[2월 2주차-2/12(3)]한국복지패널데이터로 한국인의 삶을 분석해보자! 🧐

안녕하세요! 오늘은 한국복지패널데이터(Koweps) 를 활용해 한국인의 삶을 데이터 분석을 통해 살펴보려고 합니다. 한국복지패널데이터는 가구 및 개인의 경제활동, 생활실태, 복지 욕구 등을 연구하기 위해 구축된 대규모 데이터로, 800개 이상의 변수로 구성되어 있어 굉장히 방대한 자료입니다.

데이터 분석을 통해 다음과 같은 궁금증을 해결해 보겠습니다!

✅ 성별에 따른 월급 차이는 존재할까?
✅ 나이와 월급의 관계는 어떨까?
✅ 연령대별 평균 월급은 어떻게 다를까?
✅ 직업별로 월급은 얼마나 차이가 날까?
✅ 종교 유무에 따라 이혼율이 다를까?
✅ 지역별 연령대 비율은 어떤 패턴을 보일까?

---

🔹 1. 데이터 준비하기 📊

분석을 위해 먼저 데이터를 불러오고, 주요 변수들을 확인해 보겠습니다.

📌 데이터 불러오기

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

# 한국복지패널데이터 불러오기
raw_welfare = pd.read_spss('./data/Koweps_hpwc14_2019_beta2.sav')

# 복사본 생성
welfare = raw_welfare.copy()

데이터를 살펴보면 총 14,418개 행과 830개 컬럼으로 구성되어 있음을 알 수 있습니다.

welfare.shape  # (14418, 830)
welfare.info()  # 변수 타입 및 결측치 확인

📌 주요 변수 선택 및 이름 변경

데이터에서 우리가 분석에 활용할 주요 변수들을 선정하고, 이해하기 쉽게 변수명을 변경하겠습니다.

welfare = welfare.rename(columns={
    'h14_g3': 'sex',           # 성별
    'h14_g4': 'birth',         # 태어난 연도
    'h14_g10': 'marriage_type', # 혼인 상태
    'h14_g11': 'religion',     # 종교 유무
    'p1402_8aq1': 'income',    # 월급
    'h14_eco9': 'code_job',    # 직업 코드
    'h14_reg7': 'code_region'  # 지역 코드
})

이제 데이터를 본격적으로 분석해 보겠습니다! 🚀

---

🔹 2. 성별에 따른 월급 차이 분석

📌 성별 데이터 전처리

먼저 성별 데이터를 확인해 보면, 1(남성), 2(여성)으로 기록되어 있습니다. 이를 'male', 'female'로 변환하겠습니다.

# 1. 변수 검토: 타입 파악, 범주마다 몇 명?
welfare['sex'].dtypes # dtype('float64')

# 항목별 개수 -> 이상치 확인 가능
welfare['sex'].value_counts()
'''
sex
2.0    7913
1.0    6505
Name: count, dtype: int64
'''

# 성별 항목에 이름 부여
welfare['sex'] = np.where(welfare['sex'] ==1, 'male', 'female')
welfare['sex'].value_counts()
'''
sex
female    7913
male      6505
Name: count, dtype: int64

이제 성별 빈도를 시각화해 보겠습니다.

sns.countplot(data=welfare, x='sex')
plt.show()

📌 월급 데이터 전처리

월급(income) 데이터를 확인해 보니 결측치가 많습니다. 먼저 결측치를 제거하고 월급 분포를 살펴보겠습니다.

welfare['income'].isna().sum()  # 9,884개 결측치 확인

# 결측치 제거 후 평균 월급 계산
sex_income = welfare.dropna(subset=['income']).groupby('sex', as_index=False).agg(mean_income=('income', 'mean'))

'''
      sex  mean_income
0  female   186.293096
1    male   349.037571
'''

sns.barplot(data=sex_income, x='sex', y='mean_income')
plt.show()

📌 결과: 남성이 여성보다 평균적으로 더 높은 월급을 받는 것으로 나타났습니다.

---

🔹 3. 나이와 월급의 관계

📌 나이 데이터 변환

태어난 연도(birth)를 이용해 나이(age) 변수를 생성하겠습니다.

welfare = welfare.assign(age=2019 - welfare['birth'] + 1)

나이 분포를 확인해 보겠습니다.

sns.histplot(data=welfare, x='age')
plt.show()

📌 나이별 평균 월급 분석

age_income = welfare.dropna(subset=['income']).groupby('age', as_index=False).agg(mean_income=('income', 'mean'))

sns.lineplot(data=age_income, x='age', y='mean_income')
plt.show()

📌 결과: 50대까지 월급이 증가하다가 이후 감소하는 경향을 보였습니다.

