
import pandas as pd
import numpy as np
import time, datetime, random
import os, itertools
import matplotlib as plt


df = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\store.csv', encoding='cp949')
df


#데이터 정제1. 필요없는 컬럼 제거

temp1=df.drop(['상호명', '소재지도로명주소', '소재지지번주소', '우편번호', '위도', '경도', '데이터기준일자' ], axis=1)
temp1


temp1.rename(columns={'업종명(종목명)':'changecol'}, inplace=True)

temp1['업종'] = temp1.changecol.str.split('-').str[0] 

#'-'를 기준으로 앞 문자열만 가져와서 업종 컬럼으로 가져오고 싶음

print(temp1)

        시군명             changecol       업종
0       고양시          서적문구 - 과학기자재    서적문구 
1       고양시         일반휴게음식 - 일반한식  일반휴게음식 
2       고양시  용역 서비스 - 법률회계서비스(개인)  용역 서비스 
3       고양시         일반휴게음식 - 일반한식  일반휴게음식 
4       고양시               의류 - 정장      의류 
...     ...                   ...      ...
611240  평택시           주방용구 - 주방용구    주방용구 
611241  평택시              학원 - 유아원      학원 
611242  평택시         용역 서비스 - 종합용역  용역 서비스 
611243  평택시         일반휴게음식 - 서양음식  일반휴게음식 
611244  평택시         건축자재 - 인테리어전문    건축자재 

[611245 rows x 3 columns]


temp2=temp1.drop(['changecol'], axis=1)
temp2


#데이터정제3. 업종에 '기타' 항목은 삭제

idx=temp2[temp2['업종']=='기타'].index
df_new=temp2.drop(idx)
df_new

##전처리 우선 완료, df_new에 저장


#시각화 설정

from matplotlib import pyplot as plt
import seaborn as sns

# matplotlib 설정하기
import matplotlib.pyplot as plt

plt.rc('font', family = 'Malgun Gothic')
plt.rcParams['axes.unicode_minus'] = False
plt.style.use("ggplot")


#먼저, 전체 업종별 가맹점 수 확인해보기 

df_type=df_new.groupby(['업종']).count() #각 업종별 가맹점 수 구하기
df_type


df_type2=df_type.rename(columns={'시군명':'shop_cnt'}) 
df_type2


df_type3=df_type2.reset_index()
df_type3


df_type4=df_type3.rename(columns={'업종':'category'})
df_type4


#업종별 점포 수의 비율을 구함

df_type4['shop_rate']=df_type4['shop_cnt']/df_type4['shop_cnt'].sum()*100
df_type4


frame1=df_type4.sort_values(by="shop_rate", ascending=False)
frame1


frame2=df_type4.sort_values(by="shop_rate", ascending=False).head(25)


! pip install squarify

Requirement already satisfied: squarify in c:\users\soyoung\anaconda3\lib\site-packages (0.4.3)


import squarify


frame1.index.to_series().mode()

0      0
1      1
2      2
3      3
4      4
      ..
60    60
61    61
62    62
63    63
64    64
Length: 65, dtype: int64


frame1.sort_values('shop_cnt', ascending=False, inplace=True)
fig, ax = plt.subplots(1, figsize = (12,12))
squarify.plot(sizes=frame1['shop_cnt'], 
              label = frame1['category'][:35],
              value = frame1['shop_cnt'][:30], 
              alpha=.8 )
plt.title("경기도 업종별 점포 수 분포")
plt.axis('off')
plt.show()


plt.figure(figsize=(30,25))  
plt.rc('font', size=20)
plt.rc('axes', labelsize=30)   # x,y축 label 폰트 크기
plt.rc('xtick', labelsize=30)  # x축 눈금 폰트 크기 
plt.rc('ytick', labelsize=30)  # y축 눈금 폰트 크기
plt.xticks(rotation = 0 )
sns.barplot(data=frame2, x="shop_rate", y="category") 
plt.show()


#일반휴게음식이 약 25%이고 보건위생 9%, 학원 7%, 음료식품 6%%의 순임. 
#상위 4개 업종이 전체 업종의 약 절반을 차지하고 있음.


df_city=df_new.groupby(['시군명']).count() #각 업종별 가맹점 수 구하기
df_city


df_city1=df_city.reset_index()
df_city1


df_city2=df_city1.rename(columns={'시군명':'city', '업종':'shop_cnt'}) 
df_city2


###경기도의 전체 업종 수 순서

df_city3=df_city2.sort_values(by="shop_cnt", ascending=False)
df_city3


df_city3.describe()

#경기도 지역의 평균 점포 수는 19632개


df_city3.reset_index()


df_city3.drop([])


import pandas as pd  
import matplotlib.pyplot as plt
%matplotlib inline 
import seaborn as sns 
sns.set()

plt.rc('font', family='NanumGothic') 
print(plt.rcParams['font.family'])

['NanumGothic']


plt.figure(figsize=(50,30))  
plt.rc('font', size=20)
plt.rc('axes', labelsize=40)   
plt.rc('xtick', labelsize=40)   
plt.rc('ytick', labelsize=40)  
plt.xticks(rotation = 0 )
sns.barplot(data=df_city3, x="shop_cnt", y="city") 
plt.show()


df2 = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\rate_of_change.csv')
df2


df2.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3090 entries, 0 to 3089
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   분석인덱스   3090 non-null   int64  
 1   시도명     3090 non-null   object 
 2   시군구명    3090 non-null   object 
 3   행정동명    3090 non-null   object 
 4   일반결제년월  3090 non-null   object 
 5   결제금액    3090 non-null   int64  
 6   전월결제금액  3090 non-null   int64  
 7   결제변화비율  3090 non-null   float64
dtypes: float64(1), int64(3), object(4)
memory usage: 193.2+ KB


df2.isna().sum()  #결측치 없음

분석인덱스     0
시도명       0
시군구명      0
행정동명      0
일반결제년월    0
결제금액      0
전월결제금액    0
결제변화비율    0
dtype: int64


# 서울시 들어간 행 삭제
idx=df2[df2['시도명']=='서울특별시'].index
df2=df2.drop(idx)
df2


df2['city'] = [name.split()[0] for name in list(df2['시군구명'])]
df2


#불필요한 열 버리고, 열 이름 재정의
df2_1 = df2.drop(['분석인덱스', '시도명', '시군구명','행정동명', '전월결제금액', '결제변화비율'],axis=1)
df2_1.head()


df2_2=df2_1.rename(columns={"일반결제년월": "year_month", "결제금액": "payment"})
df2_2.head()


import matplotlib.pyplot as plt

plt.rc('font', family = 'Malgun Gothic')
plt.rcParams['axes.unicode_minus'] = False
plt.style.use("ggplot")


df2_2.groupby('year_month').sum().plot(kind='bar',figsize=(12,8))
plt.title("지역화폐 총 결제금액 추이", fontsize=20)
plt.plot(df2_2.groupby('year_month').sum().values, '-o', color='orange')
plt.rc('font', size=20)
plt.rc('axes', labelsize=5)   
plt.rc('xtick', labelsize=5)   
plt.rc('ytick', labelsize=5)


###2020년 5월 6월은 데이터가 없으므로 이를 삭제해주기 (데이터 정제)


df2_3= df2_2[~df2_2['year_month'].str.contains("2020-05", na=False, case=False)]
df2_3


df2_4= df2_3[~df2_3['year_month'].str.contains("2020-06", na=False, case=False)]
df2_4


df2_4.groupby('year_month').sum().plot(kind='bar',figsize=(13,8))
plt.title("지역화폐 총 결제금액 추이", fontsize=20)
plt.plot(df2_4.groupby('year_month').sum().values, '-o', color='orange')
plt.rc('axes', labelsize=20)   
plt.rc('xtick', labelsize=20)   
plt.rc('ytick', labelsize=20)


df2_5=df2.groupby('city').sum()
df2_6=df2_5.drop(["분석인덱스","전월결제금액","결제변화비율"],axis=1)
df2_6=df2_6.reset_index()
df2_7=df2_6.drop([7,11,13,16,27,28]) #김포, 성남, 시흥, 안양, 평택, 포천 삭제
df2_7.rename(columns={'city':'시군구명'}, inplace=True)


df2_7.to_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\df2_7.csv', encoding='cp949')


df2_6


plt.figure(figsize=(12,8)) 
plt.xticks(rotation = 0)  
sns.barplot( 
    data = df2_6.sort_values(by='결제금액', ascending=False).head(24), 
    x = "결제금액", y = "city" ) 
plt.title("시군구별 지역화폐 결제금액")
plt.rc('axes', labelsize=12)   
plt.rc('xtick', labelsize=12)   
plt.rc('ytick', labelsize=12) 
plt.show()


##########################################################
#지역별 지역화폐 결제금액 및 결제변화율
#행정동에 따른 월별 결제금액 및 결제변화율
#데이터 기준일 : 2019년 10월 ~ 2020년 06월 ->  2019년 9월~2020년 3월 (오류 정정 요청)
#https://www.bigdata-region.kr/#/dataset/0f11d6b2-e35e-4323-8700-36e6c77f9d82


#데이터2. 연령별 거주인구 대비 지역화폐 사용금액 현황
#2019년 경기도 시군구 연령별 거주인구 대비 월 단위 지역화폐 사용금액 현황
#데이터 기준일 : 2019년 03월 ~2019년 09월 
#https://www.bigdata-region.kr/#/dataset/9d8c20d9-a9ca-4687-b3de-ade09d5664c1


df3 = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\age_pmt.csv', encoding='cp949')


df_3_1=df3.drop([1,2,3,10,14,15,16,17,19,20,28,29,30,35]) #카드형을 사용하는 지역 중 데이터셋이 있는 지역만 나타나냄
df_3_1.reset_index()  #총 24개 지역


###인구 대비 지역화폐 결제금액이 큰 순서는 양평군, 연천군, 군포시, 하남시 등의 순서이다. 
###광주시, 여주시, 동두천시, 용인시는 상대적으로 지역화폐 결제금액이 적다.


#시군별 숫자 차이가 크므로, 한눈에 비교를 위해 비율로 바꿔줌

df_3_1["인구비중"]=df_3_1["총거주인구수"]/df_3_1["총거주인구수"].sum()*100
df_3_1["9세 이하 비율"]=df_3_1["0~9세"]/df_3_1["총거주인구수"]*100
df_3_1["10대 비율"]=df_3_1["10~19세"]/df_3_1["총거주인구수"]*100
df_3_1["20대 비율"]=df_3_1["20~29세"]/df_3_1["총거주인구수"]*100
df_3_1["30대 비율"]=df_3_1["30~39세"]/df_3_1["총거주인구수"]*100
df_3_1["40대 비율"]=df_3_1["40~49세"]/df_3_1["총거주인구수"]*100
df_3_1["50대 비율"]=df_3_1["50~59세"]/df_3_1["총거주인구수"]*100
df_3_1["60대 비율"]=df_3_1["60~69세"]/df_3_1["총거주인구수"]*100
df_3_1["70대 비율"]=df_3_1["70~79세"]/df_3_1["총거주인구수"]*100
df_3_1["80대 비율"]=df_3_1["80~89세"]/df_3_1["총거주인구수"]*100
df_3_1["90대 비율"]=df_3_1["90~99세"]/df_3_1["총거주인구수"]*100
df_3_1


df3_2=df_3_1.drop(['총결제금액', '0~9세','10~19세','20~29세','30~39세','40~49세','50~59세','60~69세','70~79세','80~89세','90~99세'], axis=1)
df3_2.reset_index()


df3_2_2=pd.merge(df3_2, df2_7, on="시군구명", how="inner")
df3_2_2


df3_2_2["결제금액 비중"]=df3_2_2["결제금액"]/df3_2_2["결제금액"].sum()*100
df3_2_2["인구대비 결제금액"]=df3_2_2["결제금액"]/df3_2_2["총거주인구수"]
df3_2_2


plt.rc('font', family='NanumGothic') 
print(plt.rcParams['font.family'])

['NanumGothic']


import seaborn as sns
plt.rc('font', family='NanumGothic') 
print(plt.rcParams['font.family'])

['NanumGothic']


#1. 시도별 지역화폐 총결제금액

plt.figure(figsize=(12,8)) 
plt.xticks(rotation = 0)  
sns.barplot( 
    data = df3_2_2.sort_values(by='결제금액', ascending=False), 
    x = "결제금액", y = "시군구명" ) 
plt.show()


