데이터 불러오기 및 전처리¶

불러올 데이터의 형태 파악¶

In [3]:

# https://www.data.go.kr/data/15061970/fileData.do
# 제주특별자치도_외국인관광객현황 2013~2019 데이터 다운로드

import pandas as pd 
jeju_2013 = pd.read_csv('제주특별자치도_외국인관광객현황_20131231.csv', encoding='cp949')
jeju_2013.head()

Out[3]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자
0	2013-01	6941	51606	681	2106	1857	1829	1042	422	1717	433	1845	2013-12-31
1	2013-02	5702	77252	2502	2700	2624	5271	895	1551	2677	465	2221	2013-12-31
2	2013-03	11568	73007	3589	2898	3932	6049	2006	1163	3442	979	2575	2013-12-31
3	2013-04	11720	141793	4688	2798	6470	12885	2822	2469	5633	2405	6271	2013-12-31
4	2013-05	22520	115104	3062	5089	4646	7371	1605	1023	4867	2501	6560	2013-12-31

In [4]:

jeju_2013.tail()

Out[4]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자
7	2013-08	11292	350458	3188	4056	2123	2335	3736	1910	7212	1865	6328	2013-12-31
8	2013-09	12111	222443	3824	2964	3599	4549	546	11097	4843	1761	7013	2013-12-31
9	2013-10	13559	141087	4477	3480	7037	7858	1232	2197	7847	4002	6822	2013-12-31
10	2013-11	7608	81010	2723	2097	5019	9138	1691	1567	4670	542	2676	2013-12-31
11	2013-12	5740	67168	1646	1357	10615	12885	4302	899	5400	338	1722	2013-12-31

In [5]:

jeju_2013.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 12 entries, 0 to 11
Data columns (total 13 columns):
해당연월       12 non-null object
일본         12 non-null int64
중국         12 non-null int64
홍콩         12 non-null int64
대만         12 non-null int64
싱가폴        12 non-null int64
말레이시아      12 non-null int64
인도네시아      12 non-null int64
베트남        12 non-null int64
아시아 기타     12 non-null int64
미국         12 non-null int64
서구 기타      12 non-null int64
데이터기준일자    12 non-null object
dtypes: int64(11), object(2)
memory usage: 1.3+ KB

In [6]:

jeju_2013.describe()

Out[6]:

	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타
count	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000	12.000000
mean	10739.916667	151014.333333	3313.416667	3240.833333	4718.500000	6246.333333	1892.083333	2346.833333	5052.416667	1786.583333	4969.416667
std	4534.575944	97806.660386	1295.704544	1292.270014	2607.487209	3947.074598	1174.454493	2819.792250	1787.543691	1266.325426	2510.492290
min	5702.000000	51606.000000	681.000000	1357.000000	1857.000000	1247.000000	546.000000	422.000000	1717.000000	338.000000	1722.000000
25%	7441.250000	76190.750000	2667.750000	2551.500000	2498.750000	3238.000000	1005.250000	1128.000000	4363.000000	522.750000	2486.500000
50%	10781.500000	128095.500000	3388.500000	2931.000000	4289.000000	5660.000000	1648.000000	1622.500000	5133.500000	1813.000000	6299.500000
75%	11817.750000	193489.250000	4347.250000	3624.000000	6499.750000	8178.000000	2210.000000	2188.750000	6012.250000	2503.000000	6869.750000
max	22520.000000	350458.000000	5077.000000	5958.000000	10615.000000	12885.000000	4302.000000	11097.000000	7847.000000	4002.000000	8421.000000

In [7]:

# 합계 컬럼 생성하기 
jeju_2013['총관광객'] = jeju_2013['중국'] + jeju_2013['홍콩'] + jeju_2013['대만'] + jeju_2013['싱가폴'] + jeju_2013['말레이시아'] + jeju_2013['인도네시아'] + jeju_2013['베트남'] + jeju_2013['아시아 기타'] + jeju_2013['미국'] + jeju_2013['서구 기타'] 
jeju_2013.head()

Out[7]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자	총관광객
0	2013-01	6941	51606	681	2106	1857	1829	1042	422	1717	433	1845	2013-12-31	63538
1	2013-02	5702	77252	2502	2700	2624	5271	895	1551	2677	465	2221	2013-12-31	98158
2	2013-03	11568	73007	3589	2898	3932	6049	2006	1163	3442	979	2575	2013-12-31	99640
3	2013-04	11720	141793	4688	2798	6470	12885	2822	2469	5633	2405	6271	2013-12-31	188234
4	2013-05	22520	115104	3062	5089	4646	7371	1605	1023	4867	2501	6560	2013-12-31	151828

