Home KOSIS 암 검진 데이터 시각화
Post
Cancel

KOSIS 암 검진 데이터 시각화

Posted Jun 6, 2022
By nuyhc
9 min read

KOSIS 암 검진 데이터 분석

1. 소계

KOSIS에서 제공해주는 연령, 성별 암검진 대상 및 수검현환에 대한 데이터의 분석과 시각화를 진행해본 프로젝트입니다.

2. 목표

EDA와 시각화

3. 사용 데이터 셋

KOSIS 건강검진 통계 -> 암검진 -> 연령별 성별 암검진 대상 및 수검인원 현황

4. 구현

라이브러리

1
2
3
4

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

한글폰트 설정

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

def get_font_family():
    """
    시스템 환경에 따른 기본 폰트명을 반환하는 함수
    """
    import os
    import platform
    system_name = platform.system()

    if system_name == "Darwin" :
        font_family = "AppleGothic"
    elif system_name == "Windows":
        font_family = "Malgun Gothic"
    else:
        # Linux(colab)
        os.system("apt-get install fonts-nanum -qq  > /dev/null")
        os.system("fc-cache -fv")

        import matplotlib as mpl
        mpl.font_manager._rebuild()
        findfont = mpl.font_manager.fontManager.findfont
        mpl.font_manager.findfont = findfont
        mpl.backends.backend_agg.findfont = findfont

        font_family = "NanumBarunGothic"
    return font_family

1
2
3
4
5
6
7
8
9
10
11
12

# 시각화를 위한 폰트설정
# 위에서 만든 함수를 통해 시스템 폰트를 불러와서 font_family라는 변수에 할당합니다.
plt.style.use("ggplot")

font_family = get_font_family()
# 폰트설정
plt.rc("font", family=font_family)
# 마이너스 폰트 설정
plt.rc("axes", unicode_minus=False)
# 그래프에 retina display 적용
from IPython.display import set_matplotlib_formats
set_matplotlib_formats("retina")

Data Load

1
2

df = pd.read_csv("data/kosis-cancer-raw.csv", encoding="cp949")
df.sample(5)
연령별(1)시점암검진별(1)성별(1)대상인원 (명)수검인원 (명)
133155 ~ 59세2018대장암남자1677732578815
97145 ~ 49세2018위암합계1570334942193
93145 ~ 49세2015자궁경부암여자787632461445
70140 ~ 44세2012간암여자6533031125
34030 ~ 34세2011계합계615279254831
1

df.shape

1

(2428, 6)

컬럼 이름 바꿔주기

1
2

df = df.rename(columns={"연령별(1)":"연령별", "암검진별(1)":"암검진별", "성별(1)":"성별"}).copy()
df.sample(5)
연령별시점암검진별성별대상인원 (명)수검인원 (명)
66540 ~ 44세2010간암여자2972815744
136560 ~ 64세2010위암여자564894343419
145660 ~ 64세2015대장암합계2308221968199
213680 ~ 84세2013간암남자56691867
151계2018간암합계746363533580

파생변수 생성

1

df.info()

1
2
3
4
5
6
7
8
9
10
11
12
13

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2428 entries, 0 to 2427
Data columns (total 6 columns):
 #   Column    Non-Null Count  Dtype 
---  ------    --------------  ----- 
 0   연령별       2428 non-null   object
 1   시점        2428 non-null   int64 
 2   암검진별      2428 non-null   object
 3   성별        2428 non-null   object
 4   대상인원 (명)  2428 non-null   object
 5   수검인원 (명)  2428 non-null   object
dtypes: int64(1), object(5)
memory usage: 113.9+ KB

1

df["대상인원 (명)"].value_counts()[:3]

1
2
3
4

-         560
0          56
622102      4
Name: 대상인원 (명), dtype: int64

1
2

df["대상인원"] = df["대상인원 (명)"].replace("-", 0).astype(int)
df["수검인원"] = df["수검인원 (명)"].replace("-", 0).astype(int)

1

df.info()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2428 entries, 0 to 2427
Data columns (total 8 columns):
 #   Column    Non-Null Count  Dtype 
---  ------    --------------  ----- 
 0   연령별       2428 non-null   object
 1   시점        2428 non-null   int64 
 2   암검진별      2428 non-null   object
 3   성별        2428 non-null   object
 4   대상인원 (명)  2428 non-null   object
 5   수검인원 (명)  2428 non-null   object
 6   대상인원      2428 non-null   int32 
 7   수검인원      2428 non-null   int32 
dtypes: int32(2), int64(1), object(5)
memory usage: 132.9+ KB

