국민연금 가입자 통계 샘플 분석
기술통계추세분석피벗 집계Excel 함수피벗테이블Python in Excel
공개된 국민연금 가입자 통계를 엑셀로 정리하고 연령대·지역별 추이를 살펴본 샘플 분석입니다.
데이터 개요
국민연금 가입자 통계를 연도·연령대·지역별로 정리한 샘플 데이터셋입니다. 원자료의 코드값을 사람이 읽을 수 있는 레이블로 매핑하고, 결측·중복을 정리한 뒤 피벗으로 집계해 추세를 살펴봅니다. 본 게시물은 DataLab 섹션의 구조(개요 · 레이아웃 · 분석 방법)를 보여주기 위한 데모이며, 실제 워크북 파일은 첨부되어 있지 않습니다.
- 관측 단위: (연도 × 연령대 × 지역) 조합별 가입자 수
- 기간: 2019~2024년 (연 단위)
- 지역: 17개 시·도, 연령대: 10세 구간 6개 그룹
- 결측: 일부 (연도 × 소규모 지역) 조합 누락 → 0이 아닌 NULL로 구분
- 단위: 명(정수). 천 단위 구분기호는 표시서식으로만 적용
데이터 레이아웃
raw
| 컬럼명 | 타입 | 설명 |
|---|---|---|
| year | 정수 | 기준 연도 (예: 2024) |
| region_code | 문자 | 행정구역 코드 (KOSIS 원자료) |
| region | 문자 | 시·도명 (코드 매핑 결과) |
| age_band | 문자 | 연령대 구간 (예: 30-39) |
| subscribers | 정수 | 해당 조합의 가입자 수(명) |
pivot
| 컬럼명 | 타입 | 설명 |
|---|---|---|
| region | 문자 | 행 레이블: 시·도 |
| 2019~2024 | 정수 | 열 레이블: 연도별 가입자 합계 |
| CAGR | 백분율 | 연평균 증가율 (RATE/POWER 수식) |
분석 과정
1
1) 코드값 레이블 매핑
Excel 함수`region_code`를 매핑 표(`XLOOKUP`)로 `region` 컬럼에 변환합니다. 매칭 실패 코드는 `IFNA`로 표시해 원자료 이상치를 즉시 식별합니다.
2
2) 결측·중복 정리
피벗테이블(연도 × 지역 × 연령대) 키 중복을 제거하고, 누락 조합은 0이 아닌 NULL로 두어 '가입자 0명'과 '데이터 없음'을 구분합니다.
3
3) 지역·연도 추세 집계
피벗테이블행=지역, 열=연도, 값=`subscribers` 합계로 피벗을 구성하고, 우측에 `CAGR = (마지막/처음)^(1/n)-1` 수식 열을 붙여 증가율을 계산합니다.
4
4) 시각화·요약
Python in Excel`=PY()` 셀에서 pandas로 상위/하위 증가 지역을 정렬하고 간단한 막대그래프로 확인합니다. (웹 저장본에서는 Python 셀·차트가 소실될 수 있으므로 원본 워크북을 별도 보존)
관련 링크
데모용 샘플입니다. 실제 수치·워크북 파일은 포함되어 있지 않으며, 게시 자동화는 datalab-publisher 스킬로 수행합니다.