#3.인구비율과 지역화폐 결제금액 비율을 동시에 시각화

df3_5=df3_2_2[["시군구명", "인구비중","결제금액 비중"]]  
df3_5=df3_5.set_index("시군구명")


ax=df3_5.sort_values(by='인구비중', ascending=False).plot(kind='bar', figsize=(12, 8), legend=True, fontsize=12, color=['#E866BA','#98B3FF']) 
ax.set_xlabel('인구비중', fontsize=12) 
ax.set_ylabel('비율', fontsize=12) 
plt.title("시군구별 인구 및 지역화폐 결제금액", fontsize=15)
ax.legend(['총거주인구수', '결제금액'], fontsize=12)

<matplotlib.legend.Legend at 0x207b4176f40>


#시도별 인구 규모와 지역화폐 결제금액을 비교할 수 있다.
#고양시, 부천시, 화성시, 군포시, 하남시, 양평군, 과천시 등은 인구비율에 비해 높은 지역화폐 결제금액을 보이고 있다.. 
#반면 수원, 용인, 광주 등의 지역은 인구 수에 비해 지역화폐 결제금액은 낮게 나타나, 지역화폐 활성화 정도가 낮은 지역으로 판단할 수 있다.
#안산, 양주, 이천 등은 인구 규모와 비슷한 지역화폐 결제금액 비중을 보이고 있었다.


ax = sns.regplot(x='인구비중', y='결제금액 비중', data=df3_2_2) 
ax.set_xlabel('인구')  # x축 이름 설정
ax.set_ylabel('지역화폐 결제금액') # y축 이름 설정
ax.set_title('인구별 지역화폐 결제금액') # 그래프 제목 설정

Text(0.5, 1.0, '인구별 지역화폐 결제금액')


top1=frame2[frame2['시군구명']=='양평군'].drop(["총거주인구수","결제금액","인구대비 결제금액"],axis=1)
top2=frame2[frame2['시군구명']=='하남시'].drop(["총거주인구수","결제금액","인구대비 결제금액"],axis=1)
tail1=frame2[frame2['시군구명']=='수원시'].drop(["총거주인구수","결제금액","인구대비 결제금액"],axis=1)
tail2=frame2[frame2['시군구명']=='용인시'].drop(["총거주인구수","결제금액","인구대비 결제금액"],axis=1)


plt.title("양평군의 인구비율", fontsize=20 )
sns.barplot(data=top1, color='#FC7F77') 
plt.show()


plt.title("하남시의 인구비율", fontsize=20 )
sns.barplot(data=top2,color='#FC7F77') 
plt.show()


plt.figure(figsize=(10,7)) 
plt.title("수원시의 인구비율", fontsize=20 )
sns.barplot(data=tail1, color='#4E70F5') 
plt.show()


plt.figure(figsize=(12,8)) 
plt.title("용인시의 인구비율", fontsize=20 )
sns.barplot(data=tail2,color='#4E70F5') 
plt.show()


#3. 시도별 인구대비 지역화폐 결제금액

plt.figure(figsize=(12,8)) 
plt.xticks(rotation = 0)  
sns.barplot( 
    data = df3_2_2.sort_values(by='인구대비 결제금액', ascending=False), 
    x = "인구대비 결제금액", y = "시군구명" ) 
plt.title("시군구별 인구대비 결제금액", fontsize=15)
plt.show()


frame1=df3_2_2.drop(["인구비중", "결제금액 비중"],axis=1)
frame1


frame1['60대 이상 비율']=frame1['60대 비율']+frame1['70대 비율']+frame1['80대 비율']+frame1['90대 비율']
frame2=frame1.drop(["60대 비율", "70대 비율", "80대 비율", "90대 비율"], axis=1)
frame2.columns

Index(['시군구명', '총거주인구수', '9세 이하 비율', '10대 비율', '20대 비율', '30대 비율', '40대 비율',
       '50대 비율', '결제금액', '인구대비 결제금액', '60대 이상 비율'],
      dtype='object')


frame2=frame2[['시군구명', '총거주인구수','결제금액', '인구대비 결제금액','9세 이하 비율', '10대 비율', '20대 비율', '30대 비율', '40대 비율',
       '50대 비율', '60대 이상 비율']]


###60대 인구는 합쳐서 나타낸 게 frame2


corr_1=frame2.corr(method='pearson')
corr_1


plt.rcParams['figure.figsize'] = [10,7]
sns.heatmap(corr_1, annot=True, vmin=-1, vmax=1, cmap='Purples', linewidths=1,center=0)

<AxesSubplot:>


frame2


ax = sns.regplot(x='10대 비율', y='결제금액', data=frame2) 
ax.set_xlabel('10대')  
ax.set_ylabel('결제금액') 
ax.set_title('10대 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '10대 인구별 지역화폐 결제금액')


ax = sns.regplot(x='20대 비율', y='결제금액', data=frame2) 
ax.set_xlabel('20대')  
ax.set_ylabel('결제금액') 
ax.set_title('20대 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '20대 인구별 지역화폐 결제금액')


ax = sns.regplot(x='30대 비율', y='결제금액', data=frame2) 
ax.set_xlabel('30대')  
ax.set_ylabel('결제금액') 
ax.set_title('30대 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '30대 인구별 지역화폐 결제금액')


ax = sns.regplot(x='40대 비율', y='결제금액', data=frame2) 
ax.set_xlabel('40대')  
ax.set_ylabel('결제금액') 
ax.set_title('40대 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '40대 인구별 지역화폐 결제금액')


ax = sns.regplot(x='50대 비율', y='결제금액', data=frame2) 
ax.set_xlabel('50대')  
ax.set_ylabel('결제금액') 
ax.set_title('50대 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '50대 인구별 지역화폐 결제금액')


ax = sns.regplot(x='60대 이상 비율', y='결제금액', data=frame2) 
ax.set_xlabel('60대')  
ax.set_ylabel('결제금액') 
ax.set_title('60대 이상 인구별 지역화폐 결제금액')

Text(0.5, 1.0, '60대 이상 인구별 지역화폐 결제금액')


######################다시 가맹점 수


df_joinedd = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\df_joinedd.csv')
df_joinedd


#위 데이터 프레임과 병합을 위해서 시군명 맞춰주기

df_joinedd.rename(columns={'시군명':'시군구명'}, inplace=True)

idx2_1=df_joinedd[df_joinedd['시군구명']=='안양시'].index
df_joinedd1=df_joinedd.drop(idx2_1)

idx2_2=df_joinedd1[df_joinedd1['시군구명']=='의왕시'].index
df_joinedd2=df_joinedd1.drop(idx2_2)

idx2_3=df_joinedd2[df_joinedd2['시군구명']=='평택시'].index
df_joinedd3=df_joinedd2.drop(idx2_3)

idx2_4=df_joinedd3[df_joinedd3['시군구명']=='포천시'].index
df_finaljoin=df_joinedd3.drop(idx2_4)
df_finaljoin


df_food=df_finaljoin[df_finaljoin['업종'].str.contains('일반휴게음식')].reset_index()
df_food


df_food2=df_food.drop(["index","Unnamed: 0","업종"],axis=1)
df_food2


frame2_2=pd.merge(frame2, df_food2, on="시군구명")
frame2_2.rename(columns={'업종수':'음식점 가맹점수'}, inplace=True)
frame2_2


corr_2=frame2_2.corr()
corr_2


sns.heatmap(corr_2, annot=True, vmin=-1, vmax=1)

<AxesSubplot:>


df_health=df_finaljoin[df_finaljoin['업종'].str.contains('보건위생')].reset_index()
df_health2=df_health.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_3=pd.merge(frame2_2, df_health2, on="시군구명")
frame2_3.rename(columns={'업종수':'보건위생 가맹점수'}, inplace=True)
frame2_3


df_ac=df_finaljoin[df_finaljoin['업종'].str.contains('학원')].reset_index()
df_ac.drop([24])
df_ac2=df_ac.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_4=pd.merge(frame2_3, df_ac2, on="시군구명")
frame2_4.rename(columns={'업종수': '학원 가맹점수'}, inplace=True)
frame2_4


df_drink=df_finaljoin[df_finaljoin['업종'].str.contains('음료식품')].reset_index()
df_drink2=df_drink.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_5=pd.merge(frame2_4, df_drink2, on="시군구명")
frame2_5.rename(columns={'업종수': '음료식품 가맹점수'}, inplace=True)
frame2_5


df_ser=df_finaljoin[df_finaljoin['업종'].str.contains('용역')].reset_index()
df_ser2=df_ser.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_6=pd.merge(frame2_5, df_ser2, on="시군구명")
frame2_6.rename(columns={'업종수': '용역서비스 가맹점수'}, inplace=True)
frame2_6


df_cl=df_finaljoin[df_finaljoin['업종'].str.contains('의류')].reset_index()
df_cl2=df_cl.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_7=pd.merge(frame2_6, df_cl2, on="시군구명")
frame2_7.rename(columns={'업종수': '의류 가맹점수'}, inplace=True)
frame2_7


df_u=df_finaljoin[df_finaljoin['업종'].str.contains('유통업 영리')].reset_index()
df_u2=df_u.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_8=pd.merge(frame2_7, df_u2, on="시군구명")
frame2_8.rename(columns={'업종수': '유통업 가맹점수'}, inplace=True)
frame2_8


df_h=df_finaljoin[df_finaljoin['업종'].str.contains('의원')].reset_index()
df_h2=df_h.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_9=pd.merge(frame2_8, df_h2, on="시군구명")
frame2_9.rename(columns={'업종수': '의원 가맹점수'}, inplace=True)
frame2_9


df_l=df_finaljoin[df_finaljoin['업종'].str.contains('레저업소')].reset_index()
df_l2=df_l.drop(["index","Unnamed: 0","업종"],axis=1)
frame2_11=pd.merge(frame2_9, df_l2, on="시군구명")
frame2_11.rename(columns={'업종수': '레저업소 가맹점수'}, inplace=True)
frame2_11


df_totalshop=df_finaljoin.groupby('시군구명')['업종수'].sum().reset_index()
df_totalshop


frame2_12=pd.merge(frame2_11, df_totalshop, on="시군구명")
frame2_12


frame2_12["음식점 가맹점 비중"]=frame2_12["음식점 가맹점수"]/frame2_12["업종수"]*100
frame2_12["보건위생 가맹점 비중"]=frame2_12["보건위생 가맹점수"]/frame2_12["업종수"]*100
frame2_12["학원 가맹점 비중"]=frame2_12["학원 가맹점수"]/frame2_12["업종수"]*100
frame2_12["음료식품 가맹점 비중"]=frame2_12["음료식품 가맹점수"]/frame2_12["업종수"]*100
frame2_12["용역서비스 가맹점 비중"]=frame2_12["용역서비스 가맹점수"]/frame2_12["업종수"]*100
frame2_12["유통업 가맹점 비중"]=frame2_12["유통업 가맹점수"]/frame2_12["업종수"]*100
frame2_12["의류 가맹점 비중"]=frame2_12["의류 가맹점수"]/frame2_12["업종수"]*100
frame2_12["의원 가맹점 비중"]=frame2_12["의원 가맹점수"]/frame2_12["업종수"]*100
frame2_12["레저업소 가맹점 비중"]=frame2_12["레저업소 가맹점수"]/frame2_12["업종수"]*100
frame2_12


frame2_12.describe()


frame2_final=frame2_12.drop(["9세 이하 비율","10대 비율","20대 비율","30대 비율","40대 비율","50대 비율","60대 이상 비율","음식점 가맹점수","보건위생 가맹점수","학원 가맹점수","음료식품 가맹점수","용역서비스 가맹점수","의류 가맹점수","유통업 가맹점수","의원 가맹점수","레저업소 가맹점수"],axis=1)
frame2_final


corr_frame2=frame2_final.corr()
corr_frame2


plt.rc('font', size=20)
sns.heatmap(corr_frame2, vmin=-1, vmax=1, annot=True, center=0, linewidths=1,cmap = 'RdYlBu_r', annot_kws = {"size" : 11})

<AxesSubplot:>


frame2_final2=frame2_12.drop(["9세 이하 비율","10대 비율","20대 비율","30대 비율","40대 비율","50대 비율","60대 이상 비율"],axis=1)
frame2_final2


corr_frame2_2=frame2_final2.corr()


plt.figure(figsize=(15,11))  
sns.heatmap(corr_frame2_2, vmin=-1, vmax=1, annot=True, center=0, linewidths=1,cmap = 'Blues', annot_kws = {"size" : 13})