사용하지 않는 데이터 제거

1
2

df = df.drop(df[(df["연령별"]=="계") | (df["암검진별"]=="계") | (df["성별"]=="합계")].index).reset_index(drop=True).copy()
df.sample(5)
연령별시점암검진별성별대상인원 (명)수검인원 (명)대상인원수검인원
13830 ~ 34세2016유방암여자--00
57255 ~ 59세2012위암남자627522329496627522329496
96575 ~ 79세2012위암여자236755112939236755112939
107280 ~ 84세2013위암남자1109844514711098445147
17435 ~ 39세2010대장암여자--00

고유값 확인

1

df.nunique()

1
2
3
4
5
6
7
8
9

연령별          14
시점           10
암검진별          5
성별            2
대상인원 (명)    789
수검인원 (명)    789
대상인원        788
수검인원        788
dtype: int64

파생변수 만들기

1

df["연령별"].unique()

1
2
3

array(['20 ~ 24세', '25 ~ 29세', '30 ~ 34세', '35 ~ 39세', '40 ~ 44세',
       '45 ~ 49세', '50 ~ 54세', '55 ~ 59세', '60 ~ 64세', '65 ~ 69세',
       '70 ~ 74세', '75 ~ 79세', '80 ~ 84세', '85세 이상'], dtype=object)

1
2

df["연령대"] = df["연령별"].str[0]+"0대"
df.sample(5)
연령별시점암검진별성별대상인원 (명)수검인원 (명)대상인원수검인원연령대
33340 ~ 44세2017간암여자4153130471415313047140대
52850 ~ 54세2017유방암남자--0050대
61355 ~ 59세2016대장암여자1676782603242167678260324250대
99275 ~ 79세2014자궁경부암남자000070대
80765 ~ 69세2016위암여자42947731868942947731868960대

사용하지 않는 컬럼 제거

1
2

df = df.drop(columns=["대상인원 (명)", "수검인원 (명)"])
df.sample(5)
연령별시점암검진별성별대상인원수검인원연령대
10030 ~ 34세2012위암남자0030대
620 ~ 24세2016유방암남자0020대
58555 ~ 59세2013대장암여자141267245946850대
17635 ~ 39세2010간암여자0030대
90170 ~ 74세2015간암여자280561568670대

시각화

1

_ = sns.countplot(data=df, x="암검진별").set_title("암검진별 빈도수")

png

1

_ = sns.countplot(data=df, x="암검진별", hue="성별").set_title("암검진별 빈도수 성별 분류")

png

1

_ = df.loc[df["대상인원"]>0, "암검진별"].value_counts().plot.barh().set_title("0을 제외한 빈도수")

png

1
2

# 수치형 데이터
_ = df.hist(bins=100, figsize=(12, 6))

png

1
2

plt.figure(figsize=(15, 8))
_ = sns.barplot(data=df, x="암검진별", y="수검인원", hue="성별", ci=None, estimator=np.sum).set_title("암검진별 수검인원 합계")

png

1

_ = sns.catplot(data=df, x="연령대", y="수검인원", hue="암검진별", col="성별", kind="bar", estimator=np.sum, ci=None).fig.suptitle("연령대별 암검진 수검인원 합계")

png

1

_ = sns.pointplot(data=df, x="시점", y="수검인원", ci=None).set_title("연도별 암검진 평균")

png

1

_ = sns.pointplot(data=df, x="시점", y="수검인원", ci=None, estimator=np.sum).set_title("연도별 암검진 합계")

png

1

_ = sns.catplot(data=df, x="시점", y="수검인원").fig.suptitle("연도별 암검진 수검인원")

png

1

_ = sns.catplot(data=df, x="시점", y="수검인원", estimator=np.sum, kind="bar", ci=None, col="성별", hue="연령대").fig.suptitle("연도별 암검진 수검인원 합계")

png

Programming, DataScience
Pandas Seaborn
This post is licensed under CC BY 4.0 by the author.
Recently Updated
Contents

LaTex 사용하기

의약품 처방정보 분석

Comments powered by Disqus.