In [8]:

jeju_2013.sort_values(by='총관광객', ascending=False).head()

Out[8]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자	총관광객
7	2013-08	11292	350458	3188	4056	2123	2335	3736	1910	7212	1865	6328	2013-12-31	383211
6	2013-07	9847	307406	4304	3387	2111	1247	893	2186	6457	2509	8421	2013-12-31	338921
8	2013-09	12111	222443	3824	2964	3599	4549	546	11097	4843	1761	7013	2013-12-31	262639
5	2013-06	10271	183838	5077	5958	6589	3539	1935	1678	5864	3639	7179	2013-12-31	225296
3	2013-04	11720	141793	4688	2798	6470	12885	2822	2469	5633	2405	6271	2013-12-31	188234

In [9]:

jeju_2013.sort_values(by='총관광객', ascending=True).head()

Out[9]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자	총관광객
0	2013-01	6941	51606	681	2106	1857	1829	1042	422	1717	433	1845	2013-12-31	63538
1	2013-02	5702	77252	2502	2700	2624	5271	895	1551	2677	465	2221	2013-12-31	98158
2	2013-03	11568	73007	3589	2898	3932	6049	2006	1163	3442	979	2575	2013-12-31	99640
11	2013-12	5740	67168	1646	1357	10615	12885	4302	899	5400	338	1722	2013-12-31	106332
10	2013-11	7608	81010	2723	2097	5019	9138	1691	1567	4670	542	2676	2013-12-31	111133

In [19]:

trans_jeju_20213 = jeju_2013.T
trans_jeju_20213['총합'] = trans_jeju_20213.sum(axis=1)
trans_jeju_20213['총합'][0] = 0
trans_jeju_20213['총합'][12] = 0
trans_jeju_20213

Out[19]:

	0	1	2	3	4	5	6	7	8	9	10	11	총합
해당연월	2013-01	2013-02	2013-03	2013-04	2013-05	2013-06	2013-07	2013-08	2013-09	2013-10	2013-11	2013-12	0
일본	6941	5702	11568	11720	22520	10271	9847	11292	12111	13559	7608	5740	128879
중국	51606	77252	73007	141793	115104	183838	307406	350458	222443	141087	81010	67168	1812172
홍콩	681	2502	3589	4688	3062	5077	4304	3188	3824	4477	2723	1646	39761
대만	2106	2700	2898	2798	5089	5958	3387	4056	2964	3480	2097	1357	38890
싱가폴	1857	2624	3932	6470	4646	6589	2111	2123	3599	7037	5019	10615	56622
말레이시아	1829	5271	6049	12885	7371	3539	1247	2335	4549	7858	9138	12885	74956
인도네시아	1042	895	2006	2822	1605	1935	893	3736	546	1232	1691	4302	22705
베트남	422	1551	1163	2469	1023	1678	2186	1910	11097	2197	1567	899	28162
아시아 기타	1717	2677	3442	5633	4867	5864	6457	7212	4843	7847	4670	5400	60629
미국	433	465	979	2405	2501	3639	2509	1865	1761	4002	542	338	21439
서구 기타	1845	2221	2575	6271	6560	7179	8421	6328	7013	6822	2676	1722	59633
데이터기준일자	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	2013-12-31	0
총관광객	63538	98158	99640	188234	151828	225296	338921	383211	262639	186039	111133	106332	2214969

In [23]:

jeju_2013['중국(%)'] = round(jeju_2013['중국']  / jeju_2013['총관광객'] * 100, 1)
jeju_2013

Out[23]:

	해당연월	일본	중국	홍콩	대만	싱가폴	말레이시아	인도네시아	베트남	아시아 기타	미국	서구 기타	데이터기준일자	총관광객	중국(%)
0	2013-01	6941	51606	681	2106	1857	1829	1042	422	1717	433	1845	2013-12-31	63538	81.2
1	2013-02	5702	77252	2502	2700	2624	5271	895	1551	2677	465	2221	2013-12-31	98158	78.7
2	2013-03	11568	73007	3589	2898	3932	6049	2006	1163	3442	979	2575	2013-12-31	99640	73.3
3	2013-04	11720	141793	4688	2798	6470	12885	2822	2469	5633	2405	6271	2013-12-31	188234	75.3
4	2013-05	22520	115104	3062	5089	4646	7371	1605	1023	4867	2501	6560	2013-12-31	151828	75.8
5	2013-06	10271	183838	5077	5958	6589	3539	1935	1678	5864	3639	7179	2013-12-31	225296	81.6
6	2013-07	9847	307406	4304	3387	2111	1247	893	2186	6457	2509	8421	2013-12-31	338921	90.7
7	2013-08	11292	350458	3188	4056	2123	2335	3736	1910	7212	1865	6328	2013-12-31	383211	91.5
8	2013-09	12111	222443	3824	2964	3599	4549	546	11097	4843	1761	7013	2013-12-31	262639	84.7
9	2013-10	13559	141087	4477	3480	7037	7858	1232	2197	7847	4002	6822	2013-12-31	186039	75.8
10	2013-11	7608	81010	2723	2097	5019	9138	1691	1567	4670	542	2676	2013-12-31	111133	72.9
11	2013-12	5740	67168	1646	1357	10615	12885	4302	899	5400	338	1722	2013-12-31	106332	63.2

In [10]:

import matplotlib.pyplot as plt

In [21]:

## 그래프 크기 조절 
plt.figure(figsize = (12, 4))
plt.rcParams["font.family"] = 'NanumGothic'
## 그래프 내용 설정 
plt.plot(jeju_2013['해당연월'], jeju_2013['중국'], label='중국')
plt.plot(jeju_2013['해당연월'], jeju_2013['총관광객'], label='총관광객')

plt.legend(loc='best', ncol=2) 

plt.title('20213년 제주도 중국 국적의 관광객 추이')
plt.xlabel('기준년월')
plt.ylabel('관광객수')

## x 축 눈금 값 설정 

plt.xticks(['2013-'+str(i).zfill(2) for i in range(1, 13)])

## 그래프 표현하기 
plt.show()

In [ ]:

In [15]:

plt.figure(figsize = (20, 8))

plt.rcParams["font.family"] = 'NanumGothic'

for i, col in enumerate(['일본', '홍콩', '대만', '싱가폴', '말레이시아', '인도네시아', '베트남', '아시아 기타', '미국', '서구 기타']):
    plt.plot(jeju_2013['해당연월'], jeju_2013[col], label=col)
    
plt.legend(loc='best', ncol=2) 

plt.xticks(['2013-'+str(i).zfill(2) for i in range(1, 13)])
plt.show()

In [30]:

def create_jeju_data(file_name):
    print(file_name)
    jeju_data = pd.read_csv(file_name, encoding='cp949')
    jeju_data['총관광객'] = jeju_data['중국'] + jeju_data['홍콩'] + jeju_data['대만'] + jeju_data['싱가폴'] + jeju_data['말레이시아'] + jeju_data['인도네시아'] + jeju_data['베트남'] + jeju_data['아시아 기타'] + jeju_data['미국'] + jeju_data['서구 기타'] 
    if '태국' in jeju_data.columns:
        jeju_data['총관광객'] += jeju_data['태국']
    jeju_data['중국(%)'] = round(jeju_data['중국']  / jeju_data['총관광객'] * 100, 1)
    
    return jeju_data
    

In [31]:

df = pd.DataFrame()

for i in range(13, 20):
    file_name = '제주특별자치도_외국인관광객현황_20{}1231.csv'.format(i)
    temp = create_jeju_data(file_name)
    df = df.append(temp, ignore_index=True)
df.info()

제주특별자치도_외국인관광객현황_20131231.csv
제주특별자치도_외국인관광객현황_20141231.csv
제주특별자치도_외국인관광객현황_20151231.csv
제주특별자치도_외국인관광객현황_20161231.csv
제주특별자치도_외국인관광객현황_20171231.csv
제주특별자치도_외국인관광객현황_20181231.csv
제주특별자치도_외국인관광객현황_20191231.csv
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 84 entries, 0 to 83
Data columns (total 16 columns):
대만         84 non-null int64
데이터기준일자    84 non-null object
말레이시아      84 non-null int64
미국         84 non-null int64
베트남        84 non-null int64
서구 기타      84 non-null int64
싱가폴        84 non-null int64
아시아 기타     84 non-null int64
인도네시아      84 non-null int64
일본         84 non-null int64
중국         84 non-null int64
중국(%)      84 non-null float64
총관광객       84 non-null int64
태국         60 non-null float64
해당연월       84 non-null object
홍콩         84 non-null int64
dtypes: float64(2), int64(12), object(2)
memory usage: 10.6+ KB

