PublicDataReader - 주민등록인구 데이터 조회하기

파이썬으로 주민등록인구 데이터 조회하기

Python 라이브러리 PublicDataReader를 이용하면 최신 지역별 주민등록인구 데이터를 쉽게 가져올 수 있다. 해당 데이터는 국가통계포털(KOSIS) 웹 사이트에 접속해 직접 조회할 수도 있지만, KOSIS 공유서비스 Open API를 이용해서도 조회할 수 있다. PublicDataReader는 KOSIS 공유서비스 Open API의 데이터 조회 기능을 포함하고 있어, 이를 활용하면 원하는 데이터를 쉽게 찾고 조회할 수 있다. KOSIS 공유서비스 Open API 신청 방법과 PublicDataReader에서 제공하는 KOSIS 공유서비스 Open API의 모든 기능을 살펴보려면 Python으로 KOSIS 데이터 조회하기를 참고하면 된다. 여기서는 주민등록인구 데이터를 조회하는 방법을 다루기로 한다.

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택한다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행한다.

pip install PublicDataReader --upgrade

라이브러리 임포트하기

앞에서 설치한 PublicDataReader에서 Kosis 클래스를 임포트한다. KOSIS 공유서비스에서 발급받은 오픈 API 사용자 인증키 정보를 service_key 변수에 할당한다. Kosis의 인자료 service_key를 입력하여 데이터 조회 인스턴스 api를 만든다.

from PublicDataReader import Kosis

# KOSIS 공유서비스 Open API 사용자 인증키
service_key = "사용자 인증키"

# 인스턴스 생성하기
api = Kosis(service_key)

조회할 데이터 찾기

api.get_data() 메서드의 첫 번째 인자로 ‘KOSIS통합검색’을 지정한다. searchNm에는 조회할 데이터를 찾기 위한 키워드를 입력한다. 반환된 데이터프레임에서 조회할 데이터를 찾아 기관ID(ORG_ID)와 통계표ID(TBL_ID) 값을 확인한다. ‘행정구역(읍면동)별/5세별 주민등록인구(2011년~)’ 데이터의 기관ID는 101이고, 통계표ID는 DT_1B04005N 이므로 이 값들을 데이터를 조회할 때 사용한다. 참고로 api.get_data() 메서드에 translate=False 옵션을 지정하면 영문 컬럼명으로 데이터를 조회할 수 있다. 이 인자의 기본값은 True이므로 국문 컬럼명으로 조회한다.

df = api.get_data(
    "KOSIS통합검색",
    searchNm="읍면동 주민등록 인구"
)
df.head(1)

	기관ID	기관명	통계표ID	통계표명	조사ID	조사명	KOSIS목록구분	KOSIS통계표위치	통계표위치	통계표주요내용	수록기간시작일	수록기간종료일	통계표주석	추천통계표여부	KOSIS목록URL	KOSIS통계표URL	검색결과건수	검색어명
0	101	행정안전부	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	2008001	주민등록인구현황	MT_ZTITLE	인구 > 주민등록인구현황	A > A_7	행정구역(동읍면)별 5세별 남자인구수 여자인구수 총인구수 개포3동 신당제4동 중림동...	2011	2022	* 등록구분의 ＂전체＂는 ＂거주자＂, ＂거주불명자＂, ＂재외국민＂이 포함된 자료입니...	N	https://kosis.kr/statisticsList/statisticsList...	http://kosis.kr/statHtml/statHtml.do?orgId=101...	573	읍면동 주민등록 인구

데이터 수록 주기와 시점 확인

api.get_data() 메서드의 첫 번째 인자로 ‘통계표설명’을 지정한다. 통계표설명의 경우 상세기능도 추가적으로 지정해야 한다. 두 번째 인자로 ‘자료갱신일’을 입력하고, 위에서 복사해둔 기관ID와 통계표ID의 값들을 api.get_data()의 인자로 입력해 데이터 수록주기와 수록시점을 확인한다. 수록주기(PRD_SE) 별 최근 수록시점(PRD_DE) 값을 조회하면 수록주기가 년인 경우는 2022년, 수록주기가 월인 경우는 2022년 11월이 최신 데이터임을 알 수 있다.

df = api.get_data(
    "통계표설명",
    "자료갱신일",
    orgId="101",
    tblId="DT_1B04005N"
)

df.groupby(by=['수록주기']).agg({"수록시점": ["min", "max"]})

