[Scripts] Make age_group clustering. Need fix Korean letter issue

API/candidate.py

@@ -10,7 +10,12 @@
 page_no = 1
 num_of_rows = 10000
 
-parliamentVote = [20220601, 20230405]
+parliamentVote = [
+    # 20100602,
+# 20140604,
+# 20180613,
+20220601,
+]
 sgCodes = input("Input the number of sgTypecode: ").split(",")
 data_list = []
 for sgId in parliamentVote:

analysis/__init__.py

@@ -0,0 +1,3 @@
+"""
+공공데이터포털 API로 수집한 데이터를 분석하기 위한 패키지입니다.
+"""

analysis/age_group.py

@@ -0,0 +1,108 @@
+# coding=utf-8
+import pandas as pd
+import os
+import warnings
+import seaborn as sns
+import matplotlib.pyplot as plt
+
+from sklearn.cluster import KMeans
+from sklearn.metrics import pairwise_distances
+from matplotlib import font_manager, rc
+
+# 경고 무시
+warnings.filterwarnings("ignore", category=FutureWarning)
+
+BASE_DIR = os.path.join(os.path.dirname(__file__), os.pardir)
+datadir = os.path.join(BASE_DIR, "_data")
+outdir = os.path.join(BASE_DIR, "output")
+
+# 폰트 경로를 rcParams에 설정합니다.
+plt.rcParams['font.family'] = 'NanumGothic'
+plt.rcParams['axes.unicode_minus'] = False  # 마이너스 기호 표시 설정
+
+for d in os.listdir(datadir):
+  # xlsx 파일을 읽어옵니다.
+  if not d.endswith(".xlsx"):
+    continue
+  df = pd.read_excel(os.path.join(datadir, d))
+
+  # 필요한 열만 추출합니다.
+  df = df[['sdName', 'name', 'age']]
+
+  # 나이를 기반으로 그룹을 만듭니다.
+  age_groups = pd.cut(df['age'], [0, 30, 40, 50, 60, 70, 80, 90, 100], labels=['0-30', '31-40', '41-50', '51-60', '61-70', '71-80', '81-90', '91-100'])
+
+  # 나이 그룹을 데이터프레임에 추가합니다.
+  df['age_group'] = age_groups
+
+  # 각 구역에서 가장 많은 나이 그룹을 찾습니다.
+  most_common_age_group_by_region = df.groupby('sdName')['age_group'].agg(lambda x: x.mode().iloc[0])
+
+  # 결과를 출력합니다.
+  print(d, most_common_age_group_by_region)
+
+  # 각 구역의 나이 평균을 계산합니다.
+  average_age_by_region = df.groupby('sdName')['age'].mean()
+
+  # 결과를 출력합니다.
+  print(average_age_by_region)
+
+  # K-means 클러스터링을 위한 데이터를 준비합니다.
+  data_for_clustering = df[['age']]
+
+  # 클러스터의 개수 설정
+  n_clusters = 5  # 원하는 클러스터 개수를 지정합니다.
+
+  # K-means 모델을 초기화하고 학습합니다.
+  kmeans = KMeans(n_clusters=n_clusters, random_state=0)
+  kmeans.fit(data_for_clustering)
+
+  # 각 데이터 포인트가 속한 클러스터를 나타내는 레이블을 가져옵니다.
+  cluster_labels = kmeans.labels_
+
+  # 클러스터 중심 나이를 계산합니다.
+  cluster_centers_age = []
+  for i in range(n_clusters):
+      cluster_data = df[cluster_labels == i]
+      cluster_center_age = round(cluster_data['age'].mean(), 2)  # 나이를 소수점 2자리까지 반올림
+      cluster_centers_age.append(cluster_center_age)
+
+  # 결과를 출력합니다.
+  print(cluster_centers_age)
+
+  # 클러스터링 결과로 얻은 레이블을 데이터프레임에 추가합니다.
+  df['cluster_label'] = cluster_labels
+
+  # 클러스터 중심 위치를 가져옵니다.
+  cluster_centers = kmeans.cluster_centers_
+
+  # 클러스터링 결과로부터 각 데이터 포인트와 클러스터 중심 간의 거리를 계산합니다.
+  distances = pairwise_distances(data_for_clustering, cluster_centers)
+
+  # 각 클러스터에서 가장 가까운 데이터의 인덱스를 찾습니다.
+  closest_data_indices = distances.argmin(axis=1)
+
+  # 각 클러스터에서 가장 가까운 데이터의 수를 세어 출력합니다.
+  for cluster_label in range(n_clusters):
+      closest_data_count = sum(df['cluster_label'] == cluster_label)
+      print(f"Cluster {cluster_label}: Age {cluster_centers_age[cluster_label]}, {closest_data_count} closest data points")
+
+  # 산점도로 클러스터링 결과를 시각화합니다.
+  sns.set(style="whitegrid")  # Seaborn 스타일 설정 (선택적)
+  plt.figure(figsize=(10, 6))  # 그림 크기 설정 (선택적)
+
+  sns.scatterplot(data=df, x='age', y='sdName', hue='cluster_label', palette='viridis')
+
+  # 클러스터 중심 나이를 플롯에 추가합니다.
+  for i, age in enumerate(cluster_centers_age):
+      plt.text(age, i, f'Cluster {i}: {age:.2f}', fontsize=12, ha='right')
+
+  plt.xlabel('나이')
+  plt.ylabel('지역')
+  plt.title('K-means 클러스터링 결과')
+  plt.legend(title='클러스터')
+  # 그래프를 이미지 파일로 저장합니다.
+  pngpath = os.path.join(outdir, 'clustering_result.png')
+  plt.savefig(pngpath, dpi=300)  # 파일 이름 및 해상도 설정 (선택적)
+
+  break