<AxesSubplot:>


frame2_12_new=frame2_12.drop(["업종수","총거주인구수","음식점 가맹점수","보건위생 가맹점수","학원 가맹점수","음료식품 가맹점수","학원 가맹점수","용역서비스 가맹점수","의류 가맹점수","의원 가맹점수","레저업소 가맹점수","유통업 가맹점수"], axis=1)
frame2_12_new


corr_frame2_3=frame2_12_new.corr()


plt.figure(figsize=(15,11))  
sns.heatmap(corr_frame2_3, vmin=-1, vmax=1, annot=True, center=0, linewidths=1,cmap = 'YlGnBu', annot_kws = {"size" : 13})

<AxesSubplot:>


frame2_12


frame2_12["인구대비 음식점 가맹점수"]=frame2_12["음식점 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 보건위생 가맹점수"]=frame2_12["보건위생 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 학원 가맹점수"]=frame2_12["학원 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 음료식품 가맹점수"]=frame2_12["음료식품 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 용역서비스 가맹점수"]=frame2_12["용역서비스 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 유통업 가맹점수"]=frame2_12["유통업 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 의류 가맹점수"]=frame2_12["의류 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 의원 가맹점수"]=frame2_12["의원 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12["인구대비 레저업소 가맹점수"]=frame2_12["레저업소 가맹점수"]/frame2_12["총거주인구수"]*100
frame2_12


frame2_final2=frame2_12.drop(["음식점 가맹점수", '보건위생 가맹점수',
       '학원 가맹점수', '음료식품 가맹점수', '용역서비스 가맹점수', '의류 가맹점수', '유통업 가맹점수', '의원 가맹점수',
       '레저업소 가맹점수',"음식점 가맹점 비중","보건위생 가맹점 비중","학원 가맹점 비중","음료식품 가맹점 비중","의류 가맹점 비중","의원 가맹점 비중", "레저업소 가맹점 비중","용역서비스 가맹점 비중","유통업 가맹점 비중"],axis=1)
frame2_final2.columns

Index(['시군구명', '총거주인구수', '결제금액', '인구대비 결제금액', '9세 이하 비율', '10대 비율', '20대 비율',
       '30대 비율', '40대 비율', '50대 비율', '60대 이상 비율', '업종수', '인구대비 음식점 가맹점수',
       '인구대비 보건위생 가맹점수', '인구대비 학원 가맹점수', '인구대비 음료식품 가맹점수', '인구대비 용역서비스 가맹점수',
       '인구대비 유통업 가맹점수', '인구대비 의류 가맹점수', '인구대비 의원 가맹점수', '인구대비 레저업소 가맹점수'],
      dtype='object')


corr_frame2_4=frame2_final2.corr()


plt.figure(figsize=(15,11))  
plt.title("지역화폐 가맹점수 상관관계 분석", fontsize=20)
sns.heatmap(corr_frame2_4, vmin=-1, vmax=1, annot=True, center=0, linewidths=1,cmap = 'RdPu', annot_kws = {"size" : 12})

<AxesSubplot:title={'center':'지역화폐 가맹점수 상관관계 분석'}>


freq = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\freq.csv')
freq


freq['city'] = [name.split()[0] for name in list(freq['시군구명'])]


df_freq = freq.drop(['시도명', '시군구명','결제상품명'], axis='columns')
df_freq


df_freq.groupby('년월').sum().plot(kind='bar',figsize=(12,8))
plt.title("지역화폐 사용빈도 추이", fontsize=20)
plt.plot(df_freq.groupby('년월').sum().values, '-o', color='orange')
plt.rc('font', size=20)
plt.rc('axes', labelsize=10)   
plt.rc('xtick', labelsize=10)   
plt.rc('ytick', labelsize=10) 

#3월의 데이터가 없으므로 이를 삭제


df_freq1= df_freq[~df_freq['년월'].str.contains("2019-03", na=False, case=False)]
df_freq1


df_freq1.rename


import pandas as pd


df_freq1.groupby('년월').sum().plot(kind='bar',figsize=(12,8))
plt.title("지역화폐 사용빈도 추이", fontsize=20)
plt.plot(df_freq1.groupby('년월').sum().values, '-o', color='orange')
plt.rc('font', size=20)
plt.rc('axes', labelsize=10)   
plt.rc('xtick', labelsize=10)   
plt.rc('ytick', labelsize=10) 

#3월의 데이터가 없으므로 이를 삭제


tmp_freq=pd.DataFrame(df_freq1.groupby('city').count()["사용빈도"].sort_values(ascending=False))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
plt.figure(figsize=(12,8)) 
ax = sns.countplot(x="city", data=df_freq1, palette="Set2", order=tmp_freq.index)
plt.title("시군구별 지역화폐 사용빈도", fontsize=20)
plt.xticks(rotation=270)
plt.show()


tmp2_freq=pd.DataFrame(df_freq1.groupby('연령대코드').count()["사용빈도"].sort_values(ascending=False).head(9))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
plt.figure(figsize=(12,8)) 
ax = sns.countplot(x="연령대코드", data=df_freq1, palette="Set2", order=tmp2_freq.index)
plt.title("시군구별 지역화폐 사용빈도", fontsize=20)
plt.xticks(rotation=270)
plt.show()


tmp2_freq=pd.DataFrame(df_freq1.groupby('연령대코드').count()["사용빈도"].sort_values(ascending=False).head(9))
tmp2_freq=tmp2_freq.reset_index()
tmp2_freq


tmp3_freq=tmp2_freq.reindex(index=[6,3,1,0,2,4,5,7,8])
tmp3_freq


sns.barplot( 
    data = tmp3_freq,x = "연령대코드", y = "사용빈도", palette="Set2" ) 
plt.title("연령별 지역화폐 사용빈도")
plt.rc('axes', labelsize=12)   
plt.rc('xtick', labelsize=12)   
plt.rc('ytick', labelsize=12) 
plt.show()


freq_top1=df_freq1[df_freq1['city']=='양평군']
freq_top2=df_freq1[df_freq1['city']=='하남시']
freq_tail1=df_freq1[df_freq1['city']=='수원시']
freq_tail2=df_freq1[df_freq1['city']=='용인시']
freq_top1


import matplotlib.pyplot as plt

plt.rc('font', family = 'Malgun Gothic')
plt.rcParams['axes.unicode_minus'] = False
plt.style.use("ggplot")


import pandas as pd  
import matplotlib.pyplot as plt
%matplotlib inline 
import seaborn as sns 

plt.rcParams['font.family'] = 'Malgun Gothic'
print(plt.rcParams['font.family'])

['Malgun Gothic']


plt.figure(figsize=(10,8))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
ax = sns.countplot(x="age", data=freq_top1, color='#FC7F77')
plt.title("양평군의 연령별 지역화폐 사용빈도", fontsize=20 )
plt.xticks(rotation=0)
plt.show()


plt.figure(figsize=(12,8))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
ax = sns.countplot(x="age", data=freq_top2, color='#FC7F77')
plt.title("하남시의 연령별 지역화폐 사용빈도", fontsize=20 )
plt.xticks(rotation=0)
plt.show()


plt.figure(figsize=(12,8))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
ax = sns.countplot(x="age", data=freq_tail1, color='#4E70F5')
plt.title("수원시의 연령별 지역화폐 사용빈도", fontsize=20 )
plt.xticks(rotation=0)
plt.show()


plt.figure(figsize=(12,8))
sns.set(font="NanumBarunGothic", 
        rc={"axes.unicode_minus":False},
        style='darkgrid')
ax = sns.countplot(x="age", data=freq_tail2, color='#4E70F5')
plt.title("용인시의 연령별 지역화폐 사용빈도", fontsize=20 )
plt.xticks(rotation=0)
plt.show()


######가구 수


df_n = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\popn.csv', encoding='cp949')
df_n1=df_n.drop([0,2,10,6,17])
df_n1 = df_n1.reset_index().rename(columns={'시군별(2)': '시군구명'})
df_n1


df_n2=df_n1.drop([2,8,24]).reset_index()
df_n2


frame2_final


ff2 = pd.merge(df_n2, frame2_final, on="시군구명", how="inner")
ff2


ff2=ff2.drop(["소계.1","level_0", "총거주인구수","index"], axis=1)
ff2


ff2["1인가구 비율"]=ff2["1인"]/ff2["소계"]*100
ff2["2인가구 비율"]=ff2["2인"]/ff2["소계"]*100
ff2["3인가구 비율"]=ff2["3인"]/ff2["소계"]*100
ff2["4인가구 비율"]=ff2["4인"]/ff2["소계"]*100
ff2["5인가구 비율"]=ff2["5인"]/ff2["소계"]*100
ff2["6인가구 비율"]=ff2["6인"]/ff2["소계"]*100
ff2["7인이상 가구 비율"]=ff2["7인 이상"]/ff2["소계"]*100
ff2


ff3=ff2.drop(["소계","1인", "2인","3인","4인","5인","6인","7인 이상"], axis=1)
ff3


corr_ff3=ff3.corr()
corr_ff3


import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm

from collections import OrderedDict

cmaps = OrderedDict()

cmaps['Qualitative'] = ['Pastel1', 'Pastel2', 'Paired', 'Accent',
                        'Dark2', 'Set1', 'Set2', 'Set3',
                        'tab10', 'tab20', 'tab20b', 'tab20c']


plt.rcParams['figure.figsize'] = [15,10]
sns.heatmap(corr_ff3, annot=True, vmin=-1, vmax=1, linewidths=1,cmap = 'Pastel1', center=0)

<AxesSubplot:>


ff4=ff3.drop(["음식점 가맹점 비중","보건위생 가맹점 비중","학원 가맹점 비중","음료식품 가맹점 비중","의류 가맹점 비중","의원 가맹점 비중","레저업소 가맹점 비중","용역서비스 가맹점 비중","유통업 가맹점 비중"], axis=1)
ff4


corr_ff4=ff4.corr()
corr_ff4


cmaps['Diverging'] = [
            'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
            'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']


plt.rcParams['figure.figsize'] = [12,9]
sns.heatmap(corr_ff4, annot=True, vmin=-1, vmax=1, linewidths=1,cmap = 'Pastel1', center=0)
plt.title("가구비율 상관관계 분석", fontsize=20)

Text(0.5, 1.0, '가구비율 상관관계 분석')


ff4["3인이상 가구비율"]=ff4["3인가구 비율"]+ff4["4인가구 비율"]+ff4["5인가구 비율"]+ff4["6인가구 비율"]+ff4["7인이상 가구 비율"]
ff4


ff5=ff4.drop(["3인가구 비율","4인가구 비율","5인가구 비율","6인가구 비율","7인이상 가구 비율"],axis=1)
ff5


ax = sns.regplot(x='1인가구 비율', y='결제금액', data=ff5) 
ax.set_xlabel('1인가구') 
ax.set_ylabel('지역화폐 결제금액') 
ax.set_title('1인가구 비율과 지역화폐 결제금액', fontsize=20)

Text(0.5, 1.0, '1인가구 비율과 지역화폐 결제금액')


ax = sns.regplot(x='2인가구 비율', y='결제금액', data=ff5) 
ax.set_xlabel('2인가구') 
ax.set_ylabel('지역화폐 결제금액') 
ax.set_title('2인가구 비율과 지역화폐 결제금액', fontsize=20)

Text(0.5, 1.0, '2인가구 비율과 지역화폐 결제금액')


ax = sns.regplot(x='3인이상 가구비율', y='결제금액', data=ff5) 
ax.set_xlabel('3인이상 가구') 
ax.set_ylabel('지역화폐 결제금액') 
ax.set_title('3인이상 가구 비율과 지역화폐 결제금액', fontsize=20)

Text(0.5, 1.0, '3인이상 가구 비율과 지역화폐 결제금액')


corr_ff5=ff5.corr()
corr_ff5


plt.rcParams['figure.figsize'] = [12,8]
sns.heatmap(corr_ff5, annot=True, vmin=-1, vmax=1, linewidths=1,cmap = 'Pastel1', center=0)