---

🔹 4. 연령대 및 성별 월급 차이

연령대를 청년(30세 미만), 중년(30~59세), 노년(60세 이상) 으로 나누고, 평균 월급을 비교해 보겠습니다.

# 연령대 변수 만들기
welfare = welfare.assign(
    ageg=np.where(welfare['age'] < 30, 'young',
                  np.where(welfare['age'] <= 59, 'middle', 'old'))
)

welfare['ageg'].value_counts()
'''
ageg
old       5955
middle    4963
young     3500
Name: count, dtype: int64
'''

ageg_sex =  welfare.dropna(subset='income').groupby(['ageg','sex'], as_index = False).agg(mean_income =('income', 'mean'))
'''
     ageg     sex  mean_income
0  middle  female   230.481735
1  middle    male   409.541228
2     old  female    90.228896
3     old    male   204.570231
4   young  female   189.822222
5   young    male   204.909548
'''

sns.barplot(data=ageg_sex, x = 'ageg', y='mean_income',
            hue = 'sex',
            order = ['young', 'middle', 'old'])

plt.show()

📌 결과: 중년층의 평균 월급이 가장 높고, 노년층에서 급격히 감소하는 경향이 나타났습니다.

---

🔹 5. 직업별 월급 차이

직업별 평균 월급을 비교해 보겠습니다.

# 직업 코드 데이터를 불러와 병합
list_job = pd.read_excel('./data/Koweps_Codebook_2019.xlsx', sheet_name='직종코드')
list_job.head()
'''
   code_job                     job
0       111  의회 의원∙고위 공무원 및 공공단체 임원
1       112                기업 고위 임원
2       121          행정 및 경영 지원 관리자
3       122         마케팅 및 광고∙홍보 관리자
4       131       연구∙교육 및 법률 관련 관리자
'''

welfare = welfare.merge(list_job, how='left', on='code_job')

# 직업별 월급 평균 계산
job_income = welfare.dropna(subset=['income']).groupby('job', as_index=False).agg(mean_income=('income', 'mean'))
job_income.head()
'''
                job  mean_income
0       가사 및 육아 도우미    92.455882
1               간호사   265.219178
2  감정∙기술영업및중개관련종사자    391.000000
3      건물 관리원 및 검표원   168.375000
4    건설 및 광업 단순 종사자   261.975000
'''

# 상위 10개 직업 시각화
top10_jobs = job_income.sort_values(by='mean_income', ascending=False).head(10)
plt.rcParams.update({'font.family': 'Malgun Gothic'})
sns.barplot(data=top10_jobs, x='mean_income', y='job')
plt.show()

📌 결과: 의료 진료 전문가, 법률 전문가 등이 가장 높은 월급을 받는 것으로 나타났습니다.

---

🔹 6. 종교 유무에 따른 이혼율

# 종교 유무 변수 확인
welfare['religion'] = np.where(welfare['religion'] == 1, 'yes', 'no')

# 결혼 상태 변수 확인
dm={0:'비해당(18세 미만)',
   1:'유배우',
   2:'사별',
   3:'이혼',
   4:'별거',
   5:'미혼(18세이상, 미혼모 포함)',
   6:'기타(사망 등)'}

welfare['marriage_type'] = welfare['marriage_type'].replace(dm)

# 이혼율 분석
religion_marriage = welfare.query("marriage_type in ['유배우', '이혼']").groupby(['religion', 'marriage_type'], as_index=False).agg(n = ('marriage_type','count'))

'''
  religion marriage_type     n
0        N           유배우  3660
1        N            이혼   384
2        Y           유배우  3530
3        Y            이혼   305
'''
religion_marriage['total'] = religion_marriage.groupby('religion')['n'].transform('sum')
religion_marriage['ratio'] = religion_marriage['n'] / religion_marriage['total']
religion_marriage

# 그래프 그리기
plt.figure(figsize=(8, 5))
ax=sns.barplot(data = religion_marriage, x = 'religion', y='ratio',
             hue = 'marriage_type')

plt.ylabel("이혼율 (%)")
plt.xlabel("종교 유무")
plt.title("종교 유무에 따른 이혼율 비교")
plt.ylim(0, 1)

for container in ax.containers:
    ax.bar_label(container, fmt="%.3f%%", fontsize=10)

plt.show()

📌 결과:

---

🔹 7. 지역별 연령대 비율

# 지역 변수
dr={1:'서울',
   2:'수도권(인천/경기)',
   3:'부산/경남/울산',
   4:'대구/경북',
   5:'대전/충남',
   6:'강원/충북',
   7:'광주/전남/전북/제주도'}

welfare['code_region'] = welfare['code_region'].replace(dr)

# 연령대 변수 만들기
welfare = welfare.assign(age = 2019-welfare['birth'] + 1)
welfare['age'].describe()
welfare = welfare.assign(ageg = np.where(welfare['age']<30, 'young', 
                                         np.where(welfare['age']<=59, 'middle', 'old')))

region_ageg = welfare.groupby(['code_region', 'ageg'], as_index = False).agg(n = ('ageg', 'count'))
region_ageg.head()
'''
    code_region    ageg     n  total     ratio
0         강원/충북  middle   351   1137  0.308707
1         강원/충북     old   522   1137  0.459103
2         강원/충북   young   264   1137  0.232190
3  광주/전남/전북/제주도  middle   784   2466  0.317924
4  광주/전남/전북/제주도     old  1108   2466  0.449311
'''

# 비율 계산
region_ageg['total'] = region_ageg.groupby('code_region')['n'].transform('sum')
region_ageg['ratio'] = region_ageg['n'] / region_ageg['total']

# 그래프 그리기
plt.figure(figsize=(8, 5))
ax=sns.barplot(data = region_ageg, x = 'code_region', y='ratio',
             hue = 'ageg')
plt.xticks(rotation=25)
plt.ylabel("연령대 비율 (%)")
plt.xlabel("지역")
plt.title("지역에 따른 연령대 비율 비교")
plt.ylim(0, 0.6)

for container in ax.containers:
    ax.bar_label(container, fmt="%.3f%%", fontsize=7)

plt.show()

📌 결과: 지역별로 연령대 분포가 다르게 나타났습니다.

〰 비율 구하는 다른 방법(value_counts(normalize=True) 사용)

region_ageg2 = welfare.groupby('code_region', as_index = False)['ageg'].value_counts(normalize=True)
region_ageg2 = region_ageg2.assign(proportion = region_ageg2['proportion']*100).round(1)
'''
     code_region    ageg  proportion
0          강원/충북     old        45.9
1          강원/충북  middle        30.9
2          강원/충북   young        23.2
3   광주/전남/전북/제주도     old        44.9
4   광주/전남/전북/제주도  middle        31.8
'''

sns.barplot(data=region_ageg2,
            y='code_region', x='proportion',
            hue='ageg')

plt.show()

〰 누적 막대 그래프 만들기 (피벗 이용)

# 시각화(막대, 누적)
'''
     code_region    ageg  proportion
0          강원/충북     old        45.9
1          강원/충북  middle        30.9
2          강원/충북   young        23.2
3   광주/전남/전북/제주도     old        44.9
4   광주/전남/전북/제주도  middle        31.8

피벗을 이용해 이 구조를 바꿀거임.
피벗: 행과 열을 회전하여 표의 구성을 변경하는 작업.
      누적 그래프 형태로 시각화 할 때 사용
1. 지역, 연령대, 비율 추출
2. DataFrame.pivot()
2-1. 지역을 기준으로 : index = 지역
2-2. 연령대별로 컬럼을 구성: columns = 연령대
2-3. 각 항목의 값을 비율로 채우기: values = 비율
'''

pivot_df = region_ageg2[['code_region', 'ageg', 'proportion']].pivot(index='code_region', columns='ageg', values = 'proportion')

# 초년 중년 노년 으로 순서 바꾸기
reorder_df = pivot_df.sort_values('old')[['young', 'middle', 'old']]

'''
ageg          young  middle   old
code_region                      
수도권(인천/경기)     28.7    38.8  32.5
서울             23.9    38.5  37.6
대전/충남          25.0    33.6  41.3
부산/경남/울산       22.9    33.4  43.8
광주/전남/전북/제주도   23.3    31.8  44.9
강원/충북          23.2    30.9  45.9
대구/경북          20.0    29.6  50.4
'''

reorder_df.plot.barh(stacked = True)
plt.show()

---

🔹 마무리

오늘은 한국복지패널데이터를 활용해 한국인의 삶을 분석해 보았습니다. 데이터 분석을 통해 성별, 연령, 직업, 종교 등의 요소가 개인의 경제 및 사회적 특성과 어떻게 연관되는지를 확인할 수 있었습니다. 😊