In [33]:

df.head(10)

Out[33]:

	대만	데이터기준일자	말레이시아	미국	베트남	서구 기타	싱가폴	아시아 기타	인도네시아	일본	중국	중국(%)	총관광객	태국	해당연월	홍콩
0	2106	2013-12-31	1829	433	422	1845	1857	1717	1042	6941	51606	81.2	63538	NaN	2013-01	681
1	2700	2013-12-31	5271	465	1551	2221	2624	2677	895	5702	77252	78.7	98158	NaN	2013-02	2502
2	2898	2013-12-31	6049	979	1163	2575	3932	3442	2006	11568	73007	73.3	99640	NaN	2013-03	3589
3	2798	2013-12-31	12885	2405	2469	6271	6470	5633	2822	11720	141793	75.3	188234	NaN	2013-04	4688
4	5089	2013-12-31	7371	2501	1023	6560	4646	4867	1605	22520	115104	75.8	151828	NaN	2013-05	3062
5	5958	2013-12-31	3539	3639	1678	7179	6589	5864	1935	10271	183838	81.6	225296	NaN	2013-06	5077
6	3387	2013-12-31	1247	2509	2186	8421	2111	6457	893	9847	307406	90.7	338921	NaN	2013-07	4304
7	4056	2013-12-31	2335	1865	1910	6328	2123	7212	3736	11292	350458	91.5	383211	NaN	2013-08	3188
8	2964	2013-12-31	4549	1761	11097	7013	3599	4843	546	12111	222443	84.7	262639	NaN	2013-09	3824
9	3480	2013-12-31	7858	4002	2197	6822	7037	7847	1232	13559	141087	75.8	186039	NaN	2013-10	4477

In [51]:

df.tail()

Out[51]:

	대만	데이터기준일자	말레이시아	미국	베트남	서구 기타	싱가폴	아시아 기타	인도네시아	일본	중국	중국(%)	총관광객	태국	해당연월	홍콩
79	8250	2019-12-31	3530	2996	1827	9914	1382	5869	1753	12213	120043	72.3	166110	4850	2019-08	5696
80	6500	2019-12-31	5086	2781	1542	8388	2177	3597	1049	8024	100439	71.2	141014	4889	2019-09	4566
81	8195	2019-12-31	6366	3866	3238	11151	2140	4431	1473	7425	108798	67.8	160468	5903	2019-10	4907
82	5434	2019-12-31	6645	3332	2295	9909	1909	4007	1715	4403	96425	68.2	141380	5690	2019-11	4019
83	6443	2019-12-31	7489	2601	2158	8687	1910	4579	2237	4969	94377	66.1	142882	6705	2019-12	5696

In [40]:

# 태국이 15년도 부터 데이터 추가됨
df['태국']= df['태국'].fillna(0)
df['태국'] = df['태국'].astype(int)
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 84 entries, 0 to 83
Data columns (total 16 columns):
대만         84 non-null int64
데이터기준일자    84 non-null object
말레이시아      84 non-null int64
미국         84 non-null int64
베트남        84 non-null int64
서구 기타      84 non-null int64
싱가폴        84 non-null int64
아시아 기타     84 non-null int64
인도네시아      84 non-null int64
일본         84 non-null int64
중국         84 non-null int64
중국(%)      84 non-null float64
총관광객       84 non-null int64
태국         84 non-null int64
해당연월       84 non-null object
홍콩         84 non-null int64
dtypes: float64(1), int64(13), object(2)
memory usage: 10.6+ KB

In [50]:

## 그래프 크기 조절 
plt.figure(figsize = (20, 8))
plt.rcParams["font.family"] = 'NanumGothic'
## 그래프 내용 설정 
plt.plot(df['해당연월'], df['중국'], label='중국')
plt.plot(df['해당연월'], df['총관광객'], label='총관광객')

plt.legend(loc='best', ncol=2) 

plt.title('2013~2019 제주도 중국 국적의 관광객 추이')
plt.xlabel('기준년월')
plt.ylabel('관광객수')

plt.xticks([str(i)+"-01" for i in range(2013, 2020)])

plt.show()

In [52]:

df.describe()

Out[52]:

	대만	말레이시아	미국	베트남	서구 기타	싱가폴	아시아 기타	인도네시아	일본	중국	중국(%)	총관광객	태국	홍콩
count	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000	84.000000
mean	3515.238095	5128.119048	2331.416667	2325.083333	7365.821429	3235.285714	4139.059524	2200.797619	6697.928571	148365.678571	74.015476	184743.571429	2685.166667	3451.904762
std	2114.875146	3128.618862	1274.264685	1510.949699	3274.486978	2498.269216	1897.038474	1195.573551	3649.817819	103300.790578	15.183167	103246.874150	2393.649433	1674.287927
min	169.000000	419.000000	281.000000	172.000000	1382.000000	428.000000	553.000000	504.000000	1646.000000	28329.000000	31.500000	50423.000000	0.000000	329.000000
25%	1923.250000	2874.250000	1354.750000	1479.250000	5063.250000	1607.250000	2691.250000	1461.500000	3987.750000	66870.250000	60.975000	106002.500000	0.000000	2239.750000
50%	3037.000000	4704.000000	2395.500000	2163.500000	7486.000000	2473.500000	4005.500000	1826.500000	6046.500000	116141.500000	76.800000	156148.000000	2616.000000	3512.500000
75%	4753.750000	6471.000000	3049.500000	2871.750000	9253.000000	3952.500000	4908.500000	2657.750000	8674.250000	205574.750000	86.825000	240552.000000	5077.000000	4596.500000
max	10263.000000	16304.000000	5769.000000	11097.000000	16365.000000	13968.000000	10730.000000	7828.000000	22520.000000	450359.000000	95.700000	470696.000000	6705.000000	7955.000000

In [53]:

df.sort_values(by='중국(%)', ascending=False).head()

Out[53]:

	대만	데이터기준일자	말레이시아	미국	베트남	서구 기타	싱가폴	아시아 기타	인도네시아	일본	중국	중국(%)	총관광객	태국	해당연월	홍콩
19	3849	2014-12-31	995	1564	2141	4564	1038	1919	1545	7577	450359	95.7	470696	0	2014-08	2722
18	3570	2014-12-31	2626	1694	3492	4352	1759	1679	3811	6373	388694	93.9	413788	0	2014-07	2111
25	1231	2015-12-31	1380	400	952	1651	921	553	908	3855	198196	93.4	212161	5063	2015-02	906
31	348	2015-12-31	674	1252	832	7153	598	2475	504	7037	191959	92.9	206736	16	2015-08	925
20	2872	2014-12-31	2808	1798	1690	6213	2254	1795	1307	8705	306732	92.9	330012	0	2014-09	2543

In [54]:

df.sort_values(by='중국(%)', ascending=True).head()

Out[54]:

	대만	데이터기준일자	말레이시아	미국	베트남	서구 기타	싱가폴	아시아 기타	인도네시아	일본	중국	중국(%)	총관광객	태국	해당연월	홍콩
51	2141	2017-12-31	10113	4903	2925	16365	6786	7117	3439	4119	28988	31.5	91978	3135	2017-04	6066
52	2069	2017-12-31	5659	3785	2306	12044	3711	4266	3015	3652	31382	40.5	77403	4207	2017-05	4959
53	3103	2017-12-31	5750	3097	2666	12520	4468	4232	2780	6709	33184	41.5	79922	2603	2017-06	5519
54	3384	2017-12-31	2827	3923	4061	13965	2655	4913	3205	4894	40825	45.8	89049	2759	2017-07	6532
57	3115	2017-12-31	1615	2437	3171	9235	1270	5061	1427	5659	32175	50.1	64244	819	2017-10	3919

중국 관광객에 대한 분석¶

중국이 제주도 대부분의 관광객을 차지(최대 95.7% - 2014년 08월)
각 연도 겨울엔 관광객이 감소추이
2015년 대한민국 중동호흡기증후군 유행으로 전체 관광객 감소
2017년 3월 3일 - 중국 정부는 한국 관광을 전면 금지(총 관광객 31.5% - 2017년 04월)
현재까지 코로나로 인해 감소 하였지만 증가 추이

In [49]:

plt.figure(figsize = (20, 8))

plt.rcParams["font.family"] = 'NanumGothic'

for i, col in enumerate(['일본', '말레이시아', '서구 기타', '태국']):
    plt.plot(df['해당연월'], df[col], label=col)
    
plt.legend(loc='best', ncol=2) 

plt.xticks([str(i)+"-01" for i in range(2013, 2020)])
plt.show()

전체 관광객 분석¶

일본은 전체적으로 감소
서구권의 증가
가을엔 말레이시아의 관광객 증가
겨울엔 태국의 증가

In [ ]: