[데이터분석] 전국 신규 민간 아파트 분양 가격 동향 분석하기

공공데이터 포털에 있는 자료를 활용하여 전국 신규 민간 아파트 분양 가격 데이터를 분석해보려고 한다.

 

공공데이터포털

https://www.data.go.kr/data/15061057/fileData.do

주택도시보증공사_전국 신규 민간아파트 분양가격 동향_20211231

데이터 파일은 공공데이터 포털에 2021년 12월 31일 자료로 주택도시보증공사에서 제공한 자료를 활용하였다.

 

 

1.  전국 신규 민간아파트 분양가격 동향  데이터 읽어오기

df = pd.read_csv('./data/전국신규민간아파트분양가격동향_20211231.csv', encoding='cp949')
df

데이터를 df로 받아주고 csv 파일을 자신의 컴퓨터 환경에 맞게 저장경로를 파악하여 데이터를 불러오도록 하자.

데이터인코딩이 필요하여 별도의 encoding 코드를 넣어주었다. csv파일이니 pd.read_csv로 읽어왔다.

 

총 6375행과 5개의 컬럼으로 이루어져 있는 파일이다. (df.shape로도 알 수 있음)

위에 상단으로부터 데이터는 head를 사용하고 밑에서부터 데이터를 살펴 보려면 tail을 사용해주면된다.

ex) df.head()    //    df.tail()

 

데이터 분석을 하기 전에는 데이터를 둘러보는게 중요한데 결측치는 없는지 만약 있다면 원하는 목표를 위하여 어떤식으로 그 결측치를 처리해 줄 지 잘 생각해보고 데이터를 목적에 맞게 잘 다듬어 줘야한다.

df.dtypes
df.isnull().sum()
df.describe()

데이터 타입과, 결측치 확인, 통계량을 확인해 본다.

 

각각 데이터 타입 확인, 통계량, 결측치 확인 결과값이다

데이터를 둘러보니 분양가격에 해당하는 컬럼에 484개에 해당하는 데이터 결측치 null 즉 nan 값이 존재함을 알 수 있다.

그래서 분양가격(제곱미터) null 값에 대한 정보만을 뽑아보았다.

결측치에 해당하는 데이터만 뽑아보는 코드는 다음과 같다.

df.loc[df['분양가격(제곱미터)'].isnull()]

필자는 loc을 이용하여 df 데이터에 해당 컬럼의 null값을 갖고 있는 데이터를 뽑아봤다.

 

분양가격(제곱미터)컬럼이 nan 값인 데이터만 추출

그리고 추후에 계산을 위해 결측치 값을 0으로 대체해주었다.

df = df.fillna(0)

결측치가 모두 제거된 모습

기존 결측치 값들이 모두 0으로 채워졌다.

또한 분양가격 타입이 확인해보면 object 로 되어있기 때문에 int로 바꿔주는것이 올바른 방법이라고 판단해서 바꿔주기로 했다. astype을 이용하여 바꿔주자

 

df['분양가격(제곱미터)'].astype(int)

올바르게 작성했지만 오류를 만났다.

오류 코드

오류 코드를 확인해보면 '   ' 이렇게 데이터에 빈공간이 있는 모습이다

빈공간을 제거 해주도록 해야겠다.

 

df.loc[df['분양가격(제곱미터)']=='  ']

이렇게 지금 빈공간이 있는 데이터를 추려보았다.

빈공간으로 남겨져 있는 잘못된 데이터들

이렇게 빈공간으로 나와있는 데이터들도 모두 0으로 바꿔주도록하겠다.

df.loc[df['분양가격(제곱미터)'] == '  ', '분양가격(제곱미터)'] = 0
df.loc[df['분양가격(제곱미터)']=='  ']

빈공간으로 남겨져 있는 아이들도 모두 0으로 대체되었다.

 

하지만.. 또다시 마주한 에러..

어떤 값은 숫자에 콤마 ,  가 있고 어떤 값은 없다.

