정우일 블로그

Spark Kafka 설치 방법(Docker Compose)

Thu, 09 May 2024 00:00:00 +0900

Docker Compose를 사용하면 Apache Spark와 Apache Kafka를 간단하게 설치해 사용할 수 있습니다. docker-compose.yml 파일을 작성해 Spark를 사용할 수 있는 간단한 환경을 구축해보겠습니다. Spark와 Kafka 외에도 Jupyter Lab, Zeppelin 등의 컨테이너도 함께 실행해보겠습니다. 컨테이너 실행 후 Jupyter Lab에서 PySpark API를 통해 Kafka 토픽에 메시지를 저장하고 저장된 메시지를 읽는 과정을 테스트해보겠습니다.

docker-compose.yml 파일 작성하기

다음은 Apache Spark와 Apache Kafka를 포함하는 docker-compose.yml 파일의 예시입니다. 이 파일을 사용하여 여러 컨테이너를 동시에 설정하고 실행할 수 있습니다. 각 서비스 설정은 해당 서비스의 기능과 네트워크 설정을 정의합니다.

version: '3'
services:
  spark-master:
    image: bitnami/spark:latest
    ports:
      - "7070:8080"
    environment:
      - SPARK_MODE=master
      - SPARK_RPC_AUTHENTICATION_ENABLED=no
      - SPARK_RPC_ENCRYPTION_ENABLED=no
      - SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no
      - SPARK_SSL_ENABLED=no

  spark-worker:
    image: bitnami/spark:latest
    environment:
      - SPARK_MODE=worker
      - SPARK_MASTER_URL=spark://spark-master:7077
      - SPARK_WORKER_MEMORY=2g
      - SPARK_WORKER_CORES=2
      - SPARK_RPC_AUTHENTICATION_ENABLED=no
      - SPARK_RPC_ENCRYPTION_ENABLED=no
      - SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no
      - SPARK_SSL_ENABLED=no
    depends_on:
      - spark-master

  jupyterlab:
    image: jupyter/pyspark-notebook:latest
    ports:
      - "8888:8888"
    volumes:
      - ./jupyterlab:/home/jovyan/work
    environment:
      - JUPYTER_ENABLE_LAB=yes
      - GRANT_SUDO=yes
    depends_on:
      - spark-master
    user: "1000"

  zeppelin:
    image: apache/zeppelin:0.9.0
    ports:
      - "8081:8080"
    volumes:
      - ./zeppelin/notebook:/notebook
      - ./zeppelin/logs:/logs
    environment:
      - ZEPPELIN_LOG_DIR=/logs
      - ZEPPELIN_NOTEBOOK_DIR=/notebook
      - ZEPPELIN_ADDR=0.0.0.0
      - ZEPPELIN_PORT=8080
    user: root
    depends_on:
      - spark-master

  zookeeper:
    image: bitnami/zookeeper:latest
    ports:
      - "2181:2181"
    environment:
      - ALLOW_ANONYMOUS_LOGIN=yes

  kafka:
    image: bitnami/kafka:latest
    ports:
      - "9092:9092"
    environment:
      - KAFKA_CFG_ZOOKEEPER_CONNECT=zookeeper:2181
      - KAFKA_CFG_ADVERTISED_LISTENERS=PLAINTEXT://kafka:9092
      - ALLOW_PLAINTEXT_LISTENER=yes
    depends_on:
      - zookeeper

컨테이너 설명

spark-master: Spark 클러스터의 마스터 노드 역할을 합니다. 이 컨테이너는 다른 Spark 워커 노드들을 관리하고, 작업을 할당합니다.
spark-worker: 실제 데이터 처리 작업을 수행하는 Spark 워커 노드입니다. 이 노드는 마스터 노드에 의해 할당된 작업을 수행하며, 설정에 따라 사용할 수 있는 메모리와 코어 수를 조정할 수 있습니다.
jupyterlab: PySpark 코드를 작성하고 실행할 수 있는 Jupyter Lab 환경을 제공합니다. 이 환경을 통해 사용자는 브라우저에서 바로 Spark 작업을 개발하고 테스트할 수 있습니다.
zeppelin: 데이터 분석과 시각화를 위한 Apache Zeppelin 노트북을 제공합니다. Spark와의 통합을 통해 대화형 데이터 탐색을 할 수 있습니다.
zookeeper: Kafka 클러스터의 설정 정보를 관리하며, 클러스터 내 브로커들의 상태를 추적합니다.
kafka: 메시지 브로커 역할을 수행하는 Apache Kafka 서비스입니다. 이 컨테이너는 데이터 스트리밍 처리를 위해 메시지를 수신하고 저장합니다.

Spark와 Kafka 컨테이너 실행하기

다음 명령으로 컨테이너들을 실행합니다.

sudo docker-compose up -d

웹 브라우저에서 확인하기

방화벽 공개 설정이 정상적으로 되어 있다면, 웹 브라우저에서 아래 URL에 접속하면 각 컨테이너의 UI를 확인할 수 있다.

Apache Spark: http://Public IP:7070
Apache Zeppelin: http://Public IP:8081
Jupyterlab: http://Public IP:8888

Spark 예시

Zeppelin 예시

Jupyter Lab 예시

Jupyter Lab에서 PySpark 실행하기

Jupyter Lab 환경에서 PySpark를 활용하여 Kafka와 상호 작용하는 방법을 알아보겠습니다. Jupyter Lab은 데이터 사이언스 작업을 위한 훌륭한 도구로, 코드를 작성하고 결과를 실시간으로 볼 수 있는 인터랙티브한 환경을 제공합니다. 여기서는 PySpark 세션을 설정하고, Kafka에 메시지를 작성하고, 작성한 메시지를 읽는 전체 과정을 단계별로 살펴보겠습니다.

PySpark 세션 설정

PySpark 세션을 설정하는 것은 Spark 기능을 사용할 수 있게 해주는 첫 번째 단계입니다. 이 세션을 통해 Spark 클러스터에 접근하고, 데이터 처리 및 분석 작업을 수행할 수 있습니다.

from pyspark.sql import SparkSession

app_name = "PySpark Kafka Test"
conf_1 = "spark.jars.packages"
conf_2 = "org.apache.spark:spark-sql-kafka-0-10_2.12:3.1.1"

spark = SparkSession.builder.appName(app_name).config(conf_1, conf_2).getOrCreate()

Kafka로 메시지 작성

데이터를 Kafka로 보내는 과정을 구현합니다. 이 예시에서는 간단한 메시지를 생성하여 Kafka 토픽에 저장합니다. 이 작업을 통해 데이터 스트리밍 과정을 직관적으로 이해할 수 있습니다.

# Kafka에 데이터 프레임을 생성하여 데이터를 보냄
values = [("first message",), ("second message",), ("third message",)]
df = spark.createDataFrame(values, ["value"])

query = df \
    .write \
    .format("kafka") \
    .option("kafka.bootstrap.servers", "kafka:9092") \
    .option("topic", "test-topic") \
    .save()

Kafka에서 메시지 읽기

이제 Kafka에서 데이터를 읽는 과정을 구현합니다. 이 부분에서는 Kafka 토픽에 저장된 메시지를 읽고, 결과를 출력합니다. 이를 통해 Kafka로부터 실시간 데이터 스트림을 처리하는 방법을 알 수 있습니다.

# Kafka로부터 데이터를 읽어 들임
df_read = spark \
    .read \
    .format("kafka") \
    .option("kafka.bootstrap.servers", "kafka:9092") \
    .option("subscribe", "test-topic") \
    .option("startingOffsets", "earliest") \
    .load()

# 읽은 데이터를 문자열로 변환
df_read.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)").show(truncate=False)

+----+--------------+
|key |value         |
+----+--------------+
|NULL|first message |
|NULL|third message |
|NULL|second message|
+----+--------------+

이와 같은 과정을 통해 Jupyter Lab에서 PySpark를 사용하여 Kafka와의 데이터 스트리밍을 간편하게 수행할 수 있음을 알 수 있습니다. 이후에는 실시간 데이터를 처리하여 아파치 슈퍼셋을 통해 대시보드로 시각화하는 방법에 대해 다뤄보겠습니다. 감사합니다.

Running LLM locally with GGUF files

Wed, 01 May 2024 00:00:00 +0900

Recently, high-performance, lightweight language models such as Meta’s Llama3 and MS’s Phi-3 have been open-sourced on HuggingFace. These models can be considered as an alternative to using large language models (LLMs) like ChatGPT or Claude as APIs. To quickly and easily run open source models in your local environment, it’s worth noting that a file format called GGUF is often used. Let’s take a quick look at GGUF and how you can use it to run Llama3 models in your local environment.

GGUF(Georgi Gerganov Unified Format)

GGUF is a program that runs large models using GGML and a file format that stores the model. For reference, GGML is a library for ML that allows you to run large models quickly, even on a modest computer. GGUF is designed as a binary format that makes it quick and easy to load and save models. A binary format is a computer-readable format that represents information as a combination of zeros and ones. Developers typically create models using programming tools like PyTorch and save them in GGUF format so that they can be written in GGML. GGUF improves on previously used formats like GGML, GGMF, and GGJT to include all the necessary information and is designed to be extensible so that new information can be added and still fit into existing models.

GGUF File Structure

Referring to the GGUFv3 diagram (above) by [@mishig25] (https://github.com/mishig25), you can get a rough idea of the GGUF file structure. You can see that model-related metadata (name, structure, dimensions, types, offsets, etc.) are written as Key Value pairs, and tensor information (structure, name, context length, file type, token information, etc.) as values.

Download Llama3 GGUF file from HuggingFace

You can download the Meta-Llama-3-8B-Instruct-GGUF model file from the HuggingFace QuantFactory by following the steps below.

Access the HuggingFace repository

https://huggingface.co/QuantFactory/Meta-Llama-3-8B-Instruct-GGUF

Files tab - click the icon to download the Q8_0.gguf file

Install Ollama

Ollama is an open source that makes it easy to run LLMs. Some of the models officially supported by Ollama (llama3, phi3, etc.) can be installed/run with a simple command. Of course, you can install/run the GGUF file downloaded above directly.

Download and install Ollama by following this link

https://ollama.com/

Create Modelfile

If you have a custom LLM model downloaded from Huggingface, etc. that is not an official model supported by Ollama, you need to add the model manually by creating a Modelfile file as shown below.

Create a Modelfile file in the same path as the GGUF file

FROM Meta-Llama-3-8B-Instruct.Q8_0.gguf

TEMPLATE """{{- if .System }}
<s>{{ .System }}</s>
{{- end }}
<s>Human:
{{ .Prompt }}</s>
<s>Assistant:
"""

SYSTEM """A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions."""

PARAMETER temperature 0
PARAMETER num_predict 3000
PARAMETER num_ctx 4096
PARAMETER stop <s>
PARAMETER stop </s>

Run Llama3

With the two files, GGUF and Modelfile, ready, you can now create and run the model from CMD.

Add model command

ollama create Meta-Llama-3-8B-Instruct -f Modelfile

Run the model

ollama run Meta-Llama-3-8B-Instruct

GGUF 파일로 로컬에서 LLM 실행하기

Sun, 28 Apr 2024 00:00:00 +0900

최근에 Meta의 Llama3와 MS의 Phi-3 같은 고성능 경량화 언어 모델이 허깅페이스(HuggingFace)에서 오픈소스로 공개되었다. 이러한 모델은 ChatGPT나 Claude와 같은 대형 언어 모델(LLM)을 API로 사용하는 대안으로 고려될 수 있다. 오픈소스 모델을 로컬 환경에서 쉽고 빠르게 실행하려면, GGUF라는 파일 형식이 주로 사용된다는 사실을 알아두면 좋다. 그럼 GGUF에 대해 간략히 알아보고, 이를 사용해 Llama3 모델을 로컬 환경에서 실행하는 방법에 대해 살펴보자.

GGUF(Georgi Gerganov Unified Format) 소개

GGUF는 GGML을 사용하여 대형 모델을 실행하는 프로그램과 모델을 저장하는 파일 형식이다. 참고로 GGML은 보통 컴퓨터에서도 큰 모델을 빠르게 돌릴 수 있는 ML용 라이브러리이다. GGUF는 모델을 빠르고 쉽게 불러오고 저장할 수 있게 해주는 바이너리 형식으로 설계되었다. 바이너리 형식이란 정보를 0과 1의 조합으로 표현하는 컴퓨터만 읽을 수 있는 형식을 말한다. 개발자들은 보통 PyTorch 같은 프로그래밍 도구를 사용해 모델을 만든 후, GGML에서 쓸 수 있도록 GGUF 형식으로 저장한다. GGUF는 이전에 사용되던 GGML, GGMF, GGJT와 같은 형식을 개선하여 모든 필요한 정보를 담고 있으며, 새로운 정보를 추가해도 기존 모델과 잘 맞도록 확장성을 가지고 설계되었다고 한다.

GGUF 파일 구조

@mishig25가 작성한 GGUFv3 다이어그램(위 그림)을 참고하면, GGUF 파일 구조를 대략적으로 파악할 수 있다. 모델 관련 메타 데이터(이름, 구조, 차원, 타입, 오프셋 등)는 Key Value 페어로, 텐서 정보(구조, 이름, 컨텍스트 길이, 파일타입, 토큰정보 등)는 값으로 작성된다는 것을 알 수 있다.

허깅페이스에서 Llama3 GGUF 파일 다운로드

얼마전, Meta(@meta-llama)에서 Meta-Llama-3-8B를 공개했는데, 이준범(@beomi)님이 이를 기반으로 사전학습한 모델인 Llama-3-Open-Ko-8B를 공개했다. 해당 모델은 허깅페이스에 safetensors 파일 형식으로 업로드되어 있는데, 이를 곧바로 GGUF 파일 형식으로 변환한 모델을 이경록(@teddylee777)님이 공개했다. 너무나 감사하게도 두 분께서 활약해주신 덕분에 한국어를 지원하는 Llama3 모델을 이제 누구나 손 쉽게 비교적 저사양 컴퓨터에서도 빠르게 실행해 볼 수 있다.

다음의 과정을 거치면 Llama-3-Open-Ko-8B-gguf 모델을 로컬에 다운로드할 수 있다.

허깅페이스 저장소 접속

https://huggingface.co/teddylee777/Llama-3-Open-Ko-8B-gguf

Files 탭 - Q8_0.gguf 파일 다운로드 아이콘 클릭

Ollama 설치

Ollama는 LLM을 쉽게 실행할 수 있도록 하는 오픈소스이다. Ollama에서 공식적으로 지원하는 일부 모델(llama3, phi3 등)을 간단한 명령으로 설치/실행할 수 있다. 물론 위에서 다운로드한 GGUF 파일을 직접 설치/실행할 수 있다.

다음 링크 접속 후 Ollama를 다운로드 후 설치

https://ollama.com/

Modelfile 작성

Ollama에서 지원하는 공식 모델이 아니라 허깅페이스 등에서 다운받은 커스텀 LLM 모델의 경우 아래와 같이 Modelfile 파일을 작성하여 수동으로 모델을 추가해야 한다.

GGUF 파일 동일 경로에 Modelfile 파일 작성

FROM Llama-3-Open-Ko-8B-Q8_0.gguf

TEMPLATE """{{- if .System }}
<s>{{ .System }}</s>
{{- end }}
<s>Human:
{{ .Prompt }}</s>
<s>Assistant:
"""

SYSTEM """A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions."""

PARAMETER temperature 0
PARAMETER num_predict 3000
PARAMETER num_ctx 4096
PARAMETER stop <s>
PARAMETER stop </s>

Llama3 실행

GGUF와 Modelfile 두 개의 파일이 준비되었다면, 이제 CMD에서 모델을 생성하고 실행할 수 있다.

모델 추가 명령

ollama create llama3-ko -f Modelfile

모델 실행 명령

ollama run llama3-ko

LLM 모델 저장 형식 GGML, GGUF

Thu, 21 Dec 2023 00:00:00 +0900

GPT와 같은 언어 모델에 사용되는 두 가지 혁신적 파일 형식, GGUF와 GGML에 대해 소개하겠습니다. 이들의 차이점과 각각의 장단점을 살펴보겠습니다. 이 글은 What is GGUF and GGML?의 내용을 한글로 번역/정리한 글입니다.

GGML 개요

GGML은 기계학습 분야에서 중요한 역할을 하는 텐서 라이브러리입니다. 조르지 게르가노프에 의해 개발되었으며, 크기가 큰 모델과 다양한 하드웨어 환경에서 높은 성능을 발휘합니다.

장단점

장점
- 혁신적인 시작: GPT 모델용 파일 형식으로 처음 시도된 사례입니다.
- 모델 공유 용이성: 하나의 파일로 모델을 쉽게 공유할 수 있습니다.
- CPU 호환성: 다양한 사용자가 CPU에서도 GGML 모델을 실행할 수 있습니다.
단점
- 유연성 부족: 모델에 추가적인 정보를 포함시키기 어렵습니다.
- 호환성 문제: 새로운 기능 추가 시 기존 모델과의 호환 문제가 발생합니다.
- 수동 조정 필요: 사용자가 설정을 자주 변경해야 하는 불편함이 있습니다.

GGUF 소개

GGUF는 GGML을 이어받아 2023년 8월에 출시된 새로운 파일 형식입니다. 대형 언어 모델의 저장과 처리에서 중요한 진보를 이루었습니다.

장단점

장점
- GGML 한계 극복: 사용자 경험을 중심으로 GGML의 단점을 개선했습니다.
- 확장성: 새로운 기능을 추가해도 기존 모델과의 호환성을 유지합니다.
- 안정성: 새로운 버전으로의 전환을 용이하게 합니다.
- 다양한 모델 지원: Llama 모델을 포함하여 다양한 모델을 지원합니다.
단점
- 전환 시간 소요: 기존 모델을 GGUF로 전환하는 데 시간이 필요합니다.
- 새로운 형식 적응: 사용자와 개발자가 새로운 형식에 익숙해지는 데 시간이 필요합니다.

결론

GGUF는 GGML보다 발전된 형식으로, 더 큰 유연성과 확장성을 제공합니다. 사용자 경험이 개선되었으며, 다양한 모델을 지원함으로써 언어 모델 파일 형식의 발전에 기여하고 있습니다. GGML이 중요한 출발점이었다면, GGUF는 그 경계를 넓혀 AI 커뮤니티에서 모델 공유와 사용 효율성을 높이고 있습니다. 앞으로 이 새로운 형식이 어떻게 활용될지 기대됩니다.

파이썬으로 구글 주소록 조회하기(feat.Google People API)

Mon, 04 Dec 2023 00:00:00 +0900

파이썬으로 구글 주소록에 저장된 연락처 목록을 조회하는 방법에 대해 알아본다. 이 기능을 구현하려면 구글 계정과 GCP 프로젝트가 필요하다. Google People API를 사용해 구글 주소록 서비스에 접근할 수 있다. 일반적으로 해당 API는 웹/앱 서비스에 통합해 사용자들 각각의 주소록 정보에 접근할 목적으로 사용될 것이다. 다만 내가 구현하고 싶은 기능은 특정 구글 계정을 최초에 한 번 인증해두고, 주기적으로 이 계정의 구글 주소록에서 최신 연락처 목록을 조회하는 것이다. 따라서 이 글에서는 특정 구글 계정의 연락처를 지속적으로 조회할 수 있는 방법에 대해 다룰 것이다.

GCP에서 Google People API 사용 설정하기

GCP 프로젝트가 없다면 생성하고, 이미 존재한다면 Google People API에 접속해 API 사용 신청한다. 신청을 완료하면 아래와 같이 API 사용 설정된 것을 확인할 수 있다.

OAuth 동의 화면 구성하기

OAuth 동의 화면으로 이동에 접속해 다음과 같이 간단하게 설정한다.

앱의 사용자 유형을 선택한 다음 만들기를 클릭
앱 등록 양식을 작성한 다음 저장하고 계속하기를 클릭
지금은 범위 추가를 건너뛰고 저장하고 계속하기 클릭
사용자 유형으로 외부를 선택한 경우 테스트 사용자를 추가
- 테스트 사용자에서 사용자 추가를 클릭합니다.
- 이메일 주소 및 승인된 다른 테스트 사용자를 입력한 다음 저장하고 계속하기를 클릭

설정을 완료했다면, 반드시 게시 상태를 테스트에서 프로덕션 단계로 만들어주어야 정상적으로 동작한다.

사용자 인증 정보 만들기

사용자 인증 정보에 접속해 새로운 사용자 인증 정보를 만든다.

데스크톱 앱을 선택한다.

JSON 다운로드를 눌러 인증 정보 파일을 저장해둔다. 적당히 creds.json 과 같이 이름을 바꿔준다.

구글 클라이언트 파이썬 라이브러리 설치하기

이제 구글 클라이언트를 파이썬으로 이용하기 위해 필요한 라이브러리를 실행한다.

pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib

파이썬 코드 작성하기

아래와 같이 파이썬 코드를 작성 후 실행한다.

import os.path

from google.auth.transport.requests import Request
from google.oauth2.credentials import Credentials
from google_auth_oauthlib.flow import InstalledAppFlow
from googleapiclient.discovery import build
from googleapiclient.errors import HttpError

# If modifying these scopes, delete the file token.json.
SCOPES = ["https://www.googleapis.com/auth/contacts.readonly"]

def main():
    """Shows basic usage of the People API.
    Prints the name of the first 10 connections.
    """
    creds = None
    # The file token.json stores the user's access and refresh tokens, and is
    # created automatically when the authorization flow completes for the first
    # time.
    if os.path.exists("token.json"):
        creds = Credentials.from_authorized_user_file("token.json", SCOPES)
    # If there are no (valid) credentials available, let the user log in.
    if not creds or not creds.valid:
        if creds and creds.expired and creds.refresh_token:
            creds.refresh(Request())
        else:
            flow = InstalledAppFlow.from_client_secrets_file(
                'creds.json', SCOPES
            )
            creds = flow.run_local_server(port=0)
        # Save the credentials for the next run
        with open("token.json", "w") as token:
            token.write(creds.to_json())

    try:
        service = build("people", "v1", credentials=creds)

        # Call the People API
        print("List 10 connection names")
        results = (
            service.people()
            .connections()
            .list(
                resourceName="people/me",
                pageSize=10,
                personFields="names,emailAddresses",
            )
            .execute()
        )
        connections = results.get("connections", [])

        for person in connections:
            names = person.get("names", [])
            if names:
                name = names[0].get("displayName")
                print(name)
    except HttpError as err:
        print(err)

이제 위에서 정의한 함수를 실행한다. 최초로 실행할 경우 웹 브라우저가 뜰 것이고, 정상적으로 인증한 상태에서 다시 이 함수를 실행하면 주소록 정보가 곧바로 조회될 것이다. 다음 코드를 최초로 실행하면 다음과 같다.

main()

웹 브라우저에서 주소록 접근 동의하기

위 함수를 최초 실행하면 아래와 같이 웹 브라우저가 실행되고 구글 로그인 창이 뜬다. 이 때, 연락처를 가져올 구글 계정을 선택한다.

아래와 같이 경고 문구가 뜰 수 있다. 이 경우 고급을 눌러 (안전하지 않음) 링크를 클릭한다.

다음 창이 뜨면 계속을 누른다.

아래와 같은 문구가 웹 브라우저에 출력되면 인증이 완료된 것이다.

파이썬 환경으로 돌아오면 주소록 정보가 출력된 것을 확인할 수 있다.

저장된 도큰 잘 보관하고 지속적으로 조회하기

파이썬 코드가 실행되는 경로에 token.json 파일이 생성되어 있을 것이다. 이 파일을 그대로 두고 main() 함수를 재실행하면 별도 인증 과정 없이 곧바로 주소록의 연락처 정보가 조회될 것이다. 이 token.json 파일을 잘 보관하여 지속적으로 주소록 정보를 조회하면 된다.

전체 연락처 정보를 판다스 데이터프레임으로 조회하기

위 방법으로 구글 주소록의 연락처 정보를 조회하면 JSON 형식 즉, 파이썬에서는 딕셔너리 형식의 데이터로 조회가 된다. 일부 항목을 보기 좋게 판다스 데이터프레임 형식으로 변환하려면 아래와 같이 수행하면 된다. 우선 전체 데이터를 조회한다.

person_fields_list = [
    'addresses',
    'ageRanges',
    'biographies',
    'birthdays',
    'calendarUrls',
    'clientData',
    'coverPhotos',
    'emailAddresses',
    'events',
    'externalIds',
    'genders',
    'imClients',
    'interests',
    'locales',
    'locations',
    'memberships',
    'metadata',
    'miscKeywords',
    'names',
    'nicknames',
    'occupations',
    'organizations',
    'phoneNumbers',
    'photos',
    'relations',
    'sipAddresses',
    'skills',
    'urls',
    'userDefined',
]

person_fields_str = ",".join(person_fields_list)

SCOPES = ["https://www.googleapis.com/auth/contacts.readonly"]
pageSize = 2000

# 구글 계정의 토큰 값으로 인증 정보 만들기
creds = Credentials.from_authorized_user_file("./token.json", SCOPES)
service = build("people", "v1", credentials=creds)

# 모든 페이지의 연락처 정보 수집하는 함수
def get_all_connections(service, pageSize):
    data = []
    nextPageToken = None

    while True:
        results = service.people().connections().list(
            resourceName='people/me',
            pageSize=pageSize,
            personFields=person_fields_str,
            pageToken=nextPageToken
        ).execute()

        connections = results.get('connections', [])
        data.extend(connections)

        nextPageToken = results.get('nextPageToken', None)
        if not nextPageToken:
            break

    return data

data = get_all_connections(service, pageSize)
print(f"조회 결과 수: {len(data):,}개")

전체 연락처 정보가 data 변수에 딕셔너리 형식으로 저장되는데, 아래와 같이 이 값을 데이터프레임으로 변환할 수 있다.

# 데이터 프레임으로 변환
def create_dataframe(data):
    # 데이터를 추출하고 정리하는 함수
    def extract_info(person):
        name = person.get("names", [{}])[0].get("displayName", "")
        email = person.get("emailAddresses", [{}])[0].get("value", "")
        phone = person.get("phoneNumbers", [{}])[0].get("value", "")
        organization = person.get("organizations", [{}])[0].get("name", "")
        title = person.get("organizations", [{}])[0].get("title", "")
        return {
            "Name": name,
            "Email": email,
            "Phone": phone,
            "Organization": organization,
            "Title": title
        }

    # 데이터 프레임 생성
    df = pd.DataFrame([extract_info(person) for person in data])
    return df

# 데이터 프레임 생성
df = create_dataframe(data)

참고

People API Document

Python for FRED: Exploring Economic Data

Sat, 01 Jul 2023 00:00:00 +0900

Viewing FRED Data

Using the Python PublicDataReader library, you can easily query the economy data provided by FRED.

PublicDataReader

PublicDataReader is a Python library that can automatically retrieve public data. With this library, you can easily retrieve public data provided by open API services such as FRED. Public data that requires an authentication key can be retrieved using an authentication key, and data that does not require an authentication key can be retrieved without a separate authentication procedure. With PublicDataReader, you can automate the process of finding API specifications, making requests, and organizing returned data in a typical public data search, and you can also automate data collection and processing when searching for data published on the web. This simplifies code writing and makes public data retrieval more convenient.

How to Install PublicDataReader

Choose one of the following depending on your Operating System (OS):

Windows: Run CMD (Command Prompt)
Mac: Run Terminal

Enter and execute the following Shell command:

pip install PublicDataReader --upgrade

Request FRED API

To use the API service provided by FRED, you need an authentication key. To get an authentication key, you can sign up for FRED API and fill out a simple application at Fill out a short application form at FRED API Key.

Search for a series

A “series” in FRED is a set of data that represents changes in a specific economic indicator over time. These series contain a series of consecutive data points to represent changes in an economic indicator over time. Each series represents a specific economic indicator (e.g., unemployment rate, GDP, inflation, etc.), and the data is collected over a specific period of time (days, months, quarters, years, etc.). These series help you analyze and understand economic patterns and trends.

To search for a series like this, you can enter series_search in api_name, an argument to the api.get_data() method, and a keyword for the series you want to search for in search_text. In the search results, you can see the ID value of the desired series. Use the ID value of this series to look up the series data. For example, to see the series ID value for the consumer price index, a metric related to inflation, you can type consumer price index in search_text.

search_text = "consumer price index"

result = api.get_data(
    api_name="series_search", 
    search_text=search_text
)
result.head()

U.S. Consumer Price Index Consumer Price Index (CPI)

Series name: Consumer Price Index for All Urban Consumers: All Items in U.S. City Average
Unit: Index 1982-1984=100, not seasonally adjusted.
Frequency: Monthly
FRED URL: https://fred.stlouisfed.org/series/CPIAUCNS
Source: U.S. Bureau of Labor Statistics

def CPI() -> pd.DataFrame:
    """Consumer Price Index (CPI) series data lookup function"""
    
    # series ID value
    series_id = "CPIAUCNS"
    
    # Get series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Convert value column to numeric type
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # convert date column to date
    df['date'] = pd.to_datetime(df['date'])
    # set date column as an index
    df = df.set_index("date")

    # create a value last month column
    df['value_last_year'] = df['value'].shift(12)
    df['CPI(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # Select only year-ago value columns
    df = df[['CPI(YoY)']]
    return df

U.S. Personal Consumption Expenditures Personal Consumption Expenditures (PCE)

Series name: Personal Consumption Expenditures: Chain-type Price Index
Unit: Index 2012=100, seasonally adjusted.
Frequency: Monthly
FRED URL: https://fred.stlouisfed.org/series/PCEPI
Source: U.S. Bureau of Economic Analysis

def PCE() -> pd.DataFrame:
    """Personal Consumption Expenditures (PCE) series data lookup function"""
    
    # series ID value
    series_id = "PCEPI"
    
    # Get series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Convert value column to numeric type
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # convert date column to date
    df['date'] = pd.to_datetime(df['date'])
    # set date column as an index
    df = df.set_index("date")

    # create a value last month column
    df['value_last_year'] = df['value'].shift(12)
    df['PCE(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # Select only year-ago value columns
    df = df[['PCE(YoY)']]
    return df

U.S. Producer Price Index (PPI)

Series name: Producer Price Index by Commodity: Final Demand
Unit: Index November 2009=100, not seasonally adjusted.
Frequency: Monthly
FRED URL: https://fred.stlouisfed.org/series/PPIFID
Source: Source: U.S. Bureau of Labor Statistics

def PPI() -> pd.DataFrame:
    """Producer Price Index (PPI) series data lookup function"""
    
    # series ID value
    series_id = "PPIFID"
    
    # Get series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Convert value column to numeric type
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # convert date column to date
    df['date'] = pd.to_datetime(df['date'])
    # set date column as an index
    df = df.set_index("date")

    # create a value last month column
    df['value_last_year'] = df['value'].shift(12)
    df['PPI(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # Select only year-ago value columns
    df = df[['PPI(YoY)']]
    return df

U.S. Federal Funds Interest Rate

Series Name: Federal Funds Target Range - Upper Limit
Unit: Percentage, not seasonally adjusted.
Frequency: Daily, 7 days a week.
FRED URL: https://fred.stlouisfed.org/series/DFEDTARU
Source: Board of Governors of the Federal Reserve System (US)

def FED_RATE() -> pd.DataFrame:
    """Function to fetch the target series data for Federal Funds Rate"""
    
    # Series ID value
    series_id = "DFEDTARU"
    
    # Retrieve series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Create a column by converting the 'value' column to numeric 
    df['FED RATE'] = pd.to_numeric(df['value'], errors="coerce")
    # Convert the 'date' column to datetime
    df['date'] = pd.to_datetime(df['date'])
    
    # Set the 'date' column as index
    df = df.set_index('date')
    # Select only the Federal Funds Rate column
    df = df[['FED RATE']]
    
    return df

Case-Shiller U.S. Home Price Index

Series Name: S&P/Case-Shiller U.S. National Home Price Index
Unit: Index with base January 2000=100, seasonally adjusted.
Frequency: Monthly
FRED URL: https://fred.stlouisfed.org/series/CSUSHPISA
Source: S&P Dow Jones Indices LLC

def CS() -> pd.DataFrame:
    """Function to retrieve the Case-Shiller National Home Price Index series data"""
    
    # Series ID value
    series_id = "CSUSHPISA"
    
    # Retrieve series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Convert 'value' column to numeric 
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # Convert 'date' column to datetime
    df['date'] = pd.to_datetime(df['date'])
    # Set 'date' column as index
    df = df.set_index("date")

    # Generate column for same month value of last year
    df['value_last_year'] = df['value'].shift(12)
    df['CS(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # Select only the column with YoY changes
    df = df[['CS(YoY)']]
    
    return df

U.S. Economic Growth Rate (Real GDP Growth Rate (annualized) for the previous quarter)

Series Name: Real Gross Domestic Product
Unit: Change from previous period, seasonally adjusted annual rate
Frequency: Quarterly
FRED URL: https://fred.stlouisfed.org/series/A191RL1Q225SBEA
Source: U.S. Bureau of Economic Analysis

def GDP() -> pd.DataFrame:
    """Function to fetch the US GDP growth rate (annualized QoQ) series data"""
    
    # Series ID value
    series_id = "A191RL1Q225SBEA"
    
    # Retrieve series data
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # Convert 'value' column to numeric
    df['GDP RATE'] = pd.to_numeric(df['value'], errors="coerce")
    # Convert 'date' column to datetime
    df['date'] = pd.to_datetime(df['date'])
    # Set 'date' column as index
    df = df.set_index("date")
    # Select only the GDP growth rate column
    df = df[['GDP RATE']]
    
    return df

Retrieving Data

cpi = CPI()
pce = PCE()
ppi = PPI()
fed_rate = FED_RATE()
cs = CS()
gdp = GDP()

Merging Data

# Merge data
dfs = [cpi, pce, ppi, fed_rate, cs, gdp]
# Convert to daily frequency and fill missing values with previous values
dfs = list(map(lambda x: x.resample("D").asfreq().ffill(), dfs))
# Merge data
df = pd.concat(dfs, axis=1).ffill()
# Set period
start_date = "2019-01-01"
target = df[start_date:]

target.tail()

Visualizing Data with plotly

import plotly.express as px
fig = px.line(target, x=target.index, y=list(target.columns))

fig.update_layout(
    title={
        'text': "Key Global Economic Indicators",
        'y':0.95,
        'x':0.5,
        'xanchor': 'center',
        'yanchor': 'top'},
    xaxis_title="Date",
    yaxis_title="Value",
)

fig.show()

References

PublicDataReader - 주요 경제 지표 조회하기(feat.FRED)

Thu, 29 Jun 2023 00:00:00 +0900

FRED 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 FRED에서 제공하는 경제 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

PublicDataReader는 공공 데이터를 자동으로 조회할 수 있는 파이썬 라이브러리입니다. 이 라이브러리로 공공데이터포털과 국가통계포털(KOSIS)과 같이 오픈 API 서비스로 제공하는 공공 데이터를 쉽게 조회할 수 있습니다. 인증키가 필요한 공공 데이터는 인증키를 사용하여 조회할 수 있고, 인증키가 필요하지 않은 데이터는 별도의 인증 절차 없이 조회할 수 있습니다. PublicDataReader를 이용하면 일반적인 공공 데이터 조회 과정에서 필요한 API 명세 찾기, 요청 작성, 반환된 데이터 정리 과정을 자동으로 처리할 수 있고, 웹에 공개된 데이터를 조회할 때도 데이터 수집과 가공 과정을 자동화할 수 있습니다. 이를 통해 코드 작성이 간결해지고 공공 데이터 조회 작업이 편리해집니다.

FRED API 신청하기

FRED에서 제공하는 API 서비스를 이용하려면 인증키가 필요합니다. 인증키를 얻기 위해서는 FRED API에 회원가입 후 FRED API Key에서 간단한 신청서를 작성하면 됩니다.

시리즈 검색하기

FRED의 ‘시리즈’는 시간에 따른 특정 경제 지표의 변화를 나타내는 데이터 세트입니다. 이러한 시리즈는 일련의 연속적인 데이터 포인트를 포함하여 경제 지표의 시간 경과에 따른 변화를 표현합니다. 각 시리즈는 특정 경제 지표(예: 실업률, GDP, 인플레이션 등)를 대표하며, 이 데이터는 특정 기간(일, 월, 분기, 연도 등) 동안 수집됩니다. 이러한 시리즈는 경제적 패턴과 경향을 분석하고 이해하는 데 도움이 됩니다.

이와 같은 시리즈를 검색하려면 api.get_data() 메서드의 인자인 api_name에 series_search를 입력하고, search_text에 검색할 시리즈의 키워드를 입력하면 됩니다. 검색 결과에서 원하는 시리즈의 ID 값을 확인할 수 있습니다. 이 시리즈의 ID 값은 시리즈 데이터를 조회할 때 사용합니다. 예를 들어, 인플레이션과 관련된 지표인 소비자 가격 지수(consumer price index)의 시리즈 ID 값을 확인하려면 다음과 같이 search_text에 consumer price index라고 입력하면 됩니다.

search_text = "consumer price index"

result = api.get_data(
    api_name="series_search", 
    search_text=search_text
)
result.head()

미국 소비자 물가 지수 CPI(Consumer Price Index)

시리즈명: Consumer Price Index for All Urban Consumers: All Items in U.S. City Average
시리즈명(번역): 모든 도시 소비자를 위한 소비자 물가 지수: 미국 도시 평균의 모든 품목
단위: 지수 1982-1984=100, 계절에 따라 조정되지 않음.
빈도: 월간
FRED URL: https://fred.stlouisfed.org/series/CPIAUCNS
출처: 미국 노동 통계국(U.S. Bureau of Labor Statistics)

def CPI() -> pd.DataFrame:
    """CPI(Consumer Price Index) 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "CPIAUCNS"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    # date 컬럼을 인덱스로 설정
    df = df.set_index("date")

    # 전년 동월 값 컬럼 생성
    df['value_last_year'] = df['value'].shift(12)
    df['CPI(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # 전년 동월 값 컬럼만 선택
    df = df[['CPI(YoY)']]
    return df

미국 개인 소비 지출 PCE(Personal Consumption Expenditures)

시리즈명: Personal Consumption Expenditures: Chain-type Price Index
시리즈명(번역): 개인 소비 지출: 체인형 물가지수
단위: 지수 2012=100, 계절에 따라 조정됨.
빈도: 월간
FRED URL: https://fred.stlouisfed.org/series/PCEPI
출처: 미국 경제 분석국 (U.S. Bureau of Economic Analysis)

def PCE() -> pd.DataFrame:
    """PCE(Personal Consumption Expenditures) 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "PCEPI"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    # date 컬럼을 인덱스로 설정
    df = df.set_index("date")

    # 전년 동월 값 컬럼 생성
    df['value_last_year'] = df['value'].shift(12)
    df['PCE(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # 전년 동월 값 컬럼만 선택
    df = df[['PCE(YoY)']]
    return df

미국 생산자 물가 지수 PPI(Producer Price Index)

시리즈명: Producer Price Index by Commodity: Final Demand
시리즈명(번역): 상품별 생산자 물가 지수: 최종 수요
단위: 지수 2009년 11월=100, 계절에 따라 조정되지 않음.
빈도: 월간
FRED URL: https://fred.stlouisfed.org/series/PPIFID
출처: 미국 노동 통계국(Source: U.S. Bureau of Labor Statistics)

def PPI() -> pd.DataFrame:
    """PPI(Producer Price Index) 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "PPIFID"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    # date 컬럼을 인덱스로 설정
    df = df.set_index("date")

    # 전년 동월 값 컬럼 생성
    df['value_last_year'] = df['value'].shift(12)
    df['PPI(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # 전년 동월 값 컬럼만 선택
    df = df[['PPI(YoY)']]
    return df

미국 연준 기준금리

시리즈명: Federal Funds Target Range - Upper Limit
시리즈명(번역): 연방 기금 목표 범위 - 상한
단위: 백분율, 계절에 따라 조정되지 않음.
빈도: 매일, 7일.
FRED URL: https://fred.stlouisfed.org/series/DFEDTARU
출처: 미국 연방준비제도 이사회(Board of Governors of the Federal Reserve System (US))

def FED_RATE() -> pd.DataFrame:
    """목표 연준 기준금리 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "DFEDTARU"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환 컬럼 생성
    df['FED RATE'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    
    # date 컬럼을 인덱스로 설정
    df = df.set_index('date')
    # 기준금리 컬럼만 선택
    df = df[['FED RATE']]
    return df

케이스-쉴러 미국 주택 가격 지수 Case-Shiller U.S. Home Price Index

시리즈명: S&P/Case-Shiller U.S. National Home Price Index
시리즈명(번역): S&P/케이스-실러 미국 전국 주택 가격 지수
단위: 지수 1월 2000=100, 계절에 따라 조정됨.
빈도: 월간
FRED URL: https://fred.stlouisfed.org/series/CSUSHPISA
출처: S&P 다우존스 인덱스 LLC(S&P Dow Jones Indices LLC)

def CS() -> pd.DataFrame:
    """케이스-쉴러 전국 주택 가격 지수(미국) 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "CSUSHPISA"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환
    df['value'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    # date 컬럼을 인덱스로 설정
    df = df.set_index("date")

    # 전년 동월 값 컬럼 생성
    df['value_last_year'] = df['value'].shift(12)
    df['CS(YoY)'] = (df['value'] - df['value_last_year']) / df['value_last_year'] * 100
    
    # 전년 동월 값 컬럼만 선택
    df = df[['CS(YoY)']]
    return df

미국 경제 성장률(직전 분기 대비 GDP 성장률(연율))

시리즈명: Real Gross Domestic Product
시리즈명(번역): 실질 국내 총생산
단위: 이전 기간 대비 변화율, 계절 조정 연간 비율
빈도: 분기별
FRED URL: https://fred.stlouisfed.org/series/A191RL1Q225SBEA
출처: 미국 경제 분석국(Source: U.S. Bureau of Economic Analysis)

def GDP() -> pd.DataFrame:
    """미국 GDP 성장률(전분기 대비 연율) 시리즈 데이터 조회 함수"""
    
    # 시리즈 ID 값
    series_id = "A191RL1Q225SBEA"
    
    # 시리즈 데이터 조회
    df = api.get_data(
        api_name="series_observations", 
        series_id=series_id
    )
    
    # value 컬럼 숫자형 변환
    df['GDP RATE'] = pd.to_numeric(df['value'], errors="coerce")
    # date 컬럼 날짜형 변환
    df['date'] = pd.to_datetime(df['date'])
    # date 컬럼을 인덱스로 설정
    df = df.set_index("date")
    # GDP 성장률 컬럼만 선택
    df = df[['GDP RATE']]
    return df

데이터 조회하기

cpi = CPI()
pce = PCE()
ppi = PPI()
fed_rate = FED_RATE()
cs = CS()
gdp = GDP()

데이터 병합하기

# 데이터 병합
dfs = [cpi, pce, ppi, fed_rate, cs, gdp]
# 날짜 기준을 일별로 변환 후 결측값은 이전 값으로 대체
dfs = list(map(lambda x: x.resample("D").asfreq().ffill(), dfs))
# 데이터 병합
df = pd.concat(dfs, axis=1).ffill()
# 기간 설정
start_date = "2019-01-01"
target = df[start_date:]

target.tail()

plotly로 데이터 시각화하기

import plotly.express as px
fig = px.line(target, x=target.index, y=list(target.columns))

fig.update_layout(
    title={
        'text': "글로벌 주요 경제 지표",
        'y':0.95,
        'x':0.5,
        'xanchor': 'center',
        'yanchor': 'top'},
    xaxis_title="날짜",
    yaxis_title="값",
)

fig.show()

참고

애드센스 카카오뱅크 결제수단 등록방법 (SWIFT코드변경)

Thu, 06 Apr 2023 00:00:00 +0900

카카오뱅크의 SWIFT 코드 변경에 따른 안내

2023년 3월 29일부터 카카오뱅크의 ‘SWIFT 코드’가 변경되었습니다. 기존에 애드센스 결제계좌로 카카오뱅크를 이용 중이신 분들은, 새로운 정보로 카카오뱅크 계좌를 등록해야 애드센스 지급금을 정상적으로 수령할 수 있다고 합니다.

애드센스 카카오뱅크 결제수단 등록방법

애드센스 결제 정보로 이동

구글 애드센스에 로그인 후 왼쪽 메뉴에서 [지급] - [결제 정보]를 클릭합니다.

결제 수단 관리 선택

지급받을 방법에서 [결제 수단 관리] 옵션을 선택합니다.

결제 수단 추가

결제 수단에서 [결제 수단 추가] 옵션을 클릭합니다.

결제 수단 내용 작성

결제 수단 추가에서 [새 은행 송급 세부정보 추가] 옵션을 선택하고, 예금주의 이름, 은행 이름, SWIFT 은행 식별 코드 (BIC), 계좌 번호, 계좌 번호 재입력 란을 작성합니다. 내용 작성이 완료되면 [기본 지급 수단으로 설정] 옵션에 체크 후 [저장] 버튼을 클릭합니다.

■ 예금주의 이름 카카오뱅크앱 > 내정보에 등록된 영문 이름을 띄어쓰기까지 동일하게 입력하세요.

영문명이 일치하지 않으면 송금받기가 불가합니다.

■ 은행 이름 KAKAOBANK CORP

■ SWIFT 은행 식별 코드 (BIC) KAKOKR22XXX

■ 계좌번호 3333으로 시작하는 본인의 입출금 계좌번호를 하이픈 없이 입력하세요.

■ 계좌번호 재입력 동일하게 한번 더 입력하세요.

■ 중개 은행 이름 (필수사항은 아니나 필요시 입력) CITIBANK N.A.

■ 중개 SWIFT 은행 식별 코드 (필수사항은 아니나 필요시 입력) CITIUS33XXX

■ 유의사항 ※ 기존에 등록한 카카오뱅크 계좌가 남아있는 경우, 기존계좌로 지급처리가 될 수 있습니다. 결제 수단에서 기존계좌를 ‘삭제’하시기 바랍니다. ※ 은행 송금으로 지급금 받기에 대한 자세한 내용은 애드센스 고객센터의 도움말에서 확인하실 수 있습니다. https://support.google.com/adsense/answer/3372975

참고

카카오뱅크 공지사항

PublicDataReader - ECOS 한국은행 경제통계 조회하기

Sun, 19 Mar 2023 00:00:00 +0900

한국은행 경제통계 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 한국은행에서 제공하는 경제통계 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

ECOS 한국은행 경제통계 오픈 API 신청하기

한국은행에서 제공하는 경제통계 오픈 API 서비스를 이용하려면 인증키가 필요합니다. 인증키를 얻기 위해서는 한국은행 Open API 서비스에 회원가입해야 합니다. 가입과 동시에 인증키가 자동으로 부여되며 일반적으로 1일 이내에 API 호출이 가능합니다.

서비스 통계 목록

입력 명세

항목명	설명	샘플데이터	항목구분
통계표코드	통계표코드	102Y004	선택
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
상위통계표코드	P_STAT_CODE	상위통계표코드	442
통계표코드	STAT_CODE	통계표코드	102Y004
통계명	STAT_NAME	통계명	1.1.1.1.2. 본원통화 구성내역(평잔, 원계열)
주기	CYCLE	주기(년, 분기, 월)	M
검색가능여부	SRCH_YN	검색가능여부	Y
출처	ORG_NAME	출처	한국은행

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_statistic_table_list()
df.head()

	상위통계표코드	통계표코드	통계명	시점	검색가능여부	출처
0	*	0000000001	1. 통화/금융	None	N	None
1	0000000001	0000000002	1.1. 통화/유동성	None	N	None
2	0000000002	0000000003	1.1.1. 본원통화	None	N	None
3	0000000003	0000000004	1.1.1.1. 본원통화 구성내역	None	N	None
4	0000000004	102Y004	1.1.1.1.1. 본원통화 구성내역(평잔, 계절조정계열)	M	Y	None

통계용어사전

입력 명세

항목명	설명	샘플데이터	항목구분
용어	용어	소비자동향지수	필수
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
용어	WORD	용어	소비자동향지수
용어설명	CONTENT	용어설명	소비자들이 느끼는 경기, 소비지출계획, 생활형편 등 경제에 대한 전반적인 인식을 조사하여 지수화함으로써 소비 및 경기를 파악하는 지표로 활용된다. 소비자동향지수는 1964년 미국 미시간대학이 최초로 작성하였으며 그 이후 우리나라를 비롯한 세계 각국에서 편제하여 공표하고 있다. 한국은행의 소비자동향지수는 매월 초～중순에 걸쳐 조사하여 하순에 결과를 발표하고 있다.

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_statistic_word(용어="소비자동향지수")
df.head()

	용어	용어설명
0	소비자동향지수	소비자들이 느끼는 경기, 소비지출계획, 생활형편 등 경제에 대한 전반적인 인식을 조...

통계 세부항목 목록

입력 명세

항목명	설명	샘플데이터	항목구분
통계표코드	통계표코드	601Y002	필수
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
통계표코드	STAT_CODE	통계표코드	601Y002
통계명	STAT_NAME	통계명	7.5.2. 지역별 소비유형별 개인 신용카드
항목그룹코드	GRP_CODE	항목그룹코드	Group1
항목그룹명	GRP_NAME	항목그룹명	지역코드
통계항목코드	ITEM_CODE	통계항목코드	A
통계항목명	ITEM_NAME	통계항목명	서울
상위통계항목코드	P_ITEM_CODE	상위통계항목코드	nan
상위통계항목명	P_ITEM_NAME	상위통계항목명	nan
주기	CYCLE	주기	M
수록시작일자	START_TIME	수록시작일자	200912
수록종료일자	END_TIME	수록종료일자	202112
자료수	DATA_CNT	자료수	145
단위	UNIT_NAME	단위	십억원
가중치	WEIGHT	가중치	nan

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_statistic_item_list(통계표코드="601Y002")
df.head()

	통계표코드	통계명	항목그룹코드	항목그룹명	통계항목코드	통계항목명	상위통계항목코드	상위통계항목명	시점	수록시작일자	수록종료일자	자료수	단위	가중치
0	601Y002	7.5.2. 지역별 소비유형별 개인 신용카드	Group1	지역코드	A	서울	None	None	M	200912	202212	12874	None	None
1	601Y002	7.5.2. 지역별 소비유형별 개인 신용카드	Group1	지역코드	B	부산	None	None	M	200912	202212	12874	None	None
2	601Y002	7.5.2. 지역별 소비유형별 개인 신용카드	Group1	지역코드	C	대구	None	None	M	200912	202212	12874	None	None
3	601Y002	7.5.2. 지역별 소비유형별 개인 신용카드	Group1	지역코드	D	인천	None	None	M	200912	202212	12874	None	None
4	601Y002	7.5.2. 지역별 소비유형별 개인 신용카드	Group1	지역코드	E	광주	None	None	M	200912	202212	12874	None	None

통계 조회 조건 설정

입력 명세

항목명	설명	샘플데이터	항목구분
통계표코드	통계표코드	200Y001	필수
주기	주기(년:A, 반년:S, 분기:Q, 월:M, 반월:SM, 일: D)	A	필수
검색시작일자	검색시작일자(주기에 맞는 형식으로 입력: 2015, 2015Q1, 201501, 20150101 등)	2015	필수
검색종료일자	검색종료일자(주기에 맞는 형식으로 입력: 2021, 2021Q1, 202101, 20210101 등)	2021	필수
통계항목코드1	통계항목코드1	10101	선택
통계항목코드2	통계항목코드2	nan	선택
통계항목코드3	통계항목코드3	nan	선택
통계항목코드4	통계항목코드4	nan	선택
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
통계표코드	STAT_CODE	통계표코드	200Y001
통계명	STAT_NAME	통계명	2.1.1.1. 주요지표(연간지표)
통계항목코드1	ITEM_CODE1	통계항목코드1	10101
통계항목명1	ITEM_NAME1	통계항목명1	국내총생산(명목, 원화표시)
통계항목코드2	ITEM_CODE2	통계항목코드2	nan
통계항목명2	ITEM_NAME2	통계항목명2	nan
통계항목코드3	ITEM_CODE3	통계항목코드3	nan
통계항목명3	ITEM_NAME3	통계항목명3	nan
통계항목코드4	ITEM_CODE4	통계항목코드3	nan
통계항목명4	ITEM_NAME4	통계항목명4	nan
단위	UNIT_NAME	단위	십억원
시점	TIME	시점	2015
값	DATA_VALUE	값	1658020.4

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_statistic_search(통계표코드="200Y001", 주기="A", 검색시작일자="2015", 검색종료일자="2021")
df.head()

	통계표코드	통계명	통계항목코드1	통계항목명1	통계항목코드2	통계항목명2	통계항목코드3	통계항목명3	통계항목코드4	통계항목명4	단위	시점	값
0	200Y001	2.1.1.1. 주요지표(연간지표)	3010101	민간	None	None	None	None	None	None	%	2015	2.2
1	200Y001	2.1.1.1. 주요지표(연간지표)	7010106	가계	None	None	None	None	None	None	%	2015	55.8
2	200Y001	2.1.1.1. 주요지표(연간지표)	7010107	기업	None	None	None	None	None	None	%	2015	22.5
3	200Y001	2.1.1.1. 주요지표(연간지표)	7010108	정부	None	None	None	None	None	None	%	2015	21.7
4	200Y001	2.1.1.1. 주요지표(연간지표)	70105	총조정처분가능소득의분배	None	None	None	None	None	None	None	2015	None

100대 통계지표

입력 명세

항목명	설명	샘플데이터	항목구분
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
통계그룹명	CLASS_NAME	통계그룹명	국민소득 · 경기 · 기업경영
통계명	KEYSTAT_NAME	통계명	경제성장률(전기대비)
값	DATA_VALUE	값	1.9
시점	CYCLE	통계의 최근 수록 시점	202003
단위	UNIT_NAME	단위	%, 달러, 십억원 등

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_key_statistic_list()
df.head()

	통계그룹명	통계명	값	시점	단위
0	시장금리	한국은행 기준금리	3.5	20230315	%
1	시장금리	콜금리(익일물)	3.439	20230316	%
2	시장금리	KORIBOR(3개월)	3.56	20230317	%
3	시장금리	CD수익률(91일)	3.62	20230317	%
4	시장금리	통안증권수익률(364일)	3.429	20230317	%

통계메타DB

입력 명세

항목명	설명	샘플데이터	항목구분
데이터명	데이터명	경제심리지수	필수
translate	국문 컬럼명 여부 (기본값: True)	True	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
레벨	LVL	레벨	2
상위통계항목코드	P_CONT_CODE	부모통계항목코드	1
통계항목코드	CONT_CODE	통계항목코드	3
통계항목명	CONT_NAME	통계항목명	최초작성연도
메타데이터	META_DATA	메타데이터	2012.6월 최초 작성(과거 시계열은 2003.1월부터 제공)

예제

from PublicDataReader import Ecos
service_key = "API 인증키"
api = Ecos(service_key)
df = api.get_statistic_meta(데이터명="경제심리지수")
df.head()

	레벨	상위통계항목코드	통계항목코드	통계항목명	메타데이터
0	2	0000000001	0000000098	무응답률	None
1	2	0000000001	0000000099	MSE	None
2	1	None	0000000100	예산 인력 교육 홍보	None
3	2	0000000001	0000000101	관련 예산	None
4	2	0000000001	0000000102	인력	None

참고

PublicDataReader - 건축인허가 데이터 조회하기

Sun, 19 Mar 2023 00:00:00 +0900

국토교통부 건축인허가정보 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 공공데이터포털에서 제공하는 국토교통부 건축인허가정보 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

국토교통부 건축인허가정보 서비스

PublicDataReader를 통해 공공데이터포털에서 제공하는 Open API 서비스를 정상적으로 이용하려면 아래 서비스 신청 페이지 링크에 접속 후 서비스 이용 신청을 해야 합니다. 서비스 신청을 완료하면 Open API를 사용할 수 있는 서비스 키가 발급됩니다. 서비스 제공 기관에 따라 서비스 키 발급 후 약 1~2일이 지난 후 접근 권한이 부여될 수 있습니다. 충분한 시간이 지난 후에도 접근 권한이 부여되지 않는다면 서비스 제공처에 문의하는 것을 권장합니다.

건축인허가정보 서비스 신청 페이지

서비스명	대장 유형
건축인허가 기본개요 조회	기본개요
건축인허가 동별개요 조회	동별개요
건축인허가 층별개요 조회	층별개요
건축인허가 호별개요 조회	호별개요
건축인허가 대수선 조회	대수선
건축인허가 공작물관리대장 조회	공작물관리대장
건축인허가 철거멸실관리대장 조회	철거멸실관리대장
건축인허가 가설건축물 조회	가설건축물
건축인허가 오수정화시설 조회	오수정화시설
건축인허가 주차장 조회	주차장
건축인허가 부설주차장 조회	부설주차장
건축인허가 전유공용면적 조회	전유공용면적
건축인허가 호별전유공용면적 조회	호별전유공용면적
건축인허가 지역지구구역 조회	지역지구구역
건축인허가 도로명대장 조회	도로명대장
건축인허가 대지위치 조회	대지위치
건축인허가 주택유형 조회	주택유형

PublicDataReader 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

오픈 API 서비스 키 입력하기

공공데이터포털에서 발급받은 서비스 키를 복사하여 다음과 같이 service_key 변수에 할당합니다. 오픈 API 서비스 키 발급 방법에 대해 궁금하신 분들은 구글에 ‘공공데이터포털 오픈 API 사용법‘을 검색하시면 여러 문서들을 참조할 수 있습니다.

service_key = "공공데이터포털에서 발급받은 서비스 키"

국토교통부 건축인허가정보 조회 API 인스턴스 정의하기

PublicDataReader 라이브러리에서 BuildingLicense라는 클래스를 가져와 api 라는 건축인허가정보 조회 API 인스턴스를 생성합니다. 이 때, service_key 값을 인자로 입력합니다.

from PublicDataReader import BuildingLicense
api = BuildingLicense(service_key)

입력 명세

건축인허가 기본개요 조회 서비스
건축인허가 동별개요 조회 서비스
건축인허가 층별개요 조회 서비스
건축인허가 호별개요 조회 서비스
건축인허가 대수선 조회 서비스
건축인허가 공작물관리대장 조회 서비스
건축인허가 철거멸실관리대장 조회 서비스
건축인허가 가설건축물 조회 서비스
건축인허가 오수정화시설 조회 서비스
건축인허가 주차장 조회 서비스
건축인허가 부설주차장 조회 서비스
건축인허가 전유공용면적 조회 서비스
건축인허가 호별전유공용면적 조회 서비스
건축인허가 지역지구구역 조회 서비스
건축인허가 도로명대장 조회 서비스
건축인허가 대지위치 조회 서비스
건축인허가 주택유형 조회 서비스

이름	설명	데이터 타입	샘플 데이터	항목구분
service_type	서비스 유형 (기본개요, 동별개요, 층별개요, 호별개요, 대수선, 공작물관리대장, 철거멸실관리대장, 가설건축물, 오수정화시설, 주차장, 부설주차장, 전유공용면적, 호별전유공용면적, 지역지구구역, 도로명대장, 대지위치, 주택유형)	String	총괄표제부	필수
sigungu_code	시군구의 5자리 지역코드 (서울 서초구: 11650, 경기 성남 분당구: 41135)	String	41135	필수
bdong_code	읍면동의 5자리 지역코드 (서울 서초구 잠원동: 10600, 경기 성남 분당구 백현동: 11000)	String	11000	필수
plat_code	대지구분 코드 (대지: 0, 산: 1, 블록: 2)	String	540	선택
bun	주소 번지의 본번 (350번지: 350)	String	540	선택
ji	주소 번지의 부번 (350-20번지: 20)	String	nan	선택
translate	컬럼명 한글 표시 여부 (한글 표시: True, 영문 표시: False) ※ 기본값: True	Boolean	True	선택
verbose	데이터 조회 진행 상황 메시지 출력 여부 (출력: True, 미출력: False) ※ 기본값: False	Boolean	False	선택
wait_time	API 추가 요청 시 대기 시간(초) (30초: 30) ※ 기본값: 30	Integer	30	선택

시군구코드와 법정동코드 조회하기

건축인허가정보를 조회하려면 조회할 인허가 대상 주택이 속해 있는 시군구와 법정동 정보를 알아야 합니다. 예를 들어, 경기도 성남시 분당구 백현동에 있는 인허가 대상 주택의 대장 정보를 조회한다고 가정하면, 분당구 백현동에 해당하는 시군구코드와 법정동코드 정보를 알아야 합니다. 아래 코드는 PublicDataReader 라이브러리를 사용하여 분당구 백현동과 일치하는 행을 찾는 작업을 수행합니다.

먼저 PublicDataReader 라이브러리를 가져와 pdr라는 별칭으로 사용 할 수 있도록 합니다.
‘sigungu_name = “분당구” bdong_name = “백현동” 이 부분에서 검색할 시군구와 읍면동을 변수에 저장합니다.
code = pdr.code_bdong() code라는 변수에 pdr의 code_bdong() 함수를 실행하여 그 결과값을 저장합니다. 이 함수는 시군구와 읍면동에 해당하는 코드를 포함하는 데이터프레임을 반환합니다.
code.loc[(code[‘시군구명’].str.contains(sigungu_name)) & (code[‘읍면동명’]==bdong_name)] 이 부분에서는 시군구명열에서 ‘분당구’를 포함하는 행과 읍면동명열에서 ‘백현동’인 행을 검색하는 검색식을 작성합니다.

조회 결과를 살펴보면 분당구에 해당하는 시군구코드는 41135이고, 백현동에 해당하는 법정동코드는 4113511000인 것을 알 수 있습니다. 법정동코드 10자리 중 처음 5자리는 시군구코드와 같고, 이후 5자리는 읍면동코드를 의미합니다. 건축인허가 조회 시 시군구코드와 법정동코드를 사용하는데, 이때 사용되는 법정동코드는 5자리 읍면동코드입니다. 즉, 건축인허가 조회 시 사용할 시군구코드는 41135이고, 법정동코드는 11000이 됩니다.

import PublicDataReader as pdr
sigungu_name = "분당구"
bdong_name = "백현동"
code = pdr.code_bdong()
code.loc[(code['시군구명'].str.contains(sigungu_name)) &
         (code['읍면동명']==bdong_name)]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	동리명	생성일자	말소일자
5162	41	경기도	41135	성남시 분당구	4113511000	백현동		19930115

건축인허가 기본개요 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
구역코드명	guyukCdNm	구역코드명	지구단위계획구역
지목코드	jimokCd	지목코드	8
지역코드	jiyukCd	지역코드	UQA123
지구코드	jiguCd	지구코드	nan
구역코드	guyukCd	구역코드	UQQ300
건축구분코드	archGbCdNm	건축구분코드	700
건축구분코드명	archGbCd	건축구분코드명	용도변경
대지면적(㎡)	platArea	대지면적(㎡)	2272
건축면적(㎡)	archArea	건축면적(㎡)	1152.45
건폐율(%)	bcRat	건폐율(%)	50.72
연면적(㎡)	totArea	연면적(㎡)	16074.93
용적률산정연면적(㎡)	vlRatEstmTotArea	용적률산정연면적(㎡)	9074.07
용적률(%)	vlRat	용적률(%)	399.38
주건축물수	mainBldCnt	주건축물수	1
부속건축물동수	atchBldDongCnt	부속건축물동수	0
주용도코드	mainPurpsCd	주용도코드	4000
주용도코드명	mainPurpsCdNm	주용도코드명	제2종근린생활시설
세대수(세대)	hhldCnt	세대수(세대)	96
호수(호)	hoCnt	호수(호)	0
가구수(가구)	fmlyCnt	가구수(가구)	0
총주차수	totPkngCnt	총주차수	0
착공예정일	stcnsSchedDay	착공예정일	nan
착공연기일	stcnsDelayDay	착공연기일	nan
실제착공일	realStcnsDay	실제착공일	nan
건축허가일	archPmsDay	건축허가일	20110117
사용승인일	useAprDay	사용승인일	20110214
생성일자	crtnDay	생성일자	20110215
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003070401
건물명	bldNm	건물명	석탑프라자
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
지목코드명	jimokCdNm	지목코드명	대
지역코드명	jiyukCdNm	지역코드명	제3종일반주거지역
지구코드명	jiguCdNm	지구코드명	nan

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="기본개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	구역코드명	지목코드	지역코드	지구코드	구역코드	건축구분코드	건축구분코드명	대지면적(㎡)	건축면적(㎡)	건폐율(%)	...	번	지	관리허가대장PK	건물명	특수지명	블록	로트	지목코드명	지역코드명	지구코드명
0	None	02	None	None	None	None	None	1682	45	0	...	0132	0190	41135-100059345	None	None	None	None	답	None	None

1 rows × 42 columns

건축인허가 동별개요 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
로트	lot	로트	nan
주부속구분코드	mainAtchGbCd	주부속구분코드	0
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	주건축물
주용도코드	mainPurpsCd	주용도코드	Z8000
주용도코드명	mainPurpsCdNm	주용도코드명	교육연구및복지시설
호수(호)	hoCnt	호수(호)	0
가구수(가구)	fmlyCnt	가구수(가구)	0
세대수(세대)	hhldCnt	세대수(세대)	0
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
지붕코드	roofCd	지붕코드	10
지붕코드명	roofCdNm	지붕코드명	(철근)콘크리트
건축면적(㎡)	archArea	건축면적(㎡)	1152.45
연면적(㎡)	totArea	연면적(㎡)	16074.93
용적률산정연면적(㎡)	vlRatEstmTotArea	용적률산정연면적(㎡)	0
생성일자	crtnDay	생성일자	20090320
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-1304701
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-1282301
건물명	bldNm	건물명	석탑프라자
특수지명	splotNm	특수지명	석탑프라자 605호
블록	block	블록	nan
승용승강기수	rideUseElvtCnt	승용승강기수	2
비상용승강기수	emgenUseElvtCnt	비상용승강기수	1

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="동별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	로트	주부속구분코드	주부속구분코드명	주용도코드	주용도코드명	호수(호)	가구수(가구)	세대수(세대)	구조코드	구조코드명	...	대지구분코드	번	지	관리동별개요PK	관리허가대장PK	건물명	특수지명	블록	승용승강기수	비상용승강기수
0	None	None	None	28000	가설건축물	0	0	0	99	기타구조	...	0	0132	0190	41135-100085858	41135-100059345	None	None	None	0	0

1 rows × 30 columns

건축인허가 층별개요 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
건축구분코드명	archGbCd	건축구분코드명	nan
생성일자	crtnDay	생성일자	20090320
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리층별개요PK	mgmFlrOulnPk	관리층별개요PK	11680-2256201
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-443601
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-440201
건물명	bldNm	건물명	2023-12-04 00:00:00
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
주용도코드	mainPurpsCd	주용도코드	Z5000
주용도코드명	mainPurpsCdNm	주용도코드명	문화및집회시설
층번호	flrNo	층번호	4
층면적(㎡)	flrArea	층면적(㎡)	1110.75
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
건축구분코드	archGbCdNm	건축구분코드	nan

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="층별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	건축구분코드명	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리층별개요PK	...	로트	구조코드	구조코드명	주용도코드	주용도코드명	층번호	층면적(㎡)	층구분코드	층구분코드명	건축구분코드
0	0100	20220718	1	경기도 성남시 분당구 백현동 132-190번지	41135	11000	0	0132	0190	41135-100145353	...	None	99	기타구조	28004	공사용가설건축물	1	18	20	지상	신축

1 rows × 25 columns

건축인허가 호별개요 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리호별명세PK	mgmHoDetlPk	관리호별명세PK	11680-10000998301
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-10003265101
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003070401
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
호번호	hoNo	호번호	0
호명칭	hoNm	호명칭	701호
평형구분명	pngtypGbNm	평형구분명	701호
층번호	flrNo	층번호	7
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
변경구분코드	changGbCd	변경구분코드	nan
변경구분코드명	changGbCdNm	변경구분코드명	nan
생성일자	crtnDay	생성일자	20110215

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="호별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리호별명세PK	관리동별개요PK	관리허가대장PK	...	로트	호번호	호명칭	평형구분명	층번호	층구분코드	층구분코드명	변경구분코드	변경구분코드명	생성일자
0	1	경기도 성남시 분당구 백현동 370번지	41135	11000	0	0370	0000	41135-100081707	41135-100108177	41135-100065255	...	None	0	None	None	2	20	지상	None	None	20220701

1 rows × 22 columns

건축인허가 대수선 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
대수선구분코드명	imprprGbCdNm	대수선구분코드명	방화구획
대수선변경구분코드	imprprChangGbCd	대수선변경구분코드	4
대수선변경구분코드명	imprprChangGbCdNm	대수선변경구분코드명	변경
생성일자	crtnDay	생성일자	20140313
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 13-3번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	13
지	ji	지	3
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003529201
건물명	bldNm	건물명	대청타워
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
대수선구분코드	imprprGbCd	대수선구분코드	6

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="대수선", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	대수선구분코드명	대수선변경구분코드	대수선변경구분코드명	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	건물명	특수지명	블록	로트	대수선구분코드
0	주계단	None	None	20090320	1	경기도 성남시 분당구 백현동 366-10번지	41135	11000	0	0366	0010	41135-13251	분당로 주유소	None	None	None	07

건축인허가 공작물관리대장 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 논현동 6-13번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10800
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	6
지	ji	지	13
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-1388001
건물명	bldNm	건물명	nan
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
지목코드	jimokCd	지목코드	nan
지목코드명	jimokCdNm	지목코드명	nan
지역코드	jiyukCd	지역코드	1023
지역코드명	jiyukCdNm	지역코드명	제3종일반주거지역
지구코드	jiguCd	지구코드	101
지구코드명	jiguCdNm	지구코드명	중심지미관지구
구역코드	guyukCd	구역코드	nan
구역코드명	guyukCdNm	구역코드명	nan
공작물종류코드	hdcrKindCd	공작물종류코드	5
공작물종류코드명	hdcrKindCdNm	공작물종류코드명	기계식주차장
구조코드	strctCd	구조코드	39
구조코드명	strctCdNm	구조코드명	기타강구조
길이(m)	len	길이(m)	20.2
높이(m)	heit	높이(m)	7.93
면적(㎡)	area	면적(㎡)	134.93
건폐율(%)	bcRat	건폐율(%)	0
생성일자	crtnDay	생성일자	20100325

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="공작물관리대장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	건물명	특수지명	...	구역코드명	공작물종류코드	공작물종류코드명	구조코드	구조코드명	길이(m)	높이(m)	면적(㎡)	건폐율(%)	생성일자
0	1	경기도 성남시 분당구 백현동 397번지	41135	11000	0	0397	0000	41135-100032915	None	None	...	None	05	기계식주차장	39	기타강구조	6.2	7.6	29.14	0	20130718

1 rows × 29 columns

건축인허가 철거멸실관리대장 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	660
지	ji	지	16
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10002137901
건물명	bldNm	건물명	nan
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
철거멸실구분코드	demolExtngGbCd	철거멸실구분코드	3
철거멸실구분코드명	demolExtngGbCdNm	철거멸실구분코드명	멸실
철거시작일	demolStrtDay	철거시작일	nan
철거종료일	demolEndDay	철거종료일	nan
철거멸실일	demolExtngDay	철거멸실일	20100319
연면적(㎡)	totArea	연면적(㎡)	248.31
건축물수	bldCnt	건축물수	1
주용도코드	mainPurpsCd	주용도코드	1000
주용도코드명	mainPurpsCdNm	주용도코드명	단독주택
구조코드	strctCd	구조코드	11
구조코드명	strctCdNm	구조코드명	벽돌구조
세대수(세대)	hhldCnt	세대수(세대)	0
호수(호)	hoCnt	호수(호)	0
가구수(가구)	fmlyCnt	가구수(가구)	0
천장재함유유무	cemaIncYn	0: N1: Y	0
단열재함유유무	himaIncYn	0: N1: Y	0
지붕재함유유무	rfmaIncYn	0: N1: Y	0
보온재함유유무	lgmaIncYn	0: N1: Y	0
기타함유유무	etcIncYn	0: N1: Y	nan
해당없음유무	nabYn	0: N1: Y	1
기타유무	etcYn	0: N1: Y	0
바닥재함유유무	btmaIncYn	0: N1: Y	nan
생성일자	crtnDay	생성일자	20100325
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 660-16번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="철거멸실관리대장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	대지구분코드	번	지	관리허가대장PK	건물명	특수지명	블록	로트	철거멸실구분코드	철거멸실구분코드명	...	보온재함유유무	기타함유유무	해당없음유무	기타유무	바닥재함유유무	생성일자	순번	대지위치	시군구코드	법정동코드
0	0	0366	0001	41135-100024080	None	None	None	None	1	철거	...	0	0	0	0	0	20120217	1	경기도 성남시 분당구 백현동 366-1번지	41135	11000

1 rows × 35 columns

건축인허가 가설건축물 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10002408501
건물명	bldNm	건물명	nan
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
전체건축면적(㎡)	sumArchArea	전체건축면적(㎡)	229.32
전체연면적(㎡)	sumTotArea	전체연면적(㎡)	0
대지면적(㎡)	platArea	대지면적(㎡)	121040
가설건축물존치만료일	tmpbldPrsvExpDay	가설건축물존치만료일	nan
구조코드	strctCd	구조코드	39
구조코드명	strctCdNm	구조코드명	기타강구조
주용도코드	mainPurpsCd	주용도코드	28000
주용도코드명	mainPurpsCdNm	주용도코드명	가설건축물
건축면적(㎡)	archArea	건축면적(㎡)	229.32
연면적(㎡)	totArea	연면적(㎡)	0
지상층수	grndFlrCnt	지상층수	1
생성일자	crtnDay	생성일자	20110723
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	0

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="가설건축물", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	관리허가대장PK	건물명	특수지명	블록	로트	전체건축면적(㎡)	전체연면적(㎡)	대지면적(㎡)	가설건축물존치만료일	구조코드	...	연면적(㎡)	지상층수	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지
0	41135-100059345	None	None	None	None	45	45	1682	None	99	...	18	1	20220718	1	경기도 성남시 분당구 백현동 132-190번지	41135	11000	0	0132	0190

1 rows × 24 columns

건축인허가 오수정화시설 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003070401
도로명대지위치	newPlatPlc	도로명대지위치	nan
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
대표여부	reprYn	0: 일반 1: 대표	1
오수정화시설형식코드	wclfModeCd	오수정화시설형식코드	300
오수정화시설형식코드명	wclfModeCdNm	오수정화시설형식코드명	하수종말처리장연결
주동구분코드	mainDongGbCd	주동구분코드	0
주동구분코드명	mainDongGbCdNm	주동구분코드명	전체
용량(인용)	capaPsper	용량(인용)	0
용량(루베)	capaLube	용량(루베)	0
생성일자	crtnDay	생성일자	20110215

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="오수정화시설", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	도로명대지위치	특수지명	블록	로트	대표여부	오수정화시설형식코드	오수정화시설형식코드명	주동구분코드	주동구분코드명	용량(인용)	용량(루베)	생성일자
0	1	경기도 성남시 분당구 백현동 236-4번지	41135	11000	0	0236	0004	41135-15766	NaN	None	None	None	1	117	접촉폭기방법	0	전체	500	100	20130530

건축인허가 주차장 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-440201
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
옥내자주식대수(대)	indrAutoUtcnt	옥내자주식대수(대)	105
옥내자주식면적(㎡)	indrAutoArea	옥내자주식면적(㎡)	4276.96
옥외자주식대수(대)	oudrAutoUtcnt	옥외자주식대수(대)	0
옥외자주식면적(㎡)	oudrAutoArea	옥외자주식면적(㎡)	0
옥내기계식대수(대)	indrMechUtcnt	옥내기계식대수(대)	0
옥내기계식면적(㎡)	indrMechArea	옥내기계식면적(㎡)	0
옥외기계식대수(대)	oudrMechUtcnt	옥외기계식대수(대)	0
옥외기계식면적(㎡)	oudrMechArea	옥외기계식면적(㎡)	0
인근자주식대수(대)	neigAutoUtcnt	인근자주식대수(대)	0
인근자주식면적(㎡)	neigAutoArea	인근자주식면적(㎡)	0
인근기계식대수(대)	neigMechUtcnt	인근기계식대수(대)	0
인근기계식면적(㎡)	neigMechArea	인근기계식면적(㎡)	0
면제대수(대)	exmptUtcnt	면제대수(대)	0
생성일자	crtnDay	생성일자	20090320

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="주차장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	특수지명	블록	...	옥내기계식대수(대)	옥내기계식면적(㎡)	옥외기계식대수(대)	옥외기계식면적(㎡)	인근자주식대수(대)	인근자주식면적(㎡)	인근기계식대수(대)	인근기계식면적(㎡)	면제대수(대)	생성일자
0	1	경기도 성남시 분당구 백현동 236-4번지	41135	11000	0	0236	0004	41135-15766	None	None	...	0	0	0	0	0	0	0	0	0	20130530

1 rows × 25 columns

건축인허가 부설주차장 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 1233-22번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	1233
지	ji	지	22
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-100064469
행정동코드	hjdongCd	행정동코드	690
지목코드	jimokCd	지목코드	8
지목코드명	jimokCdNm	지목코드명	대
관련지번명	relJibunNm	관련지번명	nan
생성일자	crtnDay	생성일자	20150321

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="부설주차장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	행정동코드	지목코드	지목코드명	관련지번명	생성일자
0	1	경기도 성남시 분당구 백현동 568-7번지	41135	11000	0	0568	0007	41135-100037850	650	11	주차장	None	20201102

건축인허가 전유공용면적 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리전유공용면적PK	mgmExposPubuseAreaPk	관리전유공용면적PK	11680-10001598301
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003070401
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
평형구분명	pngtypGbNm	평형구분명	701호
전유공용구분코드	exposPubuseGbCd	전유공용구분코드	1
전유공용구분코드명	exposPubuseGbCdNm	전유공용구분코드명	전유
주부속구분코드	mainAtchGbCd	주부속구분코드	0
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	주건축물
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
층번호	flrNo	층번호	7
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
주용도코드	mainPurpsCd	주용도코드	13006
주용도코드명	mainPurpsCdNm	주용도코드명	체력단련장
기타용도	etcPurps	기타용도	nan
면적(㎡)	area	면적(㎡)	675.42
생성일자	crtnDay	생성일자	20110215

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="전유공용면적", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리전유공용면적PK	관리허가대장PK	특수지명	...	층구분코드	층구분코드명	층번호	구조코드	구조코드명	주용도코드	주용도코드명	기타용도	면적(㎡)	생성일자
0	1	경기도 성남시 분당구 백현동 370번지	41135	11000	0	0370	0000	41135-100145452	41135-100065255	None	...	40	각층	0	21	철근콘크리트구조	02003	다세대주택	다세대주택	65.84	20220701

1 rows × 27 columns

건축인허가 호별전유공용면적 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리전유공용면적PK	mgmExposPubuseAreaPk	관리전유공용면적PK	11680-10001598301
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003070401
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
평형구분명	pngtypGbNm	평형구분명	701호
전유공용구분코드	exposPubuseGbCd	전유공용구분코드	1
전유공용구분코드명	exposPubuseGbCdNm	전유공용구분코드명	전유
주부속구분코드	mainAtchGbCd	주부속구분코드	0
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	주건축물
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
층번호	flrNo	층번호	7
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
주용도코드	mainPurpsCd	주용도코드	13006
주용도코드명	mainPurpsCdNm	주용도코드명	체력단련장
기타용도	etcPurps	기타용도	nan
면적(㎡)	area	면적(㎡)	675.42
생성일자	crtnDay	생성일자	20110215

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="호별전유공용면적", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리전유공용면적PK	관리허가대장PK	특수지명	...	층번호	구조코드	구조코드명	주용도코드	주용도코드명	기타용도	면적(㎡)	생성일자	관리호별명세PK	mgmHoExposPubuseAreaPk
0	1	경기도 성남시 분당구 백현동 370번지	41135	11000	0	0370	0000	NaN	NaN	None	...	1	21	철근콘크리트구조	02003	다세대주택	다세대주택	65.84	20220701	41135-100081709	41135-100269757

1 rows × 29 columns

건축인허가 지역지구구역 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
지역지구구역명	jijiguNm	지역지구구역명	일반주거지역
생성일자	crtnDay	생성일자	20090320
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-440201
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
지역지구구역구분코드	jijiguGbCd	지역지구구역구분코드	1
지역지구구역구분코드명	jijiguGbCdNm	지역지구구역구분코드명	용도지역코드
지역지구구역코드	jijiguCd	지역지구구역코드	1020
지역지구구역코드명	jijiguCdNm	지역지구구역코드명	일반주거지역
대표여부	reprYn	0: 일반	1
주동구분코드	mainDongGbCd	주동구분코드	0
주동구분코드명	mainDongGbCdNm	주동구분코드명	전체

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="지역지구구역", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	지역지구구역명	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	특수지명	블록	로트	지역지구구역구분코드	지역지구구역구분코드명	지역지구구역코드	지역지구구역코드명	대표여부	주동구분코드	주동구분코드명
0	제1종일반주거지역	20120428	1	경기도 성남시 분당구 백현동 168-10번지	41135	11000	0	0168	0010	41135-100011309	None	None	None	1	용도지역코드	1021	제1종일반주거지역	1	0	전체

건축인허가 도로명대장 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 160-5번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	160
지	ji	지	5
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10003432401
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
도로지정번호년	ranoYear	도로지정번호년	2011
도로지정번호일련번호	ranoSeqno	도로지정번호일련번호	16
도로지정구분코드	rdasnGbCd	도로지정구분코드	1
도로지정구분코드명	rdasnGbCdNm	도로지정구분코드명	지정
도로지정일	rdasnDay	도로지정일	20110525
도로변경일	roadChangDay	도로변경일	nan
도로변경차수	roadChangOdr	도로변경차수	0
도로폐지일	roadCloseDay	도로폐지일	nan
관리시군구코드	mgmSigunguCd	관리시군구코드	11680
도시지정변경일	rdasnChangDay	도시지정변경일	nan
도로길이합계	roadLenTotal	도로길이합계	0
도로너비합계	roadWidthTotal	도로너비합계	0
도로면적합계	roadAreaTotal	도로면적합계	0
생성일자	crtnDay	생성일자	20111222

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="도로명대장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	특수지명	블록	...	도로지정일	도로변경일	도로변경차수	도로폐지일	관리시군구코드	도시지정변경일	도로길이합계	도로너비합계	도로면적합계	생성일자
0	1	경기도 성남시 분당구 백현동 397번지	41135	11000	0	0397	0000	41135-100031060	None	None	...	20130311	None	0	None	41135	None	0	0	0	20140905

1 rows × 25 columns

건축인허가 대지위치 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	1
대표여부	reprYn	0: 일반 1: 대표	1
주동구분코드	mainDongGbCd	주동구분코드	0
주동구분코드명	mainDongGbCdNm	주동구분코드명	전체
행정동코드	hjdongCd	행정동코드	740
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
지목코드	jimokCd	지목코드	8
지목코드명	jimokCdNm	지목코드명	대
관련지번명	relJibunNm	관련지번명	nan
생성일자	crtnDay	생성일자	20090320
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-4번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	4
관리대지위치PK	mgmPlatPlcPk	관리대지위치PK	11680-440401
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-440201

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="대지위치", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	관리동별개요PK	대표여부	주동구분코드	주동구분코드명	행정동코드	특수지명	블록	로트	지목코드	지목코드명	...	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리대지위치PK	관리허가대장PK
0	None	0	0	전체	650	None	None	None	08	대	...	20090320	1	경기도 성남시 분당구 백현동	41135	11000	0	0000	0000	41135-100005039	41135-15753

1 rows × 21 columns

건축인허가 주택유형 조회 서비스

입력 명세

입력 명세

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 157-9번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	157
지	ji	지	9
관리허가대장PK	mgmPmsrgstPk	관리허가대장PK	11680-10002663901
건물명	bldNm	건물명	개포동 157-9 공동주택 (김해옥)
특수지명	splotNm	특수지명	nan
블록	block	블록	nan
로트	lot	로트	nan
주택유형구분코드	hstpGbCd	주택유형구분코드	2
주택유형구분코드명	hstpGbCdNm	주택유형구분코드명	준주택(오피스텔)
실호세대수(세대)	silHoHhldCnt	실호세대수(세대)	4
실호세대수면적(㎡)	silHoHhldArea	실호세대수면적(㎡)	45.22
생성일자	crtnDay	생성일자	20111117

from PublicDataReader import BuildingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = BuildingLicense(service_key)

df = api.get_data(
    service_type="주택유형", 
    sigungu_code="41135", 
    bdong_code="11000", 
    plat_code=None,
    bun=None,
    ji=None,
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리허가대장PK	건물명	특수지명	블록	로트	주택유형구분코드	주택유형구분코드명	실호세대수(세대)	실호세대수면적(㎡)	생성일자
0	1	경기도 성남시 분당구 백현동 409-5번지	41135	11000	0	0409	0005	41135-100047718	라비앙스빌(Revien-s Ville)	None	None	None	4	도시형생활주택(단지형다세대주택)	1	84.86	20171219

참고

Whisper API Python 사용법

Sat, 04 Mar 2023 00:00:00 +0900

Whisper API Python 사용법

파이썬으로 쉽게 Whisper API(Speech to text)를 사용할 수 있습니다. 먼저 Whisper API가 무엇인지 알아보고, 파이썬으로 이 API를 사용할 수 있는 방법에 대해 살펴보겠습니다.

Whisper API란?

Whisper API는 2023년 3월에 출시된 오픈AI의 새로운 서비스입니다. 이 API를 사용하면 음성을 텍스트로 변환하는 기능을 앱이나 제품에 쉽게 통합할 수 있습니다. 다만, API 사용은 유료이며, 텍스트로 변환하려는 음성 파일의 길이(분당 $0.006(약 8원))에 따라 과금됩니다.

API 사용요금
- Model: Whisper
- Usage: $0.006 / minute (rounded to the nearest second)

openai 라이브러리 설치하기

‘openai’는 오픈AI에서 제공하는 Whisper API를 파이썬으로 사용할 수 있도록 해주는 라이브러리입니다. 이외에도 ChatGPT와 같은 대화형 AI와 DALL-E와 같은 이미지 생성 AI의 API도 이용할 수 있습니다. (참고 ChatGPT API Python 사용법 (feat.DALL-E, Karlo))

그럼 openai를 설치하기 위해 명령 프롬프트(CMD)나 터미널에서 다음 명령어를 입력합니다.

pip install openai

오픈AI의 API 키 발급받기

오픈AI 플랫폼에 접속해 회원가입 후 로그인합니다. 화면 우측 상단의 ‘프로필’ -‘View API Keys’를 클릭합니다.

‘Create new secret key’ 버튼을 클릭합니다.

초록색 ‘복사’ 버튼을 클릭해 인증키를 복사하고 ‘OK’ 버튼을 클릭합니다.

openai 불러오기

오픈AI에서 제공하는 Whisper API를 파이썬으로 이용하기 위해 앞에서 설치한 ‘openai’ 라이브러리를 불러옵니다. 오픈AI에서 발급받은 API 키 값을 ‘OPENAI_API_KEY’ 변수에 할당합니다. 그리고 ‘openai.api_key’에 이 값을 할당합니다.

import openai

# 발급받은 API 키 설정
OPENAI_API_KEY = "오픈AI에서 발급받은 API 키"

# openai API 키 인증
openai.api_key = OPENAI_API_KEY

유튜브 영상 다운로드

텍스트로 변환할 음성 파일이 이미 있다면 이 과정은 생략해도 됩니다. 유튜브에서 음성이 포함된 영상의 URL 주소만 있으면 비디오 파일로 다운로드할 수 있습니다. pytube라는 라이브러리를 사용하면 유튜브 영상을 쉽게 파일로 저장할 수 있습니다.

다음과 같이 명령 프롬프트(CMD)나 터미널에서 pytube를 설치합니다.

pip install pytube

다음은 pytube를 사용해 유튜브 영상을 다운로드하는 코드입니다. 먼저 pytube에서 YouTube 모듈을 불러옵니다. 다운로드 받을 폴더 경로를 DOWNLOAD_FOLDER 변수에 할당합니다. 다운로드 받을 영상의 URL은 url 변수에 할당합니다.

그다음 YouTube 객체를 만들고 url에 해당하는 유튜브 영상 정보를 가져옵니다. YouTube 객체를 이용해 해당 영상의 스트림 중에서 가장 고화질의 스트림 정보를 가져옵니다. 그리고 이를 stream 변수에 저장합니다.

끝으로 stream 객체에서 download() 함수를 호출하면 해당하는 영상 파일을 DOWNLOAD_FOLDER 경로에 다운로드합니다.

from pytube import YouTube
DOWNLOAD_FOLDER = "./whisper"
url = "https://www.youtube.com/watch?v="
yt = YouTube(url)
stream = yt.streams.get_highest_resolution()
stream.download(DOWNLOAD_FOLDER)

비디오 파일을 오디오 파일로 변환하기

텍스트로 변환할 오디오 파일이 이미 있다면 이 과정 역시 생략해도 됩니다. 앞서 다운로드한 비디오 파일을 오디오 파일로 변환하면 Whisper API를 사용하기 위한 준비가 끝이 납니다. moviepy라는 라이브러리를 사용하면 비디오 파일을 오디오 파일로 쉽게 편환할 수 있습니다.

다음과 같이 명령 프롬프트(CMD)나 터미널에서 moviepy를 설치합니다.

pip install moviepy

다음은 moviepy를 사용해 비디오 파일에서 오디오를 추출해 파일로 저장하는 코드입니다. 먼저 moviepy에서 VideoFileClip 모듈을 불러옵니다. 동영상 파일 경로를 video_file_path 변수에 할당합니다. 이 video_file_path 경로에 있는 비디오 파일을 video 변수에 저장합니다.

그다음 오디오 파일을 저장할 경로를 audio_file_path 변수에 할당합니다.

끝으로 video.audio.write_audiofile() 함수를 호출하면 해당하는 비디오 파일에서 오디오를 추출하여 audio_file_path 경로에 저장할 수 있습니다.

from moviepy.editor import VideoFileClip
video_file_path = "./whisper/video.mp4"
video = VideoFileClip(video_file_path)
audio_file_path = "./whisper/audio.mp3"
video.audio.write_audiofile(audio_file_path)

오디오 파일 불러오기

텍스트로 변환할 오디오 파일을 불러옵니다.

audio_file = open("./whisper/audio.mp3", "rb")

오디오 파일을 텍스트 파일로 변환하기

다음은 Whisper API를 사용해 오디오 파일에서 자동으로 음성을 인식해 텍스트로 변환하는 작업을 수행하는 코드입니다.

openai.Audio.transcribe() 함수를 호출하여 ‘whisper-1’이라는 이름의 모델을 사용해 해당 오디오 파일에서 transcription을 수행합니다. 결과는 transcript 변수에 할당됩니다.

끝으로 transcription 결과에서 텍스트만 추출해 text 변수에 할당하고 이를 출력합니다.

transcript = openai.Audio.transcribe("whisper-1", audio_file)
text = transcript['text']
print(text)

오디오 파일을 영문 텍스트 파일로 변환하기

다음은 Whisper API를 사용해 오디오 파일에서 자동으로 음성을 인식하고 이를 영어로 번역하는 코드입니다.

openai.Audio.translate() 함수를 호출하여 ‘whisper-1’이라는 이름의 모델을 사용해 해당 오디오 파일에서 transcription을 수행하고, 이를 영어로 번역합니다. 결과는 transcript 변수에 할당됩니다.

결과에서 영어 텍스트만 추출해 text_eng 변수에 할당하고 이를 출력합니다.

transcript = openai.Audio.translate("whisper-1", audio_file)
text_eng = transcript['text']
print(text_eng)

참고

Python으로 PDF에서 텍스트 추출하기(pdf to text)

Sat, 04 Mar 2023 00:00:00 +0900

파이썬으로 PDF파일에서 텍스트 추출하는 방법

파이썬으로 PDF 파일에서 텍스트를 추출하는 방법에 대해 알아보겠습니다. PyMuPDF, PyPDF2, pdfminer.six, pdfplumber와 같은 라이브러리를 이용하면 PDF에서 텍스트를 쉽게 추출할 수 있습니다. 또, tabula 라이브러리를 이용하면 PDF 파일에 있는 표 데이터를 판다스(Pandas)의 데이터프레임(DataFrame) 객체로 조회할 수 있습니다.

예제 PDF 파일 준비하기

텍스트가 포함된 예제 PDF 파일(sample.pdf)를 준비합니다. 다운로드한 파일이 위치한 경로를 ‘PDF_FILE_PATH’ 변수에 할당합니다.

예제 PDF 파일 출처: 국토교통부, [참고] 제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수

# 예제 PDF 파일 경로
PDF_FILE_PATH = "./data/sample.pdf"

PyMuPDF

관련 사이트
설치
```
pip install PyMuPDF
```

다음은 PyMuPDF 라이브러리를 사용해 PDF 파일을 읽어와서 그 안에 있는 모든 텍스트를 추출하도록 하는 코드입니다.

우선, PyMuPDF 라이브러리를 사용하기 위해 fitz 모듈을 임포트해야 합니다. 그 다음, PDF 파일을 불러오고 파일의 각 페이지를 가져옵니다. 페이지별로 텍스트를 추출하고 text 변수에 저장합니다. 마지막으로, 모든 페이지에서 추출한 텍스트를 출력하여 사용자에게 보여줍니다. 이 과정을 통해 PDF 파일의 텍스트를 간단하게 추출할 수 있습니다.

import fitz
path = "./data/sample.pdf"
doc = fitz.open(path)
for page in doc:
    text = page.get_text()
    print(text)

- 1 -
보 도 참 고 자 료
배포 일시
2023. 3. 8.(수)
담당 부서
공항정책관
공항건설팀
책임자
팀  장 
서정관 (044-201-4137)
담당자
사무관
이양구 (044-201-4138)
주무관
임태호 (044-201-4589)
보도일시
 3. 8.(수) 10:00 이후 보도 가능합니다.
제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수
친환경 공항 건설계획, 공항 건설·운영 시 지역 참여방안 등 논의
□ 국토교통부(장관 원희룡)는 3월 8일(수) 제주특별자치도에‘제주 제2공항 
개발사업 기본계획(안) 보고서’를 송부하고 기본계획(안)에 대한 제주
특별자치도의 의견 제시를 요청하였다고 밝혔다.
 ㅇ 이는 제주 제2공항 건설사업의 기본계획 수립을 위해 필요한 절차로,
지난 3월 6일 전략환경영향평가를 통과한 이후 중단된 기본계획 수립 
절차를 재개함에 따른 조치이다.
 ㅇ 제주 제2공항 개발사업 기본계획(안)에 대한 주민 의견수렴*에는 충분한 
기간이 필요할 것으로 판단되어 의견 제출 기한은 별도로 정하지 않았
으며, 주민 의견수렴은 제주특별자치도가 보고서 공개 방식과 절차 
등을 결정하여 진행될 예정이다.
   * ｢공항시설법｣ 제4조제4항 및 같은 법 시행령 제8조제3항 : 국토교통부장관은 기본계획 
수립 시 관할 지방자치단체장의 의견을 들어야 하며, 의견제시 요청을 받은 관할 지방자치
단체장은 기본계획안을 14일 이상 주민이 열람하게 하고 주민 의견을 들어야 함
□ “제주 제2공항 개발사업 기본계획(안)”의 주요 내용은 다음과 같다.

- 2 -
 ㅇ (친환경 공항) 조류 등 생물 대체서식지 조성, 탄소배출 최소화, 신재생
에너지 사용을 비롯하여 최근 완료된 환경부 전략환경영향평가 협의
내용을 준수하고 환경영향평가 단계에서 환경영향 최소화 방안을 마련
하는 등 친환경 공항으로 건설·운영한다.
 ㅇ (제주도 참여) 기본계획(안)에 대한 제주특별자치도의 의견을 충분히 수렴
하여 기본계획을 고시할 예정이며, 제주 제2공항은 건설·운영에 지역이 
적극 참여하는‘도민과 함께 만들어가는 공항’으로 추진된다.
  - 기본계획(안)에는 사업 시행자와 공항 운영자, 재원 조달방안, 기존 
제주공항과 제2공항 간 수요배분 등 개발·운영계획에 대해서는 기본 
방향*이 제시되고, 이후 제주특별자치도와 협의하여 계획이 확정된다.
   * ➊ 공항 건설 · 운영에 제주도 참여 적극 권유, ➋ 공항 운영수익의 일부는 제주도에 환원, 
➌ 1·2공항 간 역할 분담방안은 지역 의견을 수렴하여 설계 및 시공 단계에서 결정 등
 ㅇ (충분한 협의) 기본계획 수립 시 충분한 협의 과정을 거치고, 향후 
제주특별자치도에 동의 권한이 있는 환경영향평가 시 철저한 검증을 
거칠 예정인 만큼, 기본계획(안)의 사업 완료(준공) 시점은‘착공 후 5년’
으로 계획하였다.
 ㅇ (시설 계획) 제주 제2공항은 2055년 기준 제주지역의 전체 항공여객
수요 4,108만명/연 중 1,992만명/연의 여객(화물 12만톤)을 수용할 수 
있는 규모로 계획되었다.
  - 제주 서귀포시 성산읍 일대에 총 6조 6,743억 원*이 투입되어 활주로
(3,200m×45m) 1본, 계류장(항공기 44대 주기), 여객터미널(167,381㎡), 
화물터미널(6,920㎡), 주차장, 전면시설(교통센터 및 상업·문화시설, 친환경·
항공산업 클러스터) 등이 설치된다.
   * 총사업비, 재원조달계획 등은 기획재정부 총사업비 협의 후 확정될 예정
 ㅇ 그 외 공항의 개발 및 운영계획 등에 관한 사항들이 기본계획(안)에 
포함될 예정이며 자세한 내용은 공개될 보고서를 통해 확인할 수 있다.

- 3 -
□ 국토교통부 이상일 공항정책관은 “제주특별자치도가 주민 의견을 충분히 
수렴하여 제주 제2공항 기본계획(안)에 대한 의견을 정부에 제시한다면 
이를 충실히 검토하여 기본계획에 반영할 것”이라고 하면서,
 ㅇ “제주도의 균형있고 지속가능한 발전에 기여하는 제주 제2공항으로 
계획되도록 지역사회 내에서 건설적인 논의가 활발하게 이루어지기를 
바란다”고 밝혔다.

- 4 -
참고
 제주 제2공항 개발사업 기본계획(안) 주요내용
1. 제주 제2공항 수요 전망(‘55년 기준)
ㅇ 여객 1,992만명(국내선 1,815만명, 국제선 177만명), 화물 120천톤
2. 공항개발예정지역
ㅇ 제주특별자치도 서귀포시 성산읍 일원 약 550.6만㎡
3. 공항의 규모 및 배치
ㅇ 공항의 규모
구    분
시설규모
비고
활주로
3,200m × 45m, 1본
-
유도로
평행유도로 2본(폭 23m) 등
평행·고속탈출 · 직각 · 입구 · 우회 유도로
계류장
480,527㎡
44대 주기
여객터미널
계
167,381㎡
19,917천인/년
국내
128,196㎡
18,152천인/년
국제
39,185㎡
1,765천인/년
화물터미널
6,920㎡
120천톤/년
주차장
123,720㎡
3,432면
ㅇ 공항시설 배치도(자주색 표기 부분은 2단계 사업)

- 5 -
4. 건설계획
ㅇ 사업시행자 : 제주도 등과 협의 후 확정
ㅇ 착공 시기 : 환경영향평가 후(｢제주특별법｣에 따라 제주도 동의 필요)
ㅇ 준공 시기 : 착공 후 5년
5. 운영계획 : 제주도 등과 협의 후 확정
ㅇ 공항 운영자, 기존 제주공항과 제2공항 간 역할 분담방안, 공항 운영
수익의 제주도 환원방안 등 협의 필요
6. 재원조달계획
ㅇ 사 업 비 : 6조 6,743억원 ※ 기획재정부 총사업비 협의 후 확정
ㅇ 재원조달 : 기획재정부, 사업시행자 등 추후 협의하여 결정
7. 환경관리계획
ㅇ 전략환경영향평가 협의내용, 공항환경관리기준 등 준수
ㅇ 공항 건설로 인한 환경 영향 최소화 및 저감방안 마련
- 설계단계에서 관련 법령에 따라 사전에 환경저해 요인을 면밀히 
검토하여 예방대책 마련·시행
ㅇ 공항의 설계, 건설, 운영 단계별 친환경 공항 계획 수립 · 시행
8. 그 밖에 공항 개발 및 운영 등에 필요한 사항
ㅇ 실시계획 수립 이후 단계에서 마련․시행

PyPDF2

관련 사이트
설치
```
pip install PyPDF2
```

다음은 PyPDF2 라이브러리를 사용해 PDF 파일을 읽어와서 그 안에 있는 모든 텍스트를 추출하도록 하는 코드입니다.