	수록시점
	min	max
수록주기
년	2011	2022
월	201207	202212

데이터 항목 및 분류 확인하기

api.get_data() 메서드의 첫 번째 인자로 ‘통계표설명’을 지정한다. 두 번째 인자로 ‘분류항목’을 입력하고, 이번에도 기관ID와 통계표ID를 api.get_data()의 인자로 입력해 결과를 확인한다. 분류ID의 값이 ‘ITEM’ 이면 항목을 뜻하고 이 때, 분류값ID의 값을 통계자료 조회 시 itmId의 값으로 입력한다. 분류ID 값이 ITEM 이 아니고, 분류값순번 값에 숫자가 입력되어 있는 경우 이는 분류를 뜻하고, 분류값순번의 숫자 값이 분류 수준을 뜻한다. 예를 들어, 분류ID 값이 A이고, 분류값순번 값이 1이라면, 분류ID 값을 통계자료 조회 시 objL1의 값으로 입력한다.

item = api.get_data(
    "통계표설명",
    "분류항목",
    orgId="101",
    tblId="DT_1B04005N",
)
item.head()

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
0	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T2	총인구수	Population	NaN	NaN	Person
1	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T3	남자인구수	Male	NaN	NaN	Person
2	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T4	여자인구수	Female	NaN	NaN	Person
3	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	00	전국	Whole country	NaN	1	NaN
4	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11	서울특별시	Seoul	NaN	1	NaN

통계표 조회 시 항목은 총인구수, 남자인구수 그리고 여자인구수 모두 사용하기로 한다. 분류값ID의 값인 T2, T3 그리고 T4를 모두 복사해둔다.

item.loc[item["분류ID"]=="ITEM"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
0	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T2	총인구수	Population	NaN	NaN	Person
1	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T3	남자인구수	Male	NaN	NaN	Person
2	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T4	여자인구수	Female	NaN	NaN	Person

분류1의 경우 전체 선택하기로 한다. 분류값ID를 일부 선택하려면 ‘00 11 11110’ 과 같이 공백으로 구분해 입력해야 하지만 전체 선택의 경우 ‘ALL’ 이라고 입력한다. 여기에서는 종류가 많으므로 직접 값을 복사하지 않고 넘어간다.

item.loc[item["분류ID"]=="A"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
3	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	00	전국	Whole country	NaN	1	NaN
4	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11	서울특별시	Seoul	NaN	1	NaN
5	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11110	종로구	Jongno-gu	11	1	NaN
6	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	1111051500	청운효자동	Cheongunhyoja-dong	11110	1	NaN
7	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	1111053000	사직동	Sajik-dong	11110	1	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...
4182	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013058000	서홍동	Seohong-dong	50130	1	NaN
4183	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013059000	대륜동	Daeryun-dong	50130	1	NaN
4184	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013060000	대천동	Daecheon-dong	50130	1	NaN
4185	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013061000	중문동	Jungmun-dong	50130	1	NaN
4186	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013062000	예래동	Yerae-dong	50130	1	NaN

4184 rows × 13 columns

분류2의 경우 연령별 구분은 사용하지 않고 총계만 조회하기로 한다. 따라서 분류값ID 값이 0인 경우만 해당하므로 0을 복사해둔다.

item.loc[item["분류ID"]=="B"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
4187	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	0	계	Total	NaN	2	NaN
4188	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	5	0 - 4세	0-4 Years old	NaN	2	NaN
4189	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	10	5 - 9세	5-9 Years old	NaN	2	NaN
4190	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	15	10 - 14세	10-14 Years old	NaN	2	NaN
4191	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	20	15 - 19세	15-19 Years old	NaN	2	NaN
4192	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	25	20 - 24세	20-24 Years old	NaN	2	NaN
4193	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	30	25 - 29세	25-29 Years old	NaN	2	NaN
4194	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	35	30 - 34세	30-34 Years old	NaN	2	NaN
4195	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	40	35 - 39세	35-39 Years old	NaN	2	NaN
4196	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	45	40 - 44세	40-44 Years old	NaN	2	NaN
4197	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	50	45 - 49세	45-49 Years old	NaN	2	NaN
4198	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	55	50 - 54세	50-54 Years old	NaN	2	NaN
4199	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	60	55 - 59세	55-59 Years old	NaN	2	NaN
4200	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	65	60 - 64세	60-64 Years old	NaN	2	NaN
4201	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	70	65 - 69세	65-69 Years old	NaN	2	NaN
4202	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	75	70 - 74세	70-74 Years old	NaN	2	NaN
4203	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	80	75 - 79세	75-79 Years old	NaN	2	NaN
4204	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	85	80 - 84세	80-84 Years old	NaN	2	NaN
4205	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	90	85 - 89세	85-89 Years old	NaN	2	NaN
4206	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	95	90 - 94세	90-94 Years old	NaN	2	NaN
4207	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	100	95 - 99세	95-99 Years old	NaN	2	NaN
4208	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	105	100+	100 Years old ＆ over	NaN	2	NaN

통계표 조회하기

api.get_data() 메서드의 첫 번째 인자로 ‘통계자료’를 지정한다. 행정구역(읍면동)별/5세별 주민등록인구(2011년~) 통계표를 조회를 위해 위에서 복사해둔 값들을 순서대로 api.get_data()의 인자로 입력한다. itmId의 값으로 모든 항목값을 입력했지만, objL1과 같이 ‘ALL’이라고 입력해도 전체 선택이 된다.

df = api.get_data(
    "통계자료",
    orgId="101",
    tblId="DT_1B04005N",
    objL1="ALL",
    objL2="0",
    itmId="T2 T3 T4",
    prdSe="M",
    startPrdDe="202211",
    endPrdDe="202211",
)
df.head()

	기관ID	통계표ID	통계표명	분류명1	분류영문명1	분류값명1	분류값영문명1	분류값ID1	분류명2	분류영문명2	분류값명2	분류값영문명2	항목ID	항목명	항목영문명	단위명	단위영문명	수록주기	수록시점	수치값
0	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T2	총인구수	Population	명	Person	M	202211	51450829
1	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T3	남자인구수	Male	명	Person	M	202211	25643889
2	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T4	여자인구수	Female	명	Person	M	202211	25806940
3	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	서울특별시	Seoul	11	5세별	By Age Group (Five-Year)	계	Total	T2	총인구수	Population	명	Person	M	202211	9436836
4	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	서울특별시	Seoul	11	5세별	By Age Group (Five-Year)	계	Total	T3	남자인구수	Male	명	Person	M	202211	4574781

피벗 테이블 만들기

통계표 조회 결과를 아래와 같이 원하는 형태로 재구조화하여 분석 목적에 맞게 사용하면 된다.

pv = df.pivot(index=["분류값ID1","분류값명1","수록시점"], columns=["항목명"], values="수치값").reset_index()
pv.columns.name = None
pv['수록시점'] = pd.to_datetime(pv['수록시점'], format="%Y%m")
numCols = ["남자인구수","여자인구수","총인구수"]
for col in numCols:
    pv[col] = pd.to_numeric(pv[col])
pv

	분류값ID1	분류값명1	수록시점	남자인구수	여자인구수	총인구수
0	00	전국	2022-11-01	25643889	25806940	51450829
1	11	서울특별시	2022-11-01	4574781	4862055	9436836
2	11110	종로구	2022-11-01	68488	73162	141650
3	1111051500	청운효자동	2022-11-01	5366	6311	11677
4	1111053000	사직동	2022-11-01	4041	5065	9106
...	...	...	...	...	...	...
3853	5013058000	서홍동	2022-11-01	5555	5670	11225
3854	5013059000	대륜동	2022-11-01	7846	7734	15580
3855	5013060000	대천동	2022-11-01	7030	6828	13858
3856	5013061000	중문동	2022-11-01	6227	6055	12282
3857	5013062000	예래동	2022-11-01	1987	1896	3883

3858 rows × 6 columns

참고

Twitter Facebook LinkedIn

PublicDataReader - 주민등록인구 데이터 조회하기

파이썬으로 주민등록인구 데이터 조회하기

파이썬으로 주민등록인구 데이터 조회하기

설치하기

라이브러리 임포트하기

조회할 데이터 찾기

데이터 수록 주기와 시점 확인

데이터 항목 및 분류 확인하기

통계표 조회하기

피벗 테이블 만들기

참고

공유하기

댓글남기기

참고

PublicDataReader - 토지대장 및 임야대장 조회하기

PublicDataReader - 주택인허가 데이터 조회하기

PyKakao - Python으로 카카오 Karlo API 사용하기

PublicDataReader - 법정동코드와 행정동코드 조회하기