그래서 통일성 있게 , 를 모두 제거해주기로했다

 

 

문자열의 경우 str을 꼭 붙여 치환 해줘야 잘 작동한다.

df['분양가격(제곱미터)'] = df['분양가격(제곱미터)'].str.replace(',', '')

콤마가 잘 없어진 모습

 

이제 분양가격 컬럼 데이터 타입을 int로 바꿔보자!! 드디어!!

df['분양가격(제곱미터)'].astype(int)

하지만 다시 발생한 Nan값이 있다는 오류

다시한번 nan값 결측치를 제거해주자.

df['분양가격(제곱미터)'] = df['분양가격(제곱미터)'].fillna(0)

 

분양가격 컬럼의 결측치를 다시 0으로 치환 해주었다.

df['분양가격(제곱미터)'].astype(int)

드디어 분양가격의 데이터 타입이 int로 변경되었다.!! 

 

 

결측치를 모두 처리해준 깔끔한 모습

결측치도 모두 처리해주고 숫자형태이지만 object data type 이였던것도 int 형식으로 잘 바꿔주었다.

 

이제 규모구분 컬럼 내의 데이터를 조금 더 가다듬으려고 한다.

규모구분 컬럼 내 들어가있는 전용면적을 별도로 컬럼을 만들어 빼주도록하고, 규모구분 컬럼은 삭제해주겠다.

분양가격도 정리된 데이터를 보게된다면 알 수 있게

분양가격(제곱미터)'*3.3인  평당분양가격 컬럼을 따로 생성하여 데이터를 만들어보겠다.

그 후 보기 쉬운 컬럼 순서대로 컬럼 정렬을 실시하겠다.

df['규모구분'].value_counts()

규모구분 컬럼의 정보

규모구분 컬럼을 보면 보기 어렵게 되어있다.

제곱미터 단위를 글자가 아닌 전용 단위로 변경해주겠다.

df['규모구분']=df['규모구분'].str.replace('제곱미터', 'm²')

규모구분 컬럼의 제곱미터를 단위로 잘 바꿈

전용면적이라는 말이 불필요하게 들어가 있어 차라리 컬럼 자체로 빼주고 전용면적에 대한 내용만 위치 할 수 있게 변경해야겠다.

df['규모구분']=df['규모구분'].str.replace('전용면적', '')

전용면적이라는 단어 삭제!

df = df.rename(columns={'규모구분':'전용면적'})

 

규모구분 컬럼 이름명을 전용면적으로 바꾸어주었다. 데이터 내 불필요한 단어인 '전용면적'이 계속 반복되어 이렇게 컬럼 명으로 빼주니 아주 깔끔해진 모습이다!!

 

이제 비워져있는 분양가격에 대한 데이터를 만들어보자!

 

df['평당분양가격'] = df['분양가격(제곱미터)']*3.3
df.head()

평당분양가격이라는 새로운 컬럼을 추가해 주면서 다듬어진 분양가격 컬럼에 3.3을 곱한값을 데이터로 넣어주겠다.

평당분양가격 컬럼 및 데이터가 알맞게 넣어진 모습

df = df[['지역명', '연도', '월', '분양가격(제곱미터)', '평당분양가격', '전용면적']]
df.head()

보기쉽게 컬럼 순서변경

사람들이 보기 쉬운 순서대로 컬럼 순서를 변경해주었다.

 

df_area = df.groupby('지역명').mean().reset_index() 
df_area = df_area.sort_values(by=['평당분양가격'], ascending=False)

처음엔 지역명으로 그룹바이를 하여 지역별로 평당분양가격 평균값을 구했고

그 후엔 평당분양가격으로 내림차순하여 정렬하였다.

또한 새롭게 인덱스를 붙여 주었다.

 

지역별 평당분양가격에 대해 한눈에 알아보기 위해 시각화 해보았다.

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(10,5))
sns.barplot(x = '지역명' , y = '평당분양가격', data=df_area)

지역별 평당분양가격

이 데이터를 살펴 보았을때 전국에서 서울이 압도적인 가격으로 평당분양가격이 형성되어있다는 사실을 알 수 있다.

 

sns.barplot(x = '연도' , y = '평당분양가격', data=df)

 

연도별 평당분양가격

또한, 연도별로 매해 꾸준히 평당분양가격이 상승하고 있는 모습인 사실을 알 수 있다.