kosis-cosmetic-production.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "2273cb3e-2b95-47f9-80cb-82721f4e9dad",
   "metadata": {},
   "source": [
    "## 코로나전후 색조화장품의 생산량은 어떻게 변화했을까? Plotly를 통해 알아보기\n",
    "* 식품의약품안전처,「화장품산업현황」, 화장품 유형별 책임판매업체 생산실적\n",
    "    * https://kosis.kr/statHtml/statHtml.do?orgId=145&tblId=DT_145011_A013&conn_path=I2\n",
    " \n",
    "* Plotly는 Python을 비롯한 다양한 프로그래밍 언어에서 대화형 그래프를 생성할 수 있는 강력한 데이터 시각화 라이브러리입니다. 특히 Plotly는 웹 기반의 대화형 그래프를 쉽게 만들 수 있는 기능을 제공하여, 데이터 분석 및 시각화 작업에 널리 사용됩니다.\n",
    "\n",
    "### plotly\n",
    "* https://plotly.com/python/\n",
    "* https://plotly.com/python-api-reference/plotly.express.html\n",
    "\n",
    "Plotly Express는 Plotly 라이브러리의 하위 모듈로, 간단하고 직관적인 인터페이스를 제공하여 빠르게 그래프를 생성할 수 있게 해줍니다. px로 축약하여 사용하며, 다양한 시각화 기능을 단 몇 줄의 코드로 구현할 수 있습니다. Plotly Express는 기본적인 차트부터 고급 차트까지 다양한 유형의 시각화를 지원합니다. 예를 들어, 히스토그램, 막대 그래프, 선 그래프, 산점도, 트리맵 등이 있습니다.\n",
    "\n",
    "Plotly의 주요 특징 중 하나는 대화형 그래프를 생성할 수 있다는 점입니다. 사용자는 생성된 그래프에서 데이터를 확대, 축소하거나, 마우스 오버를 통해 상세 정보를 확인하는 등 다양한 상호작용을 할 수 있습니다. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "89531fca-0b1f-4a9d-8e72-304743f95916",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 필요한 라이브러리 설치 및 임포트\n",
    "# !pip install -Uq plotly"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "5b1d34e8-0b54-4b6c-b2b7-6eb18faa6f67",
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "import plotly.express as px"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "6dc68b08-fc18-4414-b4e0-ffe31fdd7edc",
   "metadata": {},
   "source": [
    "## 데이터 준비 및 기초 기술 통계 확인"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "c733b68c-2bab-45ab-b2a2-58d281f2187d",
   "metadata": {},
   "outputs": [],
   "source": [
    "df = pd.read_csv(\"data/kosis-cosmetic-production.csv\", encoding=\"cp949\")\n",
    "df.shape"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b6617001-ca7b-4915-9315-9455b48b7521",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.head()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "ef962277-7c86-4bba-93e4-ff3d1c10317f",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.columns = ['유형', '연도', '억원']\n",
    "df.head()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "8a4b90b6-9f68-4b60-9eb8-725e36f4fd55",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.info()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "fc4a68f7-1d7b-4369-8ecd-2145f5aeb233",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.describe()"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "7263ead3-671e-4a80-bb6a-b2225d809df1",
   "metadata": {},
   "source": [
    "## plotly express를 활용한 데이터 시각화 "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "57d0d6a8-743a-4fdc-a93a-4cf1543e58f5",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.histogram(df, x='억원')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "0bdc92c6-ed2d-4a08-8ff1-0025ef424846",
   "metadata": {},
   "outputs": [],
   "source": [
    "# histnorm=\"density\" 사용시 y 축의 값이 밀도로 변경됨\n",
    "px.histogram(df, x='억원', histnorm=\"density\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "001406bb-effa-449a-b898-5afa9e590eca",
   "metadata": {},
   "outputs": [],
   "source": [
    "# histnorm=\"density\" 사용시 y 축의 값이 밀도로 변경됨\n",
    "px.histogram(df, x='억원', histnorm=\"density\", marginal=\"violin\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "90a668af-f98f-4520-aff0-89271cd5ad87",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 빈도 시각화\n",
    "px.histogram(df, x='유형')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "89a4e7fe-3c52-4cfe-a9b3-a835f527d3b4",
   "metadata": {},
   "outputs": [],
   "source": [
    "# histfunc 으로 연산 기능 \n",
    "px.histogram(df, x='유형', y=\"억원\", histfunc=\"avg\", title=\"평균 생산량 억원 단위\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e99af78b-a505-43b6-a12b-c6b64a4a80f6",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.histogram(df, x='유형', y=\"억원\", histfunc=\"sum\", title=\"합계 생산량 억원 단위\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d335018e-9efd-4288-8127-4719f3a00df3",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 연간 생산량 막대 그래프\n",
    "px.bar(df, x='연도', y='억원', title='연간 생산량 (억원)', color='유형')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "c3a36b9d-7f47-444f-bf35-49bad39acf02",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "markdown",
   "id": "8b8570d9-9f28-4cf1-9efc-1f83b54998ea",
   "metadata": {},
   "source": [
    "## 코로나 전후의 연간 생산량 변화 분석"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "35f2a3f8-5022-4bb4-987a-11576f09d209",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.loc[df[\"연도\"] > 2019, \"코로나전후\"] = \"후\"\n",
    "df.loc[df[\"연도\"] <= 2019, \"코로나전후\"] = \"전\""
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "ab2d33c8-dad9-4952-9754-22528b57f60e",
   "metadata": {},
   "outputs": [],
   "source": [
    "df[\"코로나전후\"].value_counts()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d4381ede-9fdc-436d-91c1-5bd72b73ed8c",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.groupby([\"연도\", \"유형\"])[\"억원\"].mean().unstack()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "1fb013ab-923c-4df2-99ca-a6144f314517",
   "metadata": {},
   "outputs": [],
   "source": [
    "df.groupby([\"연도\", \"유형\"])[\"억원\"].mean().unstack().style.background_gradient().format(\"{:,.0f}\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bebb56f1-6109-4146-b3db-6656ba743d73",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.histogram(df, x='유형', y=\"억원\", histfunc=\"avg\", barnorm=\"fraction\", \n",
    "             color=\"코로나전후\", title=\"평균 생산량 억원 단위\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "ba71bec6-74f4-4e2f-9e78-0ded6013cdd1",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "markdown",
   "id": "e449fe87-f8a5-483a-a106-f79aaa13bd75",
   "metadata": {},
   "source": [
    "## 서브플롯을 통한 시각화"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "8caad30f-d20d-45fe-982d-8b32c5aad946",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 연간 생산량 선 그래프\n",
    "px.line(df, x='연도', y='억원', title='연간 생산량 (억원)', color='유형')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cc0cad46-616b-43d6-8404-59ce47994428",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 연간 생산량 선 그래프\n",
    "px.line(df, x='연도', y='억원', title='연간 생산량 (억원)', color='유형', \n",
    "        facet_col=\"유형\", facet_col_wrap=4, height=500)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "a99692fe-6343-45d5-9096-385ac784a463",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 연간 생산량 선 그래프\n",
    "px.line(df, x='연도', y='억원', title='연간 생산량 (억원)', color='유형', \n",
    "        facet_col=\"유형\", facet_col_wrap=4, height=500, log_y=True)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "3285b270-38e0-40c9-9000-856b926c484a",
   "metadata": {},
   "source": [
    "## 로그 스케일을 통한 유형별 변화량 비교"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "ffc34f55-2576-4ffd-9346-a396a2f41baa",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 데이터 정렬 및 그룹화\n",
    "df = df.sort_values(by=['유형', '연도'])\n",
    "df['누적금액'] = df.groupby('유형')['억원'].cumsum()  # 누적 금액"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d93d7fcb-49ab-41c4-b473-3604d662b0e2",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 누적 생산량 선 그래프\n",
    "px.line(df, x='연도', y='누적금액', title='누적 생산량 (억원)', color='유형')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d03ff418-31ce-4754-8430-dfb64c435f7a",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 누적 생산량 로그 그래프\n",
    "px.line(df, x='연도', y='누적금액', title='누적 생산량 (억원)', color='유형', log_y=True)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e374e456-3d14-434c-8667-55818924151e",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.treemap(df, path=['유형'], values='억원',\n",
    "                 title='유형별 생산량 Treemap')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "4a4903d5-6c77-43db-8609-3488440ce66f",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.sunburst(df, path=['유형'], values='억원',\n",
    "                 title='유형별 생산량 Treemap')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "4b77865e-48c6-4565-8bf0-deac023d9f1a",
   "metadata": {},
   "source": [
    "## 상관 분석"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b3edf003-1cb0-405a-ac91-5817d6755f4d",
   "metadata": {},
   "outputs": [],
   "source": [
    "corr_matrix = df.select_dtypes(include=\"number\").corr()\n",
    "corr_matrix"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "f1f9950c-1db9-4e7e-b34c-4355a7252ae1",
   "metadata": {},
   "outputs": [],
   "source": [
    "fig = px.imshow(corr_matrix,\n",
    "                text_auto=True,  # 셀 안에 상관계수 값 표시\n",
    "                aspect=\"auto\",   # 셀의 가로세로 비율 자동 조정\n",
    "                color_continuous_scale=\"RdBu_r\",  # 색상 스케일\n",
    "                title=\"Correlation Matrix\")\n",
    "# 그래프 출력\n",
    "fig.show()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "a1e3a6dc-0e5e-43a0-a925-5f422810adc4",
   "metadata": {},
   "outputs": [],
   "source": [
    "px.scatter_matrix(df, dimensions=df.columns, color=\"유형\", width=1000, height=1000)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d505d2c8-71c4-4401-b781-b1b1a9c68612",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "523ccfd2-6a75-4bb8-9849-5e467ccb6862",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.11.4"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}