<AxesSubplot:>


ff2["3인이상 가구비율"]=ff2["3인가구 비율"]+ff2["4인가구 비율"]+ff2["5인가구 비율"]+ff2["6인가구 비율"]+ff2["7인이상 가구 비율"]
ff2


ff2.columns

Index(['시군구명', '소계', '1인', '2인', '3인', '4인', '5인', '6인', '7인 이상', '결제금액',
       '인구대비 결제금액', '업종수', '음식점 가맹점 비중', '보건위생 가맹점 비중', '학원 가맹점 비중',
       '음료식품 가맹점 비중', '의류 가맹점 비중', '의원 가맹점 비중', '레저업소 가맹점 비중', '용역서비스 가맹점 비중',
       '유통업 가맹점 비중', '1인가구 비율', '2인가구 비율', '3인가구 비율', '4인가구 비율', '5인가구 비율',
       '6인가구 비율', '7인이상 가구 비율', '3인이상 가구비율'],
      dtype='object')


ff2_2=ff2.drop(['소계', '1인', '2인', '3인', '4인', '5인', '6인', '7인 이상','3인가구 비율', '4인가구 비율', '5인가구 비율',
       '6인가구 비율', '7인이상 가구 비율'], axis=1)
ff2_2


corr_ff2_2=ff2_2.corr()
corr_ff2_2


plt.rcParams['figure.figsize'] = [12,8]
sns.heatmap(corr_ff2_2, annot=True, vmin=-1, vmax=1, linewidths=1,cmap = 'RdPu', center=0)

<AxesSubplot:>


import matplotlib.pyplot as plt
from matplotlib import pyplot


ratio = [30, 34, 34]
labels = ['1인가구 비율', '2인가구 비율', '3인이상 가구비율']
colors = ['#FFD6C2','#FFD6D2','#FFD6ED']
wedgeprops={'width': 0.7, 'edgecolor': 'w', 'linewidth': 5}

plt.pie(ratio, labels=labels, autopct='%.1f%%', startangle=260, counterclock=False, colors=colors, wedgeprops=wedgeprops,)
plt.title("양평군의 가구비율", fontsize=20)
plt.show()


ratio = [26, 26, 46]
labels = ['1인가구 비율', '2인가구 비율', '3인이상 가구비율']
colors = ['#FFD6C2','#FFD6D2','#FFD6ED']
wedgeprops={'width': 0.7, 'edgecolor': 'w', 'linewidth': 5}

plt.pie(ratio, labels=labels, autopct='%.1f%%', startangle=260, counterclock=False, colors=colors, wedgeprops=wedgeprops,)
plt.title("하남시의 가구비율", fontsize=20)
plt.show()


ratio = [30, 23, 46]
labels = ['1인가구 비율', '2인가구 비율', '3인이상 가구비율']
colors = ['#A3B9EB','#D1F2FF','#D2D1FF']
wedgeprops={'width': 0.7, 'edgecolor': 'w', 'linewidth': 5}

plt.pie(ratio, labels=labels, autopct='%.1f%%', startangle=260, counterclock=False, colors=colors, wedgeprops=wedgeprops,)
plt.title("수원시의 가구비율", fontsize=20)
plt.show()


ratio = [22, 25, 52]
labels = ['1인가구 비율', '2인가구 비율', '3인이상 가구비율']
colors = ['#A3B9EB','#D1F2FF','#D2D1FF']
wedgeprops={'width': 0.7, 'edgecolor': 'w', 'linewidth': 5}

plt.pie(ratio, labels=labels, autopct='%.1f%%', startangle=260, counterclock=False, colors=colors, wedgeprops=wedgeprops,)
plt.title("용인시의 가구비율", fontsize=20)
plt.show()


########업종별 결제금액


df_totalcur = pd.read_csv('C:\\Users\\soyoung\\Documents\\myPyCode\\data\\total_currency.csv')
df_totalcur


tmp_cur=pd.DataFrame(df_totalcur.groupby("가맹점업종명").sum()["총결제금액"].sort_values(ascending=False).head(10))
tmp_cur=tmp_cur.reset_index()
tmp_cur


plt.figure(figsize=(12,8))  
plt.rc('font', size=20)
plt.rc('axes', labelsize=10)   
plt.rc('xtick', labelsize=10)   
plt.rc('ytick', labelsize=10) 
plt.xticks(rotation = 0 )
plt.title("업종별 결제금액 순위", fontsize=20)

sns.barplot(data=tmp_cur, x="가맹점업종명", y="총결제금액",palette="Set3") 
plt.show()


#데이터 정제 (00시로 통일)

df_totalcur['시군명'] = [name.split()[0] for name in list(df_totalcur['시군구명'])]
df_totalcur


df_tc=df_totalcur.drop(['시도명', '시군구명', '일반일간결제일자' , '시도명', '동명'], axis=1)
df_tc


shoppmt_양평군=df_tc[df_tc["시군명"]=="양평군"].drop(["시군명"])
shoppmt_하남=df_tc[df_tc["시군명"]=="하남시"]
shoppmt_수원=df_tc[df_tc["시군명"]=="수원시"]
shoppmt_용인=df_tc[df_tc["시군명"]=="용인시"]
shoppmt_양평군


final_shpmt = pd.concat([shoppmt_양평군, shoppmt_하남, shoppmt_수원,shoppmt_용인])
final_shpmt


sns.barplot(x='시군명', y='인구 대비 업종수', hue='업종', data=df_new_final)
plt.legend(loc = 2, bbox_to_anchor = (1,1))


shoppmt_양평군.groupby('가맹점업종명').sum().sort_values(by=['총결제금액'], ascending=False).head(10).plot(kind='bar',figsize=(6,4), color='#FC7F77', title="양평군의 업종별 결제금액")
shoppmt_하남.groupby('가맹점업종명').sum().sort_values(by=['총결제금액'], ascending=False).head(10).plot(kind='bar',figsize=(6,4), color='#FC7F77', title="하남시의 업종별 결제금액")

<AxesSubplot:title={'center':'하남시의 업종별 결제금액'}, xlabel='가맹점업종명'>


shoppmt_수원.groupby('가맹점업종명').sum().sort_values(by=['총결제금액'], ascending=False).head(10).plot(kind='bar',figsize=(6,4), color='#4E70F5', title="수원시의 업종별 결제금액")
shoppmt_용인.groupby('가맹점업종명').sum().sort_values(by=['총결제금액'], ascending=False).head(10).plot(kind='bar',figsize=(6,4), color='#4E70F5', title="용인시의 업종별 결제금액")

<AxesSubplot:title={'center':'용인시의 업종별 결제금액'}, xlabel='가맹점업종명'>


df_tc2=pd.DataFrame(df_tc.groupby(['시군명', '가맹점업종명']).sum()["총결제금액"])
frame_tc=df_tc2.reset_index()
frame_tc


#데이터 정제

tx1=frame_tc[frame_tc['시군명']=='김포시'].index
frame_tc1=frame_tc.drop(tx1)

tx2=frame_tc1[frame_tc1['시군명']=='시흥시'].index
frame_tc2=frame_tc1.drop(tx2)

tx3=frame_tc2[frame_tc2['시군명']=='안양시'].index
frame_tc3=frame_tc2.drop(tx3)

tx4=frame_tc3[frame_tc3['시군명']=='평택시'].index
frame_tc4=frame_tc3.drop(tx4)

tx5=frame_tc4[frame_tc4['시군명']=='포천시'].index
frame_tc5=frame_tc4.drop(tx5)

tx6=frame_tc5[frame_tc5['시군명']=='의왕시'].index
frame_tc6=frame_tc5.drop(tx6)

tx7=frame_tc6[frame_tc6['시군명']=='성남시'].index
frame_tc7=frame_tc6.drop(tx7)

tx8=frame_tc7[frame_tc7['시군명']=='안산시'].index
frame_tc8=frame_tc7.drop(tx8)
frame_tc8


tc8_total=pd.DataFrame(frame_tc8.groupby("시군명").sum()["총결제금액"])
tc8_total.reset_index()


ff5_re= ff5.reset_index().rename(columns={'시군구명': '시군명'})
ff5_re


f_food=frame_tc8[frame_tc8['가맹점업종명'].str.contains('일반휴게음식')].reset_index()
f_food2=f_food.drop(["index","가맹점업종명"],axis=1)
frame4_11=pd.merge(f_food2, ff5_re, on="시군명")
frame4_11.rename(columns={'총결제금액': '일반휴게음식 결제액'}, inplace=True)
frame4_11


f_ac=frame_tc8[frame_tc8['가맹점업종명'].str.contains('학원')].reset_index()
f_ac2=f_ac.drop(["index","가맹점업종명"],axis=1)
frame4_12=pd.merge(f_ac2, frame4_11, on="시군명")
frame4_12.rename(columns={'총결제금액': '학원 결제액'}, inplace=True)
frame4_12


f_u=frame_tc8[frame_tc8['가맹점업종명'].str.contains('유통업 영리')].reset_index()
f_u2=f_u.drop(["index","가맹점업종명"],axis=1)
frame4_13=pd.merge(f_u2, frame4_12, on="시군명")
frame4_13.rename(columns={'총결제금액': '유통업 결제액'}, inplace=True)
frame4_13


f_dl=frame_tc8[frame_tc8['가맹점업종명'].str.contains('음료식품')].reset_index()
f_dl2=f_dl.drop(["index","가맹점업종명"],axis=1)
frame4_14=pd.merge(f_dl2, frame4_13, on="시군명")
frame4_14.rename(columns={'총결제금액': '음료식품 결제액'}, inplace=True)
frame4_14


f_h=frame_tc8[frame_tc8['가맹점업종명'].str.contains('의원')].reset_index()
f_h2=f_h.drop(["index","가맹점업종명"],axis=1)
frame4_15=pd.merge(f_h2, frame4_14, on="시군명")
frame4_15.rename(columns={'총결제금액': '의원 결제액'}, inplace=True)
frame4_15


f_bw=frame_tc8[frame_tc8['가맹점업종명'].str.contains('보건위생')].reset_index()
f_bw2=f_bw.drop(["index","가맹점업종명"],axis=1)
frame4_16=pd.merge(f_bw2, frame4_15, on="시군명") 
frame4_16.rename(columns={'총결제금액': '보건위생 결제액'}, inplace=True)
frame4_16


frame4_16.rename(columns={'결제금액': '지역화폐 결제액'}, inplace=True)
frame4_17=frame4_16.drop(["index"], axis=1)
frame4_17


frame4_18=pd.merge(tc8_total, frame4_17, on="시군명")
frame4_18["음식점 결제비중"]=frame4_18["일반휴게음식 결제액"]/frame4_18["총결제금액"]
frame4_18["학원 결제비중"]=frame4_18["학원 결제액"]/frame4_18["총결제금액"]
frame4_18["유통업 결제비중"]=frame4_18["유통업 결제액"]/frame4_18["총결제금액"]
frame4_18["음료식품 결제비중"]=frame4_18["음료식품 결제액"]/frame4_18["총결제금액"]
frame4_18["의원 결제비중"]=frame4_18["의원 결제액"]/frame4_18["총결제금액"]
frame4_18["보건위생 결제비중"]=frame4_18["보건위생 결제액"]/frame4_18["총결제금액"]
frame4_18


frame4_19=frame4_18.drop(["보건위생 결제액","의원 결제액","음료식품 결제액","유통업 결제액","학원 결제액","일반휴게음식 결제액"], axis=1)
frame4_19


corr4_17=frame4_17.corr()
corr4_17


plt.rcParams['figure.figsize'] = [12,9]
sns.heatmap(corr4_17, annot=True, vmin=-1, vmax=1, cmap='Blues', linewidths=1,center=0, annot_kws = {"size" : 12})

<AxesSubplot:>


corr4_19=frame4_19.corr()
corr4_19


plt.rcParams['figure.figsize'] = [12,9]
plt.title("총결제금액 및 가구비율", fontsize=20)
sns.heatmap(corr4_19, annot=True, vmin=-1, vmax=1, cmap='Blues', linewidths=1,center=0, annot_kws = {"size" : 12})

<AxesSubplot:title={'center':'총결제금액 및 가구비율'}>


#1인가구 비율이 높은 곳 - 유통업 결제비중이 높은 경향 (r=0.51)
#3인이상 가구 비율이 높은 곳 - 학원 결제비중이 높은 경향 (r=0.71) - 1인가구, 2인가구 비율과는 음의 상관관계(r=-0.59,r=-0.65)


frame2_12.rename(columns={'시군구명': '시군명'}, inplace=True)
frame4_20=pd.merge(frame2_12, frame4_19, on="시군명")


frame4_21=frame4_20.drop(['결제금액','업종수_x','인구대비 결제금액_x','음식점 가맹점수', '보건위생 가맹점수','학원 가맹점수', 
                          '음료식품 가맹점수', '용역서비스 가맹점수', '의류 가맹점수', 
                          '유통업 가맹점수', '의원 가맹점수','레저업소 가맹점수',
                          '음식점 가맹점 비중','보건위생 가맹점 비중', '학원 가맹점 비중', 
                          '음료식품 가맹점 비중', '의류 가맹점 비중', '의원 가맹점 비중',
                          '레저업소 가맹점 비중', '용역서비스 가맹점 비중', '유통업 가맹점 비중',
                          '인구대비 결제금액_y', '업종수_y', '인구대비 음식점 가맹점수','인구대비 보건위생 가맹점수', 
                          '인구대비 학원 가맹점수', '인구대비 음료식품 가맹점수', '인구대비 용역서비스 가맹점수',
                          '인구대비 유통업 가맹점수', '인구대비 의류 가맹점수', '인구대비 의원 가맹점수', 
                          '인구대비 레저업소 가맹점수','1인가구 비율', '2인가구 비율', '3인이상 가구비율'], axis=1)


corr4_21=frame4_21.corr()


plt.rcParams['figure.figsize'] = [12,10]
plt.title("총결제금액 및 인구비율", fontsize=20)
sns.heatmap(corr4_21, annot=True, vmin=-1, vmax=1, cmap='Purples', linewidths=1,center=0, annot_kws = {"size" : 10})

<AxesSubplot:title={'center':'총결제금액 및 인구비율'}>

	시군명	상호명	업종명(종목명)	소재지도로명주소	소재지지번주소	우편번호	위도	경도	데이터기준일자
0	고양시	미래바치	서적문구 - 과학기자재	경기 고양시 덕양구 마상로63번길 14-1	경기도 고양시 덕양구 주교동 309-5번지	10297.0	37.662752	126.831371	2021/07/07
1	고양시	해룡마라룽샤 장항점	일반휴게음식 - 일반한식	경기 고양시 일산동구 중앙로 1305-30	경기도 고양시 일산동구 장항동 775-1번지	10401.0	37.661530	126.769671	2021/07/07
2	고양시	정우세무회계	용역 서비스 - 법률회계서비스(개인)	경기 고양시 일산동구 호수로 672	경기도 고양시 일산동구 장항동 750-1번지	10364.0	37.661475	126.765159	2021/07/07
3	고양시	장뜰식당	일반휴게음식 - 일반한식	경기 고양시 덕양구 화중로 217	경기도 고양시 덕양구 화정동 858번지	10472.0	37.646506	126.833863	2021/07/07
4	고양시	베스트	의류 - 정장	경기 고양시 일산동구 강송로 33	경기도 고양시 일산동구 백석동 1237번지 일산요진와이시티	10450.0	37.641732	126.793951	2021/07/07
...	...	...	...	...	...	...	...	...	...
611240	평택시	드림DC마트	주방용구 - 주방용구	경기 평택시 통복로 52	경기도 평택시 통복동 95-120번지	17893.0	36.996688	127.083548	2021/07/07
611241	평택시	시립고덕자연앤자이어린이집[아이행복]	학원 - 유아원	경기도 평택시 고덕면 고덕국제대로 152	경기도 평택시 고덕면 여염리 4313-2번지 고덕신도시자연앤자이	18014.0	37.050293	127.045793	2021/07/07
611242	평택시	하늘소리팩토리	용역 서비스 - 종합용역	경기 평택시 평택5로 5	경기도 평택시 합정동 90-1번지	17903.0	36.986499	127.111954	2021/07/07
611243	평택시	로뎀	일반휴게음식 - 서양음식	경기 평택시 탄현로368번길 25	경기도 평택시 독곡동 산66-5번지	17755.0	37.084257	127.059565	2021/07/07
611244	평택시	제이엔에스인테리어	건축자재 - 인테리어전문	경기 평택시 현촌5길 16-60	경기도 평택시 용이동 603-6번지	17869.0	36.996872	127.130984	2021/07/07

	시군명
업종
가구	5558
가전/통신	91
개인서비스업	6603
건강식품	3837
건축자재	19315
...	...
직물	5408
카페/베이커리	829
학원	43333
학원/교육	1936
회원제형태	10971

	shop_cnt
업종
가구	5558
가전/통신	91
개인서비스업	6603
건강식품	3837
건축자재	19315
...	...
직물	5408
카페/베이커리	829
학원	43333
학원/교육	1936
회원제형태	10971

	업종	shop_cnt
0	가구	5558
1	가전/통신	91
2	개인서비스업	6603
3	건강식품	3837
4	건축자재	19315
...	...	...
60	직물	5408
61	카페/베이커리	829
62	학원	43333
63	학원/교육	1936
64	회원제형태	10971

	category	shop_cnt
0	가구	5558
1	가전/통신	91
2	개인서비스업	6603
3	건강식품	3837
4	건축자재	19315
...	...	...
60	직물	5408
61	카페/베이커리	829
62	학원	43333
63	학원/교육	1936
64	회원제형태	10971

	시군명	업종
0	고양시	서적문구
1	고양시	일반휴게음식
2	고양시	용역 서비스
3	고양시	일반휴게음식
4	고양시	의류
...	...	...
611240	평택시	주방용구
611241	평택시	학원
611242	평택시	용역 서비스
611243	평택시	일반휴게음식
611244	평택시	건축자재

	category	shop_cnt	shop_rate
0	가구	5558	0.913232
1	가전/통신	91	0.014952
2	개인서비스업	6603	1.084935
3	건강식품	3837	0.630455
4	건축자재	19315	3.173636
...	...	...	...
60	직물	5408	0.888585
61	카페/베이커리	829	0.136212
62	학원	43333	7.120018
63	학원/교육	1936	0.318103
64	회원제형태	10971	1.802638

	category	shop_cnt	shop_rate
52	일반휴게음식	154270	25.348007
21	보건위생	54372	8.933829
62	학원	43333	7.120018
46	음료식품	41443	6.809473
42	용역 서비스	28097	4.616601
...	...	...	...
30	숙박/캠핑	24	0.003943
31	숙박업	20	0.003286
14	로컬친환경	15	0.002465
22	보험	11	0.001807
45	유흥단란	2	0.000329

	업종
시군명
가평군	6263
고양시	50688
과천시	2682
광명시	12740
광주시	19201
구리시	10185
군포시	11068
김포시	10437
남양주시	33039
동두천시	5122
부천시	42836
성남시	18018
수원시	56653
시흥시	12132
안산시	37628
안성시	13293
안양시	26479
양주시	11389
양평군	7390
여주시	6864
연천군	2681
오산시	12190
용인시	41128
의왕시	6238
의정부시	21847
이천시	12561
파주시	22693
평택시	30118
포천시	11210
하남시	13540
화성시	40295

	shop_cnt
count	31.000000
mean	19632.516129
std	14797.114635
min	2681.000000
25%	10311.000000
50%	12740.000000
75%	28298.500000
max	56653.000000

	분석인덱스	시도명	시군구명	행정동명	일반결제년월	결제금액	전월결제금액	결제변화비율
0	0	경기도	가평군	가평읍	2019-09	19073066	19073066	0.00
1	1	경기도	가평군	가평읍	2019-10	68118300	19073066	257.14
2	2	경기도	가평군	가평읍	2019-11	54758044	68118300	-19.61
3	3	경기도	가평군	가평읍	2019-12	77461979	54758044	41.46
4	4	경기도	가평군	가평읍	2020-01	88133670	77461979	13.78
...	...	...	...	...	...	...	...	...
3085	3085	서울특별시	중구	소공동	2019-11	21605760	14472650	49.29
3086	3086	서울특별시	중구	소공동	2019-12	55619190	21605760	157.43
3087	3087	서울특별시	중구	소공동	2020-01	56547370	55619190	1.67
3088	3088	서울특별시	중구	소공동	2020-02	30188690	56547370	-46.61
3089	3089	서울특별시	중구	소공동	2020-03	1486980	30188690	-95.07

	city	결제금액
0	가평군	792784821
1	고양시	24455791389
2	과천시	2382618933
3	광명시	3694658909
4	광주시	9319555769
5	구리시	2726779026
6	군포시	10278200884
7	김포시	94000
8	남양주시	8839453620
9	동두천시	976952938
10	부천시	15534613414
11	성남시	636100
12	수원시	9952160689
13	시흥시	283400
14	안산시	13772094603
15	안성시	3668794006
16	안양시	284681858
17	양주시	4114683583
18	양평군	6012075789
19	여주시	2834872969
20	연천군	1539245848
21	오산시	4146234424
22	용인시	9607127396
23	의왕시	435485025
24	의정부시	5552444197
25	이천시	3042466870
26	파주시	6585605104
27	평택시	96100
28	포천시	410765930
29	하남시	13163933853
30	화성시	15016611522

	index	시군구명	총거주인구수	0~9세	10~19세	20~29세	30~39세	40~49세	50~59세	60~69세	70~79세	80~89세	90~99세	총결제금액
0	0	가평군	62415	3607	4857	6174	5992	8097	11668	11209	6793	3479	494	127960013
1	4	고양시	1066351	84813	109000	149680	141617	185520	191123	108983	60269	30730	4307	2842759117
2	5	과천시	58289	4507	6366	8023	7806	9209	10278	6498	3457	1740	356	245375737
3	6	광명시	316552	25724	33063	40950	45227	55010	52573	37128	18178	7485	1074	459349337
4	7	광주시	372654	36223	33577	43885	59830	64543	61520	43558	20728	7573	1123	228518518
5	8	구리시	199265	16345	19116	27505	27578	33603	35905	22583	11399	4555	604	233989905
6	9	군포시	275852	22602	28069	38214	39877	45760	48316	30212	14536	7098	1100	1784455754
7	11	남양주시	701830	67577	77825	82728	92256	128868	113759	76344	42862	17010	2392	719990352
8	12	동두천시	94768	6922	9005	11201	10633	14939	16317	12345	8724	4037	565	78049359
9	13	부천시	829996	61998	74557	119747	121226	132971	150997	102122	44498	18755	2899	3074956014
10	18	수원시	1194465	104305	123890	186611	185118	205973	195930	110450	54594	23681	3627	1284579730
11	21	안산시	650918	46439	68132	105119	85862	111287	126139	63694	28519	13664	1958	1296664465
12	22	안성시	183405	14940	18265	21456	23632	29912	30832	23032	13210	7164	912	192475062
13	23	양주시	222314	19814	23932	26280	27614	38583	36809	26142	15620	6530	926	518870986
14	24	양평군	116874	7620	9758	10456	11218	16328	21018	20964	12635	5916	901	1129029300
15	25	여주시	111083	7716	9952	12067	12009	16168	20203	17022	10072	5090	746	71584553
16	26	연천군	43824	2939	3329	5468	4336	5081	7405	7090	5088	2660	387	305219453
17	27	오산시	226379	25263	24982	30421	40103	42013	32211	17936	9289	3681	433	263326135
18	31	용인시	1059609	105455	123101	132253	149477	200224	157892	98721	63179	25293	3841	893811533
19	32	의정부시	451868	35273	43855	62512	59773	74630	78773	52089	30215	12832	1713	592218795
20	33	이천시	215834	19997	22678	28788	30864	34846	34933	23641	12758	6380	887	246843549
21	34	파주시	454040	45350	48620	55277	67819	79134	69622	45024	28086	13025	1901	450035195
22	36	하남시	272455	29647	23632	32250	46837	47064	40433	31709	14678	5165	936	1559994067
23	37	화성시	815396	105609	92720	96872	149961	154886	107896	61875	30105	13536	1824	2032455833

	index	시군구명	총거주인구수	인구비중	9세 이하 비율	10대 비율	20대 비율	30대 비율	40대 비율	50대 비율	60대 비율	70대 비율	80대 비율	90대 비율
0	0	가평군	62415	0.624373	5.779060	7.781783	9.891853	9.600256	12.972843	18.694224	17.958824	10.883602	5.573981	0.791476
1	4	고양시	1066351	10.667312	7.953573	10.221775	14.036654	13.280524	17.397649	17.923085	10.220181	5.651891	2.881790	0.403901
2	5	과천시	58289	0.583098	7.732162	10.921443	13.764175	13.391892	15.798864	17.632830	11.147901	5.930793	2.985126	0.610750
3	6	광명시	316552	3.166649	8.126311	10.444729	12.936263	14.287384	17.377872	16.608014	11.728879	5.742500	2.364540	0.339281
4	7	광주시	372654	3.727869	9.720277	9.010235	11.776339	16.055107	17.319819	16.508611	11.688590	5.562264	2.032180	0.301352
5	8	구리시	199265	1.993360	8.202645	9.593255	13.803227	13.839861	16.863473	18.018719	11.333149	5.720523	2.285901	0.303114
6	9	군포시	275852	2.759503	8.193524	10.175384	13.853081	14.455940	16.588605	17.515189	10.952250	5.269492	2.573119	0.398765
7	11	남양주시	701830	7.020802	9.628685	11.088868	11.787470	13.145064	18.361712	16.208911	10.877848	6.107177	2.423664	0.340823
8	12	동두천시	94768	0.948018	7.304153	9.502153	11.819391	11.220032	15.763760	17.217837	13.026549	9.205639	4.259877	0.596193
9	13	부천시	829996	8.302919	7.469675	8.982814	14.427419	14.605613	16.020680	18.192497	12.303915	5.361231	2.259649	0.349279
10	18	수원시	1194465	11.948909	8.732361	10.372008	15.622978	15.497984	17.243954	16.403160	9.246818	4.570582	1.982561	0.303651
11	21	안산시	650918	6.511501	7.134386	10.467063	16.149346	13.190909	17.096931	19.378631	9.785257	4.381351	2.099189	0.300806
12	22	안성시	183405	1.834704	8.145907	9.958834	11.698700	12.885145	16.309261	16.810883	12.558000	7.202639	3.906109	0.497260
13	23	양주시	222314	2.223933	8.912619	10.764954	11.821118	12.421170	17.355182	16.557212	11.759044	7.026098	2.937287	0.416528
14	24	양평군	116874	1.169157	6.519842	8.349162	8.946387	9.598371	13.970601	17.983469	17.937266	10.810788	5.061861	0.770916
15	25	여주시	111083	1.111226	6.946157	8.959067	10.863048	10.810835	14.554882	18.187301	15.323677	9.067094	4.582159	0.671570
16	26	연천군	43824	0.438396	6.706371	7.596294	12.477181	9.894122	11.594104	16.897134	16.178350	11.610077	6.069733	0.883078
17	27	오산시	226379	2.264597	11.159604	11.035476	13.438084	17.714982	18.558700	14.228793	7.922996	4.103296	1.626034	0.191272
18	31	용인시	1059609	10.599868	9.952256	11.617587	12.481302	14.106807	18.896027	14.900968	9.316739	5.962482	2.387013	0.362492
19	32	의정부시	451868	4.520291	7.806041	9.705268	13.834129	13.227978	16.515885	17.432746	11.527481	6.686687	2.839767	0.379093
20	33	이천시	215834	2.159110	9.264991	10.507149	13.338028	14.299879	16.144815	16.185124	10.953325	5.911024	2.955975	0.410964
21	34	파주시	454040	4.542019	9.988107	10.708308	12.174478	14.936790	17.428861	15.333891	9.916307	6.185799	2.868690	0.418686
22	36	하남시	272455	2.725521	10.881430	8.673726	11.836817	17.190729	17.274045	14.840249	11.638252	5.387312	1.895726	0.343543
23	37	화성시	815396	8.156867	12.951866	11.371162	11.880362	18.391187	18.995188	13.232344	7.588337	3.692071	1.660052	0.223695

	총거주인구수	결제금액	인구대비 결제금액	9세 이하 비율	10대 비율	20대 비율	30대 비율	40대 비율	50대 비율	60대 이상 비율
총거주인구수	1.000000	0.763995	-0.392140	0.340968	0.465562	0.486012	0.418394	0.577450	-0.213809	-0.582632
결제금액	0.763995	1.000000	0.095138	0.309893	0.220971	0.373825	0.438356	0.461796	-0.087247	-0.504575
인구대비 결제금액	-0.392140	0.095138	1.000000	-0.127446	-0.410362	-0.270510	-0.118554	-0.368993	0.113330	0.306051
9세 이하 비율	0.340968	0.309893	-0.127446	1.000000	0.604154	0.062722	0.871519	0.780516	-0.913218	-0.738179
10대 비율	0.465562	0.220971	-0.410362	0.604154	1.000000	0.398176	0.543055	0.832703	-0.478784	-0.785493
20대 비율	0.486012	0.373825	-0.270510	0.062722	0.398176	1.000000	0.401717	0.352332	0.128513	-0.644687
30대 비율	0.418394	0.438356	-0.118554	0.871519	0.543055	0.401717	1.000000	0.788055	-0.699289	-0.886410
40대 비율	0.577450	0.461796	-0.368993	0.780516	0.832703	0.352332	0.788055	1.000000	-0.574052	-0.910260
50대 비율	-0.213809	-0.087247	0.113330	-0.913218	-0.478784	0.128513	-0.699289	-0.574052	1.000000	0.494253
60대 이상 비율	-0.582632	-0.504575	0.306051	-0.738179	-0.785493	-0.644687	-0.886410	-0.910260	0.494253	1.000000

	index	Unnamed: 0	업종	시군구명	업종수
0	785	785	일반휴게음식	가평군	1866
1	786	786	일반휴게음식	고양시	12479
2	787	787	일반휴게음식	과천시	532
3	788	788	일반휴게음식	광명시	2986
4	789	789	일반휴게음식	광주시	5321
5	790	790	일반휴게음식	구리시	2578
6	791	791	일반휴게음식	군포시	2752
7	792	792	일반휴게음식	남양주시	8884
8	793	793	일반휴게음식	동두천시	1561
9	794	794	일반휴게음식	부천시	10939
10	795	795	일반휴게음식	수원시	15497
11	796	796	일반휴게음식	안산시	9885
12	797	797	일반휴게음식	안성시	3787
13	799	799	일반휴게음식	양주시	3287
14	800	800	일반휴게음식	양평군	2183
15	801	801	일반휴게음식	여주시	2016
16	802	802	일반휴게음식	연천군	910
17	803	803	일반휴게음식	오산시	3535
18	804	804	일반휴게음식	용인시	10702
19	806	806	일반휴게음식	의정부시	6290
20	807	807	일반휴게음식	이천시	3600
21	808	808	일반휴게음식	파주시	6506
22	811	811	일반휴게음식	하남시	3457
23	812	812	일반휴게음식	화성시	11575

	총거주인구수	결제금액	인구대비 결제금액	9세 이하 비율	10대 비율	20대 비율	30대 비율	40대 비율	50대 비율	60대 이상 비율	...	업종수	음식점 가맹점 비중	보건위생 가맹점 비중	학원 가맹점 비중	음료식품 가맹점 비중	의류 가맹점 비중	의원 가맹점 비중	레저업소 가맹점 비중	용역서비스 가맹점 비중	유통업 가맹점 비중
count	2.400000e+01	2.400000e+01	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	...	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000	24.000000
mean	4.165182e+05	7.417073e+09	21701.905534	8.550500	9.908687	12.694076	13.668690	16.516821	16.787159	21.835117	...	20582.333333	27.404354	8.928568	6.893052	7.857744	3.236134	1.947440	3.547096	4.744694	4.099430
std	3.524745e+05	5.806539e+09	12246.438031	1.661957	1.106582	1.649259	2.366920	1.784865	1.474940	6.137286	...	16146.601346	2.806565	2.129358	2.353728	1.373368	0.835559	0.625208	0.601919	0.820560	0.707176
min	4.382400e+04	7.927848e+08	8331.898121	5.779060	7.596294	8.946387	9.598371	11.594104	13.232344	13.164156	...	2681.000000	19.835943	4.087498	2.200671	6.184896	1.864976	0.895188	2.087994	3.161424	2.535421
25%	1.667722e+05	2.990568e+09	12675.089798	7.428294	9.003380	11.811410	12.769151	15.965226	16.202964	19.184660	...	9486.250000	25.535638	7.544673	5.174703	6.809567	2.570208	1.511674	3.398775	4.189797	3.532617
50%	2.741535e+05	5.782260e+09	18462.387022	8.169715	10.198579	12.479242	13.615877	16.980202	16.854009	19.962356	...	13016.500000	28.100388	9.166173	6.893819	7.713707	3.188341	1.990540	3.509415	4.742178	4.223500
75%	6.636460e+05	1.003367e+10	25136.530241	9.651583	10.722469	13.810952	14.688407	17.382816	17.938181	22.645220	...	34186.250000	28.895681	10.485279	8.716649	8.605563	3.734099	2.335055	3.988364	5.232322	4.591092
max	1.194465e+06	2.445579e+10	51440.660789	12.951866	11.617587	16.149346	18.391187	18.995188	19.378631	35.207883	...	56653.000000	33.942559	12.104305	11.026182	11.304487	5.154237	3.185178	4.552912	6.415517	5.280975

	시군구명	결제금액	인구대비 결제금액	9세 이하 비율	10대 비율	20대 비율	30대 비율	40대 비율	50대 비율	60대 이상 비율	음식점 가맹점 비중	보건위생 가맹점 비중	학원 가맹점 비중	음료식품 가맹점 비중	의류 가맹점 비중	의원 가맹점 비중	레저업소 가맹점 비중	용역서비스 가맹점 비중	유통업 가맹점 비중
0	가평군	792784821	12701.831627	5.779060	7.781783	9.891853	9.600256	12.972843	18.694224	35.207883	29.794028	4.087498	3.432860	11.304487	1.884081	1.021875	3.432860	3.161424	4.853904
1	고양시	24455791389	22934.091485	7.953573	10.221775	14.036654	13.280524	17.397649	17.923085	19.157763	24.619239	10.440341	7.599432	6.184896	3.892440	2.028093	4.180477	5.784407	3.403172
2	과천시	2382618933	40875.961725	7.732162	10.921443	13.764175	13.391892	15.798864	17.632830	20.674570	19.835943	6.860552	7.792692	6.226696	4.250559	2.572707	2.087994	3.765846	2.535421
3	광명시	3694658909	11671.570260	8.126311	10.444729	12.936263	14.287384	17.377872	16.608014	20.175200	23.437991	10.620094	10.274725	7.912088	3.681319	2.692308	3.555730	4.701727	2.857143
4	광주시	9319555769	25008.602535	9.720277	9.010235	11.776339	16.055107	17.319819	16.508611	19.584387	27.712098	7.103797	5.150773	8.937035	3.228998	1.682204	3.572731	4.166450	5.041404
5	구리시	2726779026	13684.184508	8.202645	9.593255	13.803227	13.839861	16.863473	18.018719	19.642687	25.311733	11.683849	6.980854	8.807069	4.182622	2.749141	3.799705	5.783014	3.338243
6	군포시	10278200884	37259.838189	8.193524	10.175384	13.853081	14.455940	16.588605	17.515189	19.193626	24.864474	10.046982	10.028912	6.911818	2.584026	2.927358	3.867004	4.074810	4.065775
7	남양주시	8839453620	12594.864312	9.628685	11.088868	11.787470	13.145064	18.361712	16.208911	19.749512	26.889434	9.561427	8.220588	8.538394	3.468628	2.003693	3.450468	4.485608	3.408093
8	동두천시	976952938	10308.890533	7.304153	9.502153	11.819391	11.220032	15.763760	17.217837	27.088258	30.476376	12.065599	3.865677	7.926591	5.154237	1.054276	2.791878	4.197579	4.236626
9	부천시	15534613414	18716.491904	7.469675	8.982814	14.427419	14.605613	16.020680	18.192497	20.274074	25.536932	12.104305	7.372304	6.994117	4.120366	2.101037	3.996638	5.390326	3.718835
10	수원시	9952160689	8331.898121	8.732361	10.372008	15.622978	15.497984	17.243954	16.403160	16.103611	27.354244	10.913809	8.675622	6.426844	3.201949	2.255838	4.086280	6.209733	3.533793
11	안산시	13772094603	21157.956306	7.134386	10.467063	16.149346	13.190909	17.096931	19.378631	16.566603	26.270331	9.700223	4.945785	6.867227	3.316679	2.025088	4.262783	5.179653	4.826193
12	안성시	3668794006	20003.784008	8.145907	9.958834	11.698700	12.885145	16.309261	16.810883	24.164009	28.488678	6.672685	6.439479	8.237418	2.474987	1.459415	3.407809	3.956970	5.280975
13	양주시	4114683583	18508.432141	8.912619	10.764954	11.821118	12.421170	17.355182	16.557212	22.138957	28.861182	7.691632	5.356045	7.937484	2.528756	1.255598	3.371674	4.802880	4.311177
14	양평군	6012075789	51440.660789	6.519842	8.349162	8.946387	9.598371	13.970601	17.983469	34.580831	29.539919	5.981055	5.182679	9.634641	2.341001	1.529093	2.638701	4.817321	3.964817
15	여주시	2834872969	25520.313360	6.946157	8.959067	10.863048	10.810835	14.554882	18.187301	29.644500	29.370629	8.522727	3.700466	8.231352	3.074009	1.646270	3.205128	4.953380	4.210373
16	연천군	1539245848	35123.353596	6.706371	7.596294	12.477181	9.894122	11.594104	16.897134	34.741238	33.942559	6.490116	2.200671	10.704961	1.864976	0.895188	2.424468	6.415517	4.550541
17	오산시	4146234424	18315.455161	11.159604	11.035476	13.438084	17.714982	18.558700	14.228793	13.843599	28.999180	9.360131	9.278097	6.636587	3.174733	2.075472	4.552912	4.364233	4.979491
18	용인시	9607127396	9066.672137	9.952256	11.617587	12.481302	14.106807	18.896027	14.900968	18.028726	26.021202	9.472865	9.506905	6.572165	2.929877	3.185178	4.179634	4.782630	3.853822
19	의정부시	5552444197	12287.757037	7.806041	9.705268	13.834129	13.227978	16.515885	17.432746	21.433029	28.791138	12.033689	6.197647	7.346546	4.609329	1.977388	3.936467	5.433240	3.529089
20	이천시	3042466870	14096.328058	9.264991	10.507149	13.338028	14.299879	16.144815	16.185124	20.231289	28.660139	8.972216	6.806783	7.515325	3.264071	1.942520	3.463100	4.537855	4.513972
21	파주시	6585605104	14504.460189	9.988107	10.708308	12.174478	14.936790	17.428861	15.333891	19.389481	28.669634	7.835015	8.839730	6.552681	3.111092	1.396907	3.445997	4.970696	4.406645
22	하남시	13163933853	48315.992927	10.881430	8.673726	11.836817	17.190729	17.274045	14.840249	19.264833	25.531758	8.183161	6.558346	9.076809	3.042836	2.666174	3.434269	4.505170	4.254062
23	화성시	15016611522	18416.341903	12.951866	11.371162	11.880362	18.391187	18.995188	13.232344	13.164156	28.725648	7.881871	11.026182	7.102618	2.285643	1.595731	3.985606	3.432188	4.712744

	년월	시도명	시군구명	연령대코드	결제상품명	사용빈도
0	2019-03	경기도	양주시	40	양주사랑카드	3
1	2019-04	경기도	가평군	20	가평사랑상품권	3
2	2019-04	경기도	가평군	30	가평사랑상품권	37
3	2019-04	경기도	가평군	40	오산화폐 오색전	1
4	2019-04	경기도	가평군	40	가평사랑상품권	23
...	...	...	...	...	...	...
2269	2019-09	경기도	화성시	50	행복화성지역화폐	7051
2270	2019-09	경기도	화성시	60	행복화성지역화폐	1323
2271	2019-09	경기도	화성시	60	행복화성지역화폐_화이트	1
2272	2019-09	경기도	화성시	70	행복화성지역화폐	157
2273	2019-09	경기도	화성시	80	행복화성지역화폐	38

	index	시군구명	소계	1인	2인	3인	4인	5인	6인	7인 이상	소계.1
0	1	수원시	457351	137355	106234	99285	90294	19677	3634	872	2.5
1	3	안양시	205695	47078	53625	50358	43221	9213	1738	462	2.6
2	4	부천시	311910	80228	82087	73508	59681	13121	2618	667	2.5
3	5	광명시	115414	26730	30631	27563	23961	5273	1005	251	2.6
4	7	안산시	253140	76375	62137	54532	46235	11105	2185	571	2.5
5	8	과천시	18901	3473	4788	4913	4405	1036	218	68	2.8
6	9	오산시	87151	26670	20811	17714	16786	4221	755	194	2.5
7	11	군포시	100586	23817	26355	24013	20785	4561	828	227	2.6
8	12	의왕시	57061	12075	15694	14120	11835	2679	536	122	2.6
9	13	하남시	101231	27118	26763	22580	19110	4520	932	208	2.5
10	14	용인시	371752	82279	95083	90125	80787	18481	3899	1098	2.7
11	15	이천시	80367	22176	22287	16775	13971	3946	895	317	2.5
12	16	안성시	74066	23638	21398	14001	10895	3135	755	244	2.3
13	18	화성시	298397	80611	69852	65299	64480	14922	2589	644	2.6
14	19	광주시	136730	32001	39842	31767	24627	6589	1468	436	2.6
15	20	여주시	42903	12463	13835	8195	5738	1918	533	221	2.4
16	21	양평군	45895	14153	15777	8045	5389	1803	529	199	2.3
17	22	의정부시	170040	44746	46942	38571	30501	7408	1491	381	2.5
18	23	동두천시	37297	11205	11548	7299	5244	1527	378	96	2.4
19	24	고양시	385021	92932	102903	92785	75485	16605	3460	851	2.6
20	25	구리시	71974	16820	18824	17253	15004	3258	661	154	2.6
21	26	남양주시	243802	48869	66735	58855	52122	13356	3048	817	2.7
22	27	파주시	164306	41438	44818	36340	31051	8312	1842	505	2.6
23	28	양주시	81582	19909	24016	17707	14641	4134	865	310	2.5
24	29	포천시	58273	17991	18225	11178	7702	2343	622	212	2.3
25	30	연천군	17681	5824	5958	2985	1971	668	202	73	2.2
26	31	가평군	24950	8432	8298	4341	2654	879	257	89	2.2

	결제금액	인구대비 결제금액	업종수	음식점 가맹점 비중	보건위생 가맹점 비중	학원 가맹점 비중	음료식품 가맹점 비중	의류 가맹점 비중	의원 가맹점 비중	레저업소 가맹점 비중	용역서비스 가맹점 비중	유통업 가맹점 비중	1인가구 비율	2인가구 비율	3인가구 비율	4인가구 비율	5인가구 비율	6인가구 비율	7인이상 가구 비율
결제금액	1.000000	0.116011	0.768498	-0.315888	0.208245	0.384589	-0.427470	-0.009507	0.296692	0.530241	0.156113	-0.051538	-0.235028	-0.471914	0.409291	0.423009	0.126451	-0.410660	-0.482486
인구대비 결제금액	0.116011	1.000000	-0.388431	-0.131542	-0.441154	-0.201677	0.241914	-0.286098	0.055000	-0.490593	-0.069739	-0.013208	0.018450	0.278961	-0.127082	-0.180522	-0.126760	0.188715	0.272018
업종수	0.768498	-0.388431	1.000000	-0.183442	0.351928	0.458870	-0.531666	0.052231	0.260973	0.649776	0.304132	-0.115004	-0.162852	-0.592947	0.373649	0.464121	0.187350	-0.396644	-0.490124
음식점 가맹점 비중	-0.315888	-0.131542	-0.183442	1.000000	-0.246235	-0.549996	0.508140	-0.402018	-0.779965	-0.104452	0.153699	0.652207	0.738859	0.587418	-0.835174	-0.756554	-0.485694	0.243217	0.380089
보건위생 가맹점 비중	0.208245	-0.441154	0.351928	-0.246235	1.000000	0.336145	-0.534915	0.743535	0.461377	0.452392	0.432627	-0.435821	-0.295265	-0.496738	0.477133	0.470959	0.149368	-0.490491	-0.603783
학원 가맹점 비중	0.384589	-0.201677	0.458870	-0.549996	0.336145	1.000000	-0.664430	0.085851	0.644813	0.496086	-0.166580	-0.328351	-0.527984	-0.790452	0.650872	0.820938	0.582311	-0.439228	-0.564943
음료식품 가맹점 비중	-0.427470	0.241914	-0.531666	0.508140	-0.534915	-0.664430	1.000000	-0.435057	-0.475107	-0.443127	-0.083532	0.293575	0.441598	0.770676	-0.620063	-0.720136	-0.572079	0.365823	0.436354
의류 가맹점 비중	-0.009507	-0.286098	0.052231	-0.402018	0.743535	0.085851	-0.435057	1.000000	0.284591	0.018650	0.163127	-0.539314	-0.417525	-0.291964	0.506193	0.377448	0.235923	-0.144704	-0.368807
의원 가맹점 비중	0.296692	0.055000	0.260973	-0.779965	0.461377	0.644813	-0.475107	0.284591	1.000000	0.380360	0.074694	-0.543880	-0.611754	-0.653717	0.749293	0.749300	0.391837	-0.386399	-0.479263
레저업소 가맹점 비중	0.530241	-0.490593	0.649776	-0.104452	0.452392	0.496086	-0.443127	0.018650	0.380360	1.000000	0.114786	0.189607	-0.010654	-0.633493	0.284097	0.413066	0.096346	-0.670871	-0.637350
용역서비스 가맹점 비중	0.156113	-0.069739	0.304132	0.153699	0.432627	-0.166580	-0.083532	0.163127	0.074694	0.114786	1.000000	-0.290030	0.069723	-0.011221	-0.001018	-0.033653	-0.214647	-0.113878	-0.086351
유통업 가맹점 비중	-0.051538	-0.013208	-0.115004	0.652207	-0.435821	-0.328351	0.293575	-0.539314	-0.543880	0.189607	-0.290030	1.000000	0.651091	0.230870	-0.620866	-0.497065	-0.281195	0.015119	0.164080
1인가구 비율	-0.235028	0.018450	-0.162852	0.738859	-0.295265	-0.527984	0.441598	-0.417525	-0.611754	-0.010654	0.069723	0.651091	1.000000	0.437171	-0.920914	-0.804434	-0.784158	-0.106881	0.167904
2인가구 비율	-0.471914	0.278961	-0.592947	0.587418	-0.496738	-0.790452	0.770676	-0.291964	-0.653717	-0.633493	-0.011221	0.230870	0.437171	1.000000	-0.703094	-0.881309	-0.567341	0.614954	0.742321
3인가구 비율	0.409291	-0.127082	0.373649	-0.835174	0.477133	0.650872	-0.620063	0.506193	0.749293	0.284097	-0.001018	-0.620866	-0.920914	-0.703094	1.000000	0.928551	0.709722	-0.238237	-0.486566
4인가구 비율	0.423009	-0.180522	0.464121	-0.756554	0.470959	0.820938	-0.720136	0.377448	0.749300	0.413066	-0.033653	-0.497065	-0.804434	-0.881309	0.928551	1.000000	0.780884	-0.352725	-0.577031
5인가구 비율	0.126451	-0.126760	0.187350	-0.485694	0.149368	0.582311	-0.572079	0.235923	0.391837	0.096346	-0.214647	-0.281195	-0.784158	-0.567341	0.709722	0.780884	1.000000	0.207432	-0.043510
6인가구 비율	-0.410660	0.188715	-0.396644	0.243217	-0.490491	-0.439228	0.365823	-0.144704	-0.386399	-0.670871	-0.113878	0.015119	-0.106881	0.614954	-0.238237	-0.352725	0.207432	1.000000	0.880951
7인이상 가구 비율	-0.482486	0.272018	-0.490124	0.380089	-0.603783	-0.564943	0.436354	-0.368807	-0.479263	-0.637350	-0.086351	0.164080	0.167904	0.742321	-0.486566	-0.577031	-0.043510	0.880951	1.000000

	일반일간결제일자	시도명	시군구명	동명	가맹점업종명	총결제금액
0	2019-03-02	경기도	가평군	가평읍	가구	0
1	2019-03-02	경기도	가평군	가평읍	건강식품	0
2	2019-03-02	경기도	가평군	가평읍	건축자재	0
3	2019-03-02	경기도	가평군	가평읍	광학제품	0
4	2019-03-02	경기도	가평군	가평읍	기타	0
...	...	...	...	...	...	...
3453577	2019-09-30	경기도	화성시	향남읍	전기제품	0
3453578	2019-09-30	경기도	화성시	향남읍	주방용구	0
3453579	2019-09-30	경기도	화성시	향남읍	직물	0
3453580	2019-09-30	경기도	화성시	향남읍	학원	2315000
3453581	2019-09-30	경기도	화성시	향남읍	회원제형태	2380000

	가맹점업종명	총결제금액	시군명
9611	가구	0	양평군
9612	건강식품	0	양평군
9613	건축자재	0	양평군
9614	광학제품	0	양평군
9615	기타	0	양평군
...	...	...	...
3447317	자동차정비 유지	0	양평군
3447318	전기제품	0	양평군
3447319	주방용구	0	양평군
3447320	학원	0	양평군
3447321	회원제형태	0	양평군

	시군명	가맹점업종명	총결제금액
0	가평군	가구	86600
1	가평군	건강식품	975500
2	가평군	건축자재	1277850
3	가평군	광학제품	179000
4	가평군	기타	815000
...	...	...	...
1097	화성시	전기제품	109700
1098	화성시	주방용구	877400
1099	화성시	직물	4866000
1100	화성시	학원	1846024113
1101	화성시	회원제형태	186355735

	시군명	총결제금액
0	가평군	301280520
1	고양시	6889789705
2	과천시	735576880
3	광명시	1823050823
4	광주시	633876864
5	구리시	721942796
6	군포시	6482165208
7	남양주시	2582027842
8	동두천시	289442478
9	부천시	9582969374
10	수원시	4724652533
11	안성시	586777138
12	양주시	2136706413
13	양평군	4295606638
14	여주시	297443056
15	연천군	820951014
16	오산시	815927800
17	용인시	2673523694
18	의정부시	1914295613
19	이천시	617133166
20	파주시	1187981329
21	하남시	5257854426
22	화성시	6884180679

	시군명	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	시군명	학원 결제액	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	8260000	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	1204251019	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	97111400	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	248282100	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	48967100	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	108522100	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	880452538	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	358770706	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	16558010	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	430051692	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	30073600	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	253928264	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	118223860	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	27546850	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	68364723	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	55658350	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	502914495	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	186194500	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	73733560	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	187794650	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	738161608	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	1846024113	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	시군명	유통업 결제액	학원 결제액	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	46260910	8260000	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	502097830	1204251019	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	33083090	97111400	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	188995925	248282100	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	99620900	48967100	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	53675510	108522100	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	936092438	880452538	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	272756190	358770706	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	31655930	16558010	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	465443073	430051692	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	77592980	30073600	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	187552135	253928264	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	732516805	118223860	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	47750086	27546850	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	78394420	68364723	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	156488282	55658350	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	167463458	502914495	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	183995690	186194500	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	66539528	73733560	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	94523510	187794650	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	849232784	738161608	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	357210907	1846024113	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	시군명	음료식품 결제액	유통업 결제액	학원 결제액	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	21679340	46260910	8260000	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	483847652	502097830	1204251019	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	38875190	33083090	97111400	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	215721079	188995925	248282100	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	52794263	99620900	48967100	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	72569445	53675510	108522100	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	580657853	936092438	880452538	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	215639166	272756190	358770706	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	25659860	31655930	16558010	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	458599547	465443073	430051692	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	40826480	77592980	30073600	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	105451346	187552135	253928264	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	245096925	732516805	118223860	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	29565445	47750086	27546850	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	68531167	78394420	68364723	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	123343383	156488282	55658350	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	173502470	167463458	502914495	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	190564940	183995690	186194500	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	38928550	66539528	73733560	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	102544842	94523510	187794650	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	418829308	849232784	738161608	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	523218545	357210907	1846024113	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	시군명	의원 결제액	음료식품 결제액	유통업 결제액	학원 결제액	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	3853700	21679340	46260910	8260000	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	352771966	483847652	502097830	1204251019	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	36106850	38875190	33083090	97111400	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	71644709	215721079	188995925	248282100	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	14650090	52794263	99620900	48967100	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	41828008	72569445	53675510	108522100	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	478739769	580657853	936092438	880452538	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	90280680	215639166	272756190	358770706	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	8408600	25659860	31655930	16558010	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	185644324	458599547	465443073	430051692	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	19436140	40826480	77592980	30073600	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	120244504	105451346	187552135	253928264	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	135389968	245096925	732516805	118223860	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	16139270	29565445	47750086	27546850	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	21202099	68531167	78394420	68364723	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	38872790	123343383	156488282	55658350	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	186666445	173502470	167463458	502914495	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	69669890	190564940	183995690	186194500	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	58893600	38928550	66539528	73733560	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	52427430	102544842	94523510	187794650	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	411209959	418829308	849232784	738161608	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	385733740	523218545	357210907	1846024113	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	시군명	보건위생 결제액	의원 결제액	음료식품 결제액	유통업 결제액	학원 결제액	일반휴게음식 결제액	index	결제금액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
0	가평군	6724572	3853700	21679340	46260910	8260000	111710570	22	792784821	12701.831627	6263	33.795591	33.258517	32.945892
1	고양시	374641076	352771966	483847652	502097830	1204251019	2668758502	16	24455791389	22934.091485	50688	24.136865	26.726594	49.136541
2	과천시	51546510	36106850	38875190	33083090	97111400	327047472	3	2382618933	40875.961725	2682	18.374689	25.331993	56.293318
3	광명시	104419850	71644709	215721079	188995925	248282100	717517736	1	3694658909	11671.570260	12740	23.160102	26.540108	50.299790
4	광주시	23380774	14650090	52794263	99620900	48967100	302654116	11	9319555769	25008.602535	19201	23.404520	29.139179	47.456301
5	구리시	33474230	41828008	72569445	53675510	108522100	304854986	17	2726779026	13684.184508	10185	23.369550	26.153889	50.476561
6	군포시	278038720	478739769	580657853	936092438	880452538	1944338349	5	10278200884	37259.838189	11068	23.678245	26.201459	50.120295
7	남양주시	122843570	90280680	215639166	272756190	358770706	1166582749	18	8839453620	12594.864312	33039	20.044544	27.372622	52.582834
8	동두천시	16370670	8408600	25659860	31655930	16558010	136744344	15	976952938	10308.890533	5122	30.042631	30.962276	38.995093
9	수원시	263699395	185644324	458599547	465443073	430051692	2081867081	0	9952160689	8331.898121	56653	30.032732	23.228111	46.739157
10	안성시	15544410	19436140	40826480	77592980	30073600	176145725	9	3668794006	20003.784008	13293	31.914779	28.890449	39.194772
11	양주시	102019739	120244504	105451346	187552135	253928264	878893491	20	4114683583	18508.432141	11389	24.403667	29.437866	46.158466
12	양평군	92985536	135389968	245096925	732516805	118223860	1414836136	13	6012075789	51440.660789	7390	30.837782	34.376294	34.785924
13	여주시	10587600	16139270	29565445	47750086	27546850	122509518	12	2834872969	25520.313360	6864	29.049251	32.247162	38.703587
14	연천군	30828870	21202099	68531167	78394420	68364723	420668036	21	1539245848	35123.353596	2681	32.939313	33.697189	33.363498
15	오산시	30119199	38872790	123343383	156488282	55658350	273230489	4	4146234424	18315.455161	12190	30.602058	23.879244	45.518697
16	용인시	122470024	186666445	173502470	167463458	502914495	987562743	7	9607127396	9066.672137	41128	22.132766	25.576998	52.290237
17	의정부시	95663037	69669890	190564940	183995690	186194500	863106111	14	5552444197	12287.757037	21847	26.314985	27.606446	46.078570
18	이천시	31799835	58893600	38928550	66539528	73733560	227292707	8	3042466870	14096.328058	12561	27.593415	27.731532	44.675053
19	파주시	66363212	52427430	102544842	94523510	187794650	506846281	19	6585605104	14504.460189	22693	25.220016	27.277154	47.502830
20	하남시	225495705	411209959	418829308	849232784	738161608	1468844103	6	13163933853	48315.992927	13540	26.788237	26.437554	46.774209
21	화성시	397934997	385733740	523218545	357210907	1846024113	2297502003	10	15016611522	18416.341903	40295	27.014682	23.409083	49.576236

	의원 결제액	의원 결제액	음료식품 결제액	유통업 결제액	학원 결제액	일반휴게음식 결제액	지역화폐 결제액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율
의원 결제액	1.000000	0.900830	0.950105	0.689586	0.940732	0.965520	0.869292	0.111135	0.699518	-0.219470	-0.524276	0.405896
의원 결제액	0.900830	1.000000	0.927411	0.848477	0.864993	0.864282	0.780473	0.340142	0.445058	-0.212610	-0.430482	0.354372
음료식품 결제액	0.950105	0.927411	1.000000	0.841593	0.846528	0.949325	0.792878	0.213760	0.599178	-0.155615	-0.491142	0.347708
유통업 결제액	0.689586	0.848477	0.841593	1.000000	0.550163	0.765748	0.596613	0.566477	0.240742	-0.052234	-0.167825	0.118201
학원 결제액	0.940732	0.864993	0.846528	0.550163	1.000000	0.850930	0.818122	0.084221	0.604524	-0.224413	-0.497691	0.395775
일반휴게음식 결제액	0.965520	0.864282	0.949325	0.765748	0.850930	1.000000	0.862990	0.174724	0.713096	-0.190334	-0.414342	0.331775
지역화폐 결제액	0.869292	0.780473	0.792878	0.596613	0.818122	0.862990	1.000000	0.123222	0.752654	-0.296018	-0.440353	0.413616
인구대비 결제금액	0.111135	0.340142	0.213760	0.566477	0.084221	0.174724	0.123222	1.000000	-0.398053	0.020900	0.283382	-0.155782
업종수	0.699518	0.445058	0.599178	0.240742	0.604524	0.713096	0.752654	-0.398053	1.000000	-0.217801	-0.569532	0.427515
1인가구 비율	-0.219470	-0.212610	-0.155615	-0.052234	-0.224413	-0.190334	-0.296018	0.020900	-0.217801	1.000000	0.496960	-0.900246
2인가구 비율	-0.524276	-0.430482	-0.491142	-0.167825	-0.497691	-0.414342	-0.440353	0.283382	-0.569532	0.496960	1.000000	-0.825198
3인이상 가구비율	0.405896	0.354372	0.347708	0.118201	0.395775	0.331775	0.413616	-0.155782	0.427515	-0.900246	-0.825198	1.000000

	총결제금액	지역화폐 결제액	인구대비 결제금액	업종수	1인가구 비율	2인가구 비율	3인이상 가구비율	음식점 결제비중	학원 결제비중	유통업 결제비중	음료식품 결제비중	의원 결제비중	보건위생 결제비중
총결제금액	1.000000	0.842458	0.296050	0.592636	-0.164553	-0.390794	0.303179	-0.460109	0.525964	-0.134470	-0.153088	0.327475	0.174508
지역화폐 결제액	0.842458	1.000000	0.123222	0.752654	-0.296018	-0.440353	0.413616	-0.285648	0.579686	-0.188387	-0.127137	0.265474	0.221338
인구대비 결제금액	0.296050	0.123222	1.000000	-0.398053	0.020900	0.283382	-0.155782	-0.313894	-0.140993	0.327241	-0.294904	0.119639	-0.261230
업종수	0.592636	0.752654	-0.398053	1.000000	-0.217801	-0.569532	0.427515	-0.004229	0.520323	-0.394743	-0.016016	0.103721	0.334358
1인가구 비율	-0.164553	-0.296018	0.020900	-0.217801	1.000000	0.496960	-0.900246	-0.155973	-0.594955	0.505014	0.160361	-0.346365	-0.611645
2인가구 비율	-0.390794	-0.440353	0.283382	-0.569532	0.496960	1.000000	-0.825198	0.217296	-0.645196	0.382113	-0.298671	-0.465478	-0.626448
3인이상 가구비율	0.303179	0.413616	-0.155782	0.427515	-0.900246	-0.825198	1.000000	-0.007498	0.710972	-0.520433	0.045469	0.458993	0.712429
음식점 결제비중	-0.460109	-0.285648	-0.313894	-0.004229	-0.155973	0.217296	-0.007498	1.000000	-0.122890	-0.367194	0.042718	-0.467904	0.334320
학원 결제비중	0.525964	0.579686	-0.140993	0.520323	-0.594955	-0.645196	0.710972	-0.122890	1.000000	-0.672022	-0.102174	0.544990	0.627261
유통업 결제비중	-0.134470	-0.188387	0.327241	-0.394743	0.505014	0.382113	-0.520433	-0.367194	-0.672022	1.000000	0.365077	-0.161589	-0.744887
음료식품 결제비중	-0.153088	-0.127137	-0.294904	-0.016016	0.160361	-0.298671	0.045469	0.042718	-0.102174	0.365077	1.000000	-0.122843	-0.004306
의원 결제비중	0.327475	0.265474	0.119639	0.103721	-0.346365	-0.465478	0.458993	-0.467904	0.544990	-0.161589	-0.122843	1.000000	0.318846
보건위생 결제비중	0.174508	0.221338	-0.261230	0.334358	-0.611645	-0.626448	0.712429	0.334320	0.627261	-0.744887	-0.004306	0.318846	1.000000