set_yticks([300, 400, 500, 600])
ax1.bar(df.index, df['출생아 수'], color='#ff812d')
for idx, val in enumerate(df['출생아 수']):
    ax1.text(idx, val + 12, val, ha='center')

ax2 = ax1.twinx() # x 축을 공유하는 쌍둥이 axis
ax2.set_ylabel('합계 출산율 (가임여성 1명당 명)')
ax2.set_ylim(0, 1.5)
ax2.set_yticks([0, 1])
ax2.plot(df.index, df['합계 출산율'], color='#ffd100', marker='o', ms=15, lw=5, mec='w', mew=3) 
for idx, val in enumerate(df['합계 출산율']):
    ax2.text(idx, val + 0.08, val, ha='center' )

plt.show()