먼저 PyPDF2 라이브러리를 불러와 PDF 파일을 읽고 해당 파일의 페이지들을 가져옵니다. 각 페이지마다 텍스트를 추출해 text 변수에 추가합니다. 끝으로 모든 페이지에서 추출한 텍스트를 출력합니다.

from PyPDF2 import PdfReader
reader = PdfReader(PDF_FILE_PATH)
pages = reader.pages
text = ""
for page in pages:
    sub = page.extract_text()
    text += sub
print(text)

- 1 -
보도참고자료
배포 일시 2023. 3. 8.(수)
담당 부서공항정책관
공항건설팀책임자 팀  장 서정관(044-201-4137)
담당자사무관 이양구(044-201-4138)
주무관 임태호(044-201-4589)
보도일시  3. 8.(수) 10:00 이후 보도 가능합니다 .
제주 제2공항 기본계획 (안) 공개, 제주도와 협의 착수
친환경 공항 건설계획 , 공항 건설·운영 시 지역 참여방안 등 논의
□국토교통부 (장관 원희룡)는 3월 8일(수) 제주특별자치도에 ‘제주 제2공항 
개발사업 기본계획 (안) 보고서’를 송부하고 기본계획 (안)에 대한 제주
특별자치도의 의견 제시를 요청하였다고 밝혔다.
  ㅇ이는 제주 제2공항 건설사업의 기본계획 수립을 위해 필요한 절차로,
지난 3월 6일 전략환경영향평가를  통과한 이후 중단된 기본계획 수립 
절차를 재개함에 따른 조치이다 .
  ㅇ제주 제2공항 개발사업 기본계획 (안)에 대한 주민 의견수렴*에는 충분한 
기간이 필요할 것으로 판단되어 의견 제출 기한은 별도로 정하지 않았
으며, 주민 의견수렴 은 제주특별자치도 가 보고서 공개 방식과 절차 
등을 결정하여 진행될 예정이다 .
    * ｢공항시설법 ｣ 제4조제4항 및 같은 법 시행령 제8조제3항 : 국토교통부장관은 기본계획 
수립 시 관할 지방자치단체장의 의견을 들어야 하며, 의견제시 요청을 받은 관할 지방자치
단체장은 기본계획안을 14일 이상 주민이 열람하게 하고 주민 의견을 들어야 함
□ “제주 제2공항 개발사업 기본계획 (안)”의 주요 내용은 다음과 같다.- 2 - ㅇ (친환경 공항) 조류 등 생물 대체서식지 조성, 탄소배출 최소화, 신재생
에너지 사용을 비롯하여 최근 완료된 환경부 전략환경영향평가 협의
내용을 준수하고 환경영향평가 단계에서 환경영향 최소화 방안을 마련
하는 등 친환경 공항으로 건설·운영한다.
  ㅇ (제주도 참여) 기본계획 (안)에 대한 제주특별자치도의 의견을 충분히 수렴
하여 기본계획을 고시할 예정이며 , 제주 제2공항은 건설·운영에 지역이 
적극 참여하는 ‘도민과 함께 만들어가는  공항’으로 추진된다 .
  - 기본계획 (안)에는 사업 시행자와 공항 운영자, 재원 조달방안 , 기존 
제주공항과 제2공항 간 수요배분 등 개발·운영계획에 대해서는 기본 
방향*이 제시되고, 이후 제주특별자치도와 협의하여 계획이 확정된다.
    *➊공항 건설·운영에 제주도 참여 적극 권유, ➋공항 운영수익의 일부는 제주도에 환원, 
➌1·2공항 간 역할 분담방안은 지역 의견을 수렴하여 설계 및 시공 단계에서 결정 등
  ㅇ (충분한 협의) 기본계획 수립 시 충분한 협의 과정을 거치고, 향후 
제주특별자치도에 동의 권한이 있는 환경영향평가 시 철저한 검증을 
거칠 예정인 만큼, 기본계획 (안)의 사업 완료(준공) 시점은‘착공 후 5년’
으로 계획하였다 .
  ㅇ (시설 계획) 제주 제2공항은 2055년 기준 제주지역의 전체 항공여객
수요 4,108만명/연 중 1,992만명/연의 여객(화물 12만톤)을 수용할 수 
있는 규모로 계획되었다 .
  - 제주 서귀포시 성산읍 일대에 총 6조 6,743억 원*이 투입되어 활주로
(3,200m×45m)  1본, 계류장(항공기 44대 주기), 여객터미널 (167,381 ㎡), 
화물터미널 (6,920㎡), 주차장, 전면시설 (교통센터 및 상업·문화시설 , 친환경·
항공산업 클러스터 ) 등이 설치된다 .
    * 총사업비 , 재원조달계획 등은 기획재정부 총사업비 협의 후 확정될 예정
  ㅇ 그 외 공항의 개발 및 운영계획 등에 관한 사항들이 기본계획 (안)에 
포함될 예정이며 자세한 내용은 공개될 보고서를 통해 확인할 수 있다.- 3 -□ 국토교통부 이상일 공항정책관은 “제주특별자치도가 주민 의견을 충분히 
수렴하여 제주 제2공항 기본계획(안)에 대한 의견을 정부에 제시한다면 
이를 충실히 검토하여 기본계획에 반영할 것”이라고 하면서,
  ㅇ“제주도의 균형있고  지속가능한 발전에 기여하는 제주 제2공항으로 
계획되도록 지역사회 내에서 건설적인 논의가 활발하게 이루어지기를 
바란다”고 밝혔다.
- 4 -참고  제주 제2공항 개발사업 기본계획 (안) 주요내용
1.제주 제2공항 수요 전망 (‘55년 기준 )
ㅇ 여객 1,992만명 (국내선 1,815만명 ,국제선 177만명 ),화물 120천톤
2.공항개발예정지역
ㅇ 제주특별자치도 서귀포시 성산읍 일원 약 550.6만㎡
3.공항의 규모 및 배치
ㅇ 공항의 규모
구    분 시설규모 비고
활주로 3,200m × 45m, 1본 -
유도로 평행유도로 2본(폭 23m) 등평행·고속탈출 ·직각·입구·우회 유도로
계류장 480,527 ㎡ 44대 주기
여객터미널계 167,381 ㎡ 19,917 천인/년
국내 128,196 ㎡ 18,152 천인/년
국제 39,185 ㎡ 1,765천인/년
화물터미널 6,920㎡ 120천톤/년
주차장 123,720 ㎡ 3,432면
ㅇ 공항시설 배치도 (자주색 표기 부분은 2단계 사업 )
- 5 -4.건설계획
ㅇ 사업시행자 :제주도 등과 협의 후 확정
ㅇ 착공 시기 :환경영향평가 후(｢
제주특별법 ｣
에 따라 제주도 동의 필요 )
ㅇ 준공 시기 :착공 후 5년
5.운영계획 :제주도 등과 협의 후 확정
ㅇ 공항 운영자 ,기존 제주공항과 제2공항 간 역할 분담방안 ,공항 운영
수익의 제주도 환원방안 등 협의 필요
6.재원조달계획
ㅇ 사 업 비 :6조 6,743억원 ※ 기획재정부 총사업비 협의 후 확정
ㅇ 재원조달 :기획재정부 ,사업시행자 등 추후 협의하여 결정
7.환경관리계획
ㅇ 전략환경영향평가 협의내용 ,공항환경관리기준 등 준수
ㅇ 공항 건설로 인한 환경 영향 최소화 및 저감방안 마련
-설계단계에서 관련 법령에 따라 사전에 환경저해 요인을 면밀히 
검토하여 예방대책 마련·시행
ㅇ 공항의 설계 ,건설 ,운영 단계별 친환경 공항 계획 수립·시행
8.그 밖에 공항 개발 및 운영 등에 필요한 사항
ㅇ 실시계획 수립 이후 단계에서 마련․시행

pdfminer.six

관련 사이트
설치
```
pip install pdfminer.six
```

다음은 pdfminer 라이브러리를 사용해 PDF 파일에서 텍스트를 추출하는 코드입니다.

pdfminer.high_level에서 extract_text 함수를 불러옵니다. 그리고 PDF 파일 경로를 인자로 넣어 extract_text 함수를 호출해 텍스트를 추출합니다.

앞에서 살펴본 PyPDF2와 달리 pdfminer 라이브러리는 해당 파일의 모든 페이지를 자동으로 처리해 한 번에 텍스트를 추출합니다.

from pdfminer.high_level import extract_text
text = extract_text(PDF_FILE_PATH)
print(text)

보 도 참 고 자 료

배포 일시

담당 부서

공항정책관

공항건설팀

2023. 3. 8.(수)

책임자

팀  장  서정관 (044-201-4137)

담당자

사무관 이양구 (044-201-4138)

주무관 임태호 (044-201-4589)

보도일시

  3. 8.(수) 10:00 이후 보도 가능합니다.

제주  제2공항  기본계획(안)  공개,  제주도와  협의  착수

친환경  공항  건설계획,  공항  건설·운영  시  지역  참여방안  등  논의

□ 국토교통부(장관 원희룡)는 3월 8일(수) 제주특별자치도에‘제주 제2공항 

개발사업 기본계획(안) 보고서’를 송부하고 기본계획(안)에 대한 제주

특별자치도의 의견 제시를 요청하였다고 밝혔다.

  ㅇ 이는 제주 제2공항 건설사업의 기본계획 수립을 위해 필요한 절차로,

지난  3월  6일  전략환경영향평가를  통과한  이후  중단된  기본계획  수립 

절차를 재개함에 따른 조치이다.

  ㅇ 제주 제2공항 개발사업 기본계획(안)에 대한 주민 의견수렴*에는 충분한 

기간이 필요할 것으로 판단되어 의견 제출 기한은 별도로 정하지 않았

으며,  주민  의견수렴은  제주특별자치도가  보고서  공개  방식과  절차 

등을 결정하여 진행될 예정이다.

      *  ｢공항시설법｣  제4조제4항  및  같은  법  시행령  제8조제3항  :  국토교통부장관은  기본계획 

수립  시  관할  지방자치단체장의  의견을  들어야  하며,  의견제시  요청을  받은  관할  지방자치

단체장은  기본계획안을  14일  이상  주민이  열람하게  하고  주민  의견을  들어야  함

□ “제주 제2공항 개발사업 기본계획(안)”의 주요 내용은 다음과 같다.

-  1  -

 ㅇ (친환경 공항) 조류 등 생물 대체서식지 조성, 탄소배출 최소화, 신재생

에너지  사용을  비롯하여  최근  완료된  환경부  전략환경영향평가  협의

내용을 준수하고 환경영향평가 단계에서 환경영향 최소화 방안을 마련

하는 등 친환경 공항으로 건설·운영한다.

  ㅇ (제주도 참여) 기본계획(안)에 대한 제주특별자치도의 의견을 충분히 수렴

하여 기본계획을 고시할 예정이며, 제주 제2공항은 건설·운영에 지역이 

적극 참여하는‘도민과 함께 만들어가는 공항’으로 추진된다.

  -  기본계획(안)에는  사업  시행자와  공항  운영자,  재원  조달방안,  기존 

제주공항과 제2공항 간 수요배분 등 개발·운영계획에 대해서는 기본 
방향*이 제시되고, 이후 제주특별자치도와 협의하여 계획이 확정된다.

      * ➊ 공항  건설 · 운영에  제주도  참여  적극  권유,  ➋ 공항  운영수익의  일부는  제주도에  환원, 

➌ 1·2공항  간  역할  분담방안은  지역  의견을  수렴하여  설계  및  시공  단계에서  결정  등

  ㅇ  (충분한  협의)  기본계획  수립  시  충분한  협의  과정을  거치고,  향후 

제주특별자치도에  동의  권한이  있는  환경영향평가  시  철저한  검증을 

거칠 예정인 만큼, 기본계획(안)의 사업 완료(준공) 시점은‘착공 후 5년’

으로 계획하였다.

  ㅇ (시설 계획) 제주  제2공항은 2055년 기준 제주지역의 전체 항공여객

수요  4,108만명/연  중  1,992만명/연의  여객(화물  12만톤)을  수용할  수 

있는 규모로 계획되었다.

  - 제주 서귀포시 성산읍 일대에 총 6조 6,743억 원*이 투입되어 활주로

(3,200m×45m)  1본,  계류장(항공기  44대  주기),  여객터미널(167,381㎡), 

화물터미널(6,920㎡), 주차장, 전면시설(교통센터 및 상업·문화시설, 친환경·

항공산업 클러스터) 등이 설치된다.

      *  총사업비,  재원조달계획  등은  기획재정부  총사업비  협의  후  확정될  예정

  ㅇ  그  외  공항의  개발  및  운영계획  등에  관한  사항들이  기본계획(안)에 

포함될 예정이며 자세한 내용은 공개될 보고서를 통해 확인할 수 있다.

-  2  -

□ 국토교통부 이상일 공항정책관은 “제주특별자치도가 주민 의견을 충분히 

수렴하여 제주 제2공항 기본계획(안)에 대한 의견을 정부에 제시한다면 

이를 충실히 검토하여 기본계획에 반영할 것”이라고 하면서,

  ㅇ “제주도의  균형있고  지속가능한  발전에  기여하는  제주  제2공항으로 

계획되도록  지역사회  내에서  건설적인  논의가  활발하게  이루어지기를 

바란다”고 밝혔다.

-  3  -

참고   제주  제2공항  개발사업  기본계획(안)  주요내용

1. 제주 제2공항 수요 전망(‘55년 기준)

ㅇ 여객 1,992만명(국내선 1,815만명, 국제선 177만명), 화물 120천톤

2. 공항개발예정지역

ㅇ 제주특별자치도 서귀포시 성산읍 일원 약 550.6만㎡

3. 공항의 규모 및 배치

ㅇ 공항의 규모

구        분

활주로

유도로

계류장

여객터미널

계

국내

국제

화물터미널

주차장

시설규모

3,200m  ×  45m,  1본

비고

-

평행유도로  2본(폭  23m)  등 평행·고속탈출 · 직각 · 입구 · 우회  유도로

480,527㎡

167,381㎡

128,196㎡

39,185㎡

6,920㎡

123,720㎡

44대  주기

19,917천인/년

18,152천인/년

1,765천인/년

120천톤/년

3,432면

ㅇ 공항시설 배치도(자주색 표기 부분은 2단계 사업)

-  4  -

4. 건설계획

ㅇ 사업시행자 : 제주도 등과 협의 후 확정

ㅇ 착공 시기 : 환경영향평가 후(｢제주특별법｣에 따라 제주도 동의 필요)

ㅇ 준공 시기 : 착공 후 5년

5. 운영계획 : 제주도 등과 협의 후 확정

ㅇ 공항 운영자, 기존 제주공항과 제2공항 간 역할 분담방안, 공항 운영

수익의 제주도 환원방안 등 협의 필요

6. 재원조달계획

ㅇ 사 업 비 : 6조 6,743억원 ※  기획재정부  총사업비  협의  후  확정

ㅇ 재원조달 : 기획재정부, 사업시행자 등 추후 협의하여 결정

7. 환경관리계획

ㅇ 전략환경영향평가 협의내용, 공항환경관리기준 등 준수

ㅇ 공항 건설로 인한 환경 영향 최소화 및 저감방안 마련

- 설계단계에서 관련 법령에 따라 사전에 환경저해 요인을 면밀히 

검토하여 예방대책 마련·시행

ㅇ 공항의 설계, 건설, 운영 단계별 친환경 공항 계획 수립 · 시행

8. 그 밖에 공항 개발 및 운영 등에 필요한 사항

ㅇ 실시계획 수립 이후 단계에서 마련․시행

-  5  -

pdfplumber

관련 사이트
- GitHub-pdfplumber
- PyPI-pdfplumber
설치
```
pip install pdfplumber
```

다음은 pdfplumber 라이브러리를 사용해 PDF 파일에서 텍스트를 추출하는 코드입니다.

먼저 pdfplumber 라이브러리를 불러옵니다. PDF 파일 경로를 인자로 pdfplumber.open() 함수를 호출해 PDF 파일을 읽습니다. 그 다음 페이지들을 가져오고 각 페이지마다 텍스트를 추출해 text 변수에 추가합니다.

import pdfplumber
pdf = pdfplumber.open(PDF_FILE_PATH)
pages = pdf.pages
text = ""
for page in pages:
    sub = page.extract_text()
    text += sub
print(text)

보 도 참 고 자 료
배포 일시 2023. 3. 8.(수)
담당 부서 책임자 팀 장 서정관(044-201-4137)
공항정책관
사무관 이양구(044-201-4138)
공항건설팀 담당자
주무관 임태호(044-201-4589)
보도일시 3. 8.(수) 10:00 이후 보도 가능합니다.
제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수
친환경 공항 건설계획, 공항 건설·운영 시 지역 참여방안 등 논의
□ 국토교통부(장관 원희룡)는 3월 8일(수) 제주특별자치도에‘제주 제2공항
개발사업 기본계획(안) 보고서’를 송부하고 기본계획(안)에 대한 제주
특별자치도의 의견 제시를 요청하였다고 밝혔다.
ㅇ 이는 제주 제2공항 건설사업의 기본계획 수립을 위해 필요한 절차로,
지난 3월 6일 전략환경영향평가를 통과한 이후 중단된 기본계획 수립
절차를 재개함에 따른 조치이다.
ㅇ 제주 제2공항 개발사업 기본계획(안)에 대한 주민 의견수렴*에는 충분한
기간이 필요할 것으로 판단되어 의견 제출 기한은 별도로 정하지 않았
으며, 주민 의견수렴은 제주특별자치도가 보고서 공개 방식과 절차
등을 결정하여 진행될 예정이다.
* ｢공항시설법｣ 제4조제4항 및 같은 법 시행령 제8조제3항 : 국토교통부장관은 기본계획
수립 시 관할 지방자치단체장의 의견을 들어야 하며, 의견제시 요청을 받은 관할 지방자치
단체장은 기본계획안을 14일 이상 주민이 열람하게 하고 주민 의견을 들어야 함
□ “제주 제2공항 개발사업 기본계획(안)”의 주요 내용은 다음과 같다.
- 1 -ㅇ (친환경 공항) 조류 등 생물 대체서식지 조성, 탄소배출 최소화, 신재생
에너지 사용을 비롯하여 최근 완료된 환경부 전략환경영향평가 협의
내용을 준수하고 환경영향평가 단계에서 환경영향 최소화 방안을 마련
하는 등 친환경 공항으로 건설·운영한다.
ㅇ (제주도 참여) 기본계획(안)에 대한 제주특별자치도의 의견을 충분히 수렴
하여 기본계획을 고시할 예정이며, 제주 제2공항은 건설·운영에 지역이
적극 참여하는‘도민과 함께 만들어가는 공항’으로 추진된다.
- 기본계획(안)에는 사업 시행자와 공항 운영자, 재원 조달방안, 기존
제주공항과 제2공항 간 수요배분 등 개발·운영계획에 대해서는 기본
방향*이 제시되고, 이후 제주특별자치도와 협의하여 계획이 확정된다.
* ➊ 공항 건설·운영에 제주도 참여 적극 권유, ➋ 공항 운영수익의 일부는 제주도에 환원,
➌ 1·2공항 간 역할 분담방안은 지역 의견을 수렴하여 설계 및 시공 단계에서 결정 등
ㅇ (충분한 협의) 기본계획 수립 시 충분한 협의 과정을 거치고, 향후
제주특별자치도에 동의 권한이 있는 환경영향평가 시 철저한 검증을
거칠 예정인 만큼, 기본계획(안)의 사업 완료(준공) 시점은‘착공 후 5년’
으로 계획하였다.
ㅇ (시설 계획) 제주 제2공항은 2055년 기준 제주지역의 전체 항공여객
수요 4,108만명/연 중 1,992만명/연의 여객(화물 12만톤)을 수용할 수
있는 규모로 계획되었다.
- 제주 서귀포시 성산읍 일대에 총 6조 6,743억 원*이 투입되어 활주로
(3,200m×45m) 1본, 계류장(항공기 44대 주기), 여객터미널(167,381㎡),
화물터미널(6,920㎡), 주차장, 전면시설(교통센터 및 상업·문화시설, 친환경·
항공산업 클러스터) 등이 설치된다.
* 총사업비, 재원조달계획 등은 기획재정부 총사업비 협의 후 확정될 예정
ㅇ 그 외 공항의 개발 및 운영계획 등에 관한 사항들이 기본계획(안)에
포함될 예정이며 자세한 내용은 공개될 보고서를 통해 확인할 수 있다.
- 2 -□ 국토교통부 이상일 공항정책관은 “제주특별자치도가 주민 의견을 충분히
수렴하여 제주 제2공항 기본계획(안)에 대한 의견을 정부에 제시한다면
이를 충실히 검토하여 기본계획에 반영할 것”이라고 하면서,
ㅇ “제주도의 균형있고 지속가능한 발전에 기여하는 제주 제2공항으로
계획되도록 지역사회 내에서 건설적인 논의가 활발하게 이루어지기를
바란다”고 밝혔다.
- 3 -참고 제주 제2공항 개발사업 기본계획(안) 주요내용
1. 제주 제2공항 수요 전망(‘55년 기준)
ㅇ 여객 1,992만명(국내선 1,815만명, 국제선 177만명), 화물 120천톤
2. 공항개발예정지역
ㅇ 제주특별자치도 서귀포시 성산읍 일원 약 550.6만㎡
3. 공항의 규모 및 배치
ㅇ 공항의 규모
구 분 시설규모 비고
활주로 3,200m × 45m, 1본 -
유도로 평행유도로 2본(폭 23m) 등 평행·고속탈출·직각·입구·우회 유도로
계류장 480,527㎡ 44대 주기
계 167,381㎡ 19,917천인/년
여객터미널 국내 128,196㎡ 18,152천인/년
국제 39,185㎡ 1,765천인/년
화물터미널 6,920㎡ 120천톤/년
주차장 123,720㎡ 3,432면
ㅇ 공항시설 배치도(자주색 표기 부분은 2단계 사업)
- 4 -4. 건설계획
ㅇ 사업시행자 : 제주도 등과 협의 후 확정
ㅇ 착공 시기 : 환경영향평가 후(｢제주특별법｣에 따라 제주도 동의 필요)
ㅇ 준공 시기 : 착공 후 5년
5. 운영계획 : 제주도 등과 협의 후 확정
ㅇ 공항 운영자, 기존 제주공항과 제2공항 간 역할 분담방안, 공항 운영
수익의 제주도 환원방안 등 협의 필요
6. 재원조달계획
ㅇ 사 업 비 : 6조 6,743억원 ※ 기획재정부 총사업비 협의 후 확정
ㅇ 재원조달 : 기획재정부, 사업시행자 등 추후 협의하여 결정
7. 환경관리계획
ㅇ 전략환경영향평가 협의내용, 공항환경관리기준 등 준수
ㅇ 공항 건설로 인한 환경 영향 최소화 및 저감방안 마련
- 설계단계에서 관련 법령에 따라 사전에 환경저해 요인을 면밀히
검토하여 예방대책 마련·시행
ㅇ 공항의 설계, 건설, 운영 단계별 친환경 공항 계획 수립 · 시행
8. 그 밖에 공항 개발 및 운영 등에 필요한 사항
ㅇ 실시계획 수립 이후 단계에서 마련․시행
- 5 -

tabula

관련 사이트
설치
```
pip install tabula-py
```

다음은 tabula 라이브러리를 사용해 PDF 파일에서 표 데이터를 추출하는 코드입니다.

먼저 tabula 라이브러리를 불러옵니다. PDF 파일 경로를 인자로 넣어 tabula.read_pdf() 함수를 호출해 모든 페이지에서 표 데이터를 추출합니다. 추출된 데이터는 pandas의 DataFrame 형태로 반환됩니다. 이 DataFrame들은 dfs라는 변수에 리스트 형태로 저장됩니다.

dfs의 길이를 출력해 추출된 표의 개수를 확인합니다.

import tabula
dfs = tabula.read_pdf(PDF_FILE_PATH, pages="all", encoding='CP949')
len(dfs)

dfs[0]

	보 도 참 고 자 료	Unnamed: 0	Unnamed: 1	Unnamed: 2
0	배포 일시	2023. 3. 8.(수)	NaN	NaN
1	담당 부서	공항정책관\r공항건설팀	책임자	팀장서정관 (044-201-4137)
2	담당자	사무관이양구 (044-201-4138)	NaN	NaN
3	주무관임태호 (044-201-4589)	NaN	NaN	NaN
4	보도일시	3. 8.(수) 10:00 이후 보도 가능합니다.	NaN	NaN

dfs[1]

	제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수\r친환경 공항 건설계획, 공항 건설·운영 시 지역 참여방안 등 논의

dfs[2]

	구 분	Unnamed: 0	Unnamed: 1	시설규모	비고
0	활주로	NaN	NaN	3,200m × 45m, 1본	-
1	유도로	NaN	NaN	평행유도로 2본(폭 23m) 등	평행·고속탈출 · 직각 · 입구 · 우회 유도로
2	계류장	NaN	NaN	480,527m2	44대 주기
3	NaN	NaN	계	167,381m2	19,917천인/년
4	여객터미널	국내	NaN	128,196m2	18,152천인/년
5	NaN	국제	NaN	39,185m2	1,765천인/년
6	화물터미널	NaN	NaN	6,920m2	120천톤/년
7	주차장	NaN	NaN	123,720m2	3,432면

참고

pdftotext와 camelot이라는 라이브러리도 있지만, Windows 환경에서 별도로 설치해야 하는 의존성이 있어 설명에서 제외했습니다.

예제 PDF 파일 출처: 국토교통부, [참고] 제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수

Python으로 PDF를 이미지로 변환하기(pdf to image)

Sat, 04 Mar 2023 00:00:00 +0900

파이썬으로 PDF파일을 이미지 파일(JPG, PNG)로 변환하는 방법

파이썬으로 PDF 파일을 JPG이나 PNG와 같은 이미지 파일로 변환하는 방법에 대해 알아보겠습니다. PyMuPDF, pdf2image와 같은 라이브러리를 사용하면 PDF 파일을 쉽게 이미지 파일로 변환할 수 있습니다.

예제 PDF 파일 준비하기

이미지 파일로 변환할 예제 PDF 파일(sample.pdf)를 준비합니다. 다운로드한 파일이 위치한 경로를 ‘PDF_FILE_PATH’ 변수에 할당합니다.

예제 PDF 파일 출처: 국토교통부, [참고] 제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수

# 예제 PDF 파일 경로
PDF_FILE_PATH = "./data/sample.pdf"

PyMuPDF 설치하기

관련 사이트
설치
```
pip install PyMuPDF
```

PyMuPDF로 PDF를 PNG로 변환하기

import fitz
doc = fitz.open(PDF_FILE_PATH)
for i, page in enumerate(doc):
    img = page.get_pixmap()
    img.save(f"./data/{i}.png")

pdf2image 설치하기

관련 사이트

Windows

윈도우 환경에서는 윈도우용 poppler를 빌드하거나 다운로드해야 합니다. 가장 최신 버전을 사용하는 것을 권장합니다. @oschwartz10612 version에 접속 후 ‘Release-23.01.0-0.zip‘를 클릭해 다운로드합니다.

다운로드한 파일(‘Release-23.01.0-0.zip’)을 C드라이브 하위에 압축해제(‘C:/poppler-23.01.0’)합니다.

그 다음 윈도우 키를 누르고 ‘시스템 환경 변수 편집’을 검색 후 실행합니다. ‘시스템 속성’ 창이 열리면 ‘고급’ 탭에서 ‘환경 변수’ 버튼을 클릭합니다.

사용자 변수에서 ‘Path’ 항목을 찾아 클릭 후 ‘편집’ 버튼을 클릭합니다.

‘새로 만들기’ 버튼을 클릭 후 ‘C:/poppler-23.01.0/Library/bin’를 입력후 ‘확인’ 버튼을 클릭합니다.

poppler 설치와 설정이 끝났다면 명령 프롬프트(CMD)를 열어 다음 명령어를 입력해 pdf2image를 설치합니다.

pip install pdf2image

Mac

맥 환경에서는 brew로 poppler를 먼저 설치해야합니다. 터미널을 열어 아래 명령어를 순서대로 입력해 poppler와 pdf2image를 설치합니다.

brew install poppler
pip install pdf2image

Linux

대부분의 리눅스 배포판은 pdftoppm와 pdftocairo와 함께 제공됩니다. 설치되지 않은 경우 패키지 관리자를 참조해 poppler-utils를 설치해야 합니다. poppler-utils 설치 후 다음 명령어를 입력해 pdf2image를 설치합니다.

pip install pdf2image

pdf2image로 PDF를 JPG로 변환하기

다음은 pdf2image 라이브러리를 사용해 PDF 파일의 각 페이지를 이미지로 변환하는 코드입니다.

먼저 pdf2image 라이브러리에서 convert_from_path 함수를 불러옵니다. PDF 파일 경로를 인자로 넣어 convert_from_path() 함수를 호출해 PDF 파일의 모든 페이지를 이미지 형식으로 변환합니다. 이때 변환된 이미지들은 pages라는 변수에 리스트 형태로 저장됩니다.

그 다음 반복문을 이용해 pages 리스트에 있는 이미지들을 하나씩 꺼내 해당 이미지를 JPEG 형식으로 저장합니다. 이때 파일명은 페이지 번호로 지정됩니다. 예를 들어 첫 번째 페이지는 ‘./data/0.jpg’의 파일명으로 저장됩니다.

from pdf2image import convert_from_path
pages = convert_from_path(PDF_FILE_PATH)
for i, page in enumerate(pages):
    page.save(f"./data/{str(i)}.jpg", "JPEG")

참고

예제 PDF 파일 출처: 국토교통부, [참고] 제주 제2공항 기본계획(안) 공개, 제주도와 협의 착수

ChatGPT API Python 사용법 (feat.DALL-E, Karlo)

Sat, 04 Mar 2023 00:00:00 +0900

ChatGPT API Python 사용법 (feat.DALL-E, Karlo)

파이썬으로 쉽게 챗GPT API(ChatCompletions)를 사용할 수 있습니다. 먼저, 챗GPT API의 사용법을 간단히 알아보고, 이미지 생성을 위해 필요한 프롬프트를 자동으로 작성하는 방법을 설명합니다. 이렇게 작성한 프롬프트를 활용하여 DALL-E와 Karlo API를 사용하여 이미지를 생성하는 방법도 다뤄보겠습니다.

화성에 살게 된다면 거주지는 어떤 모습일까?

인간이 화성에 정착해 살게 된다면 어떤 집에 살게 될지 궁금하다면, 이제 아래와 같이 AI에게 간단한 요청만 하면 되는 시대가 되었습니다. 상상을 확장하고 구체화하는 것이 너무나 쉬운 일이 되었습니다. 간단한 요청만으로 AI의 상상을 시각화한 결과를 살펴보겠습니다. (기획: 정우일, 글: ChatGPT, 그림: Karlo, DALL-E)

“인간이 화성에 정착한다면 건축물의 모습은 어떤 모습일지 자유롭게 상상해서 외형을 묘사해주세요.”

ChatGPT의 나름 이유있는(?) 상상

화성에 정착한다면 건축물은 지구와는 달리 매우 다른 환경에 적응해야 합니다. 그러므로 건축물의 외형도 많이 달라질 것으로 예상됩니다.

첫째로 먼지와 폭풍우 등의 기상 조건을 고려해야 합니다. 건축물은 외부 영향과 교감하지 않고 방어할 수 있어야 합니다. 그렇기 때문에 건물의 외벽은 얇아서는 안 됩니다. 원통형이나 구형 등을 생각할 수 있으며, 일반적인 적출이 아닌 설정을 고려할 수 있습니다.

둘째로, 화성에서의 에너지 문제를 해결해야 합니다. 한강의 수력 발전소처럼 대규모인 경우는 건축적 인프라로 신경 써야 합니다. 또한, 화성은 자외선이 강하므로 건축물은 자외선 차단 렌즈가 필요할 것입니다. 따라서 건축물은 자외선 차단재를 사용하여 철저하게 보호할 필요가 있습니다.

마지막으로, 필요한 다른 물질을 도입하기 위해 건축물에는 방사선 방어 대책이 필요합니다. 이를 위해 건축물 내부에 목재나 금속 등의 장치를 사용하여 방사능을 차단할 수 있습니다.

이러한 고려 사항을 고려하여, 화성에는 고대 시대의 전통적인 건축양식이 아닌 전처기 건축이 출현할 것으로 예상됩니다. 그러므로 건축물은 간결하면서도 기능적으로 구성될 것으로 보입니다.

Karlo가 그린 그림

DALL-E가 그린 그림

ChatGPT API란?

챗GPT(ChatGPT) API는 2023년 3월에 출시된 오픈AI의 새로운 서비스입니다. 이 API를 사용하면 챗GPT를 앱이나 제품에 쉽게 통합할 수 있습니다. 물론 여전히 챗GPT 애플리케이션에 직접 접속해서도 사용할 수 있습니다. 다만, API 사용은 유료이며, 대화에 사용된 토큰(Tokens)의 크기(1,000토큰 당 $0.002(약 3원))에 따라 과금됩니다.

API 사용요금
- Model: gpt-3.5-turbo
- Usage: $0.002 / 1K tokens

필요한 라이브러리 설치하기

openai

‘openai’는 오픈AI에서 제공하는 ChatGPT API (ChatCompletions API)를 파이썬으로 사용할 수 있도록 해주는 라이브러리입니다. ChatGPT API 외에도 DALL-E와 같은 이미지 생성 API도 이용할 수 있습니다.

PyKakao

‘PyKakao’는 카카오 디벨로퍼스에서 제공하는 다양한 API를 파이썬으로 사용할 수 있도록 해주는 라이브러리입니다. 입력한 문장을 이미지로 만드는 기능을 제공하는 인공지능 Karlo API를 사용할 것입니다.

설치 방법

명령 프롬프트(CMD)나 터미널에서 다음 명령어를 입력해 ‘openai’와 ‘PyKakao’를 설치합니다.

pip install openai
pip install PyKakao

API 키 발급받기

오픈AI API 키 발급받기

오픈AI 플랫폼에 접속해 회원가입 후 로그인합니다. 화면 우측 상단의 ‘프로필’ -‘View API Keys’를 클릭합니다.

‘Create new secret key’ 버튼을 클릭합니다.

초록색 ‘복사’ 버튼을 클릭해 인증키를 복사하고 ‘OK’ 버튼을 클릭합니다.

카카오 API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

ChatGPT API 사용 방법

openai 라이브러리를 불러와 ChatGPT API를 사용하는 방법을 알아보겠습니다. ChatGPT API를 이용해 파이썬으로 ChatGPT에게 질문하고 응답을 받을 수 있습니다.

openai 불러오기

오픈AI에서 제공하는 ChatGPT API를 파이썬으로 이용하기 위해 앞에서 설치한 ‘openai’ 라이브러리를 불러옵니다. 오픈AI에서 발급받은 API 키 값을 ‘OPENAI_API_KEY’ 변수에 할당합니다. 그리고 ‘openai.api_key’에 이 값을 할당합니다.

import openai

# 발급받은 API 키 설정
OPENAI_API_KEY = "오픈AI에서 발급받은 인증키"

# openai API 키 인증
openai.api_key = OPENAI_API_KEY

ChatGPT API 사용하기

오픈AI의 ChatGPT API를 사용해 자연어로 작성된 질문에 대한 대답을 생성해보겠습니다.

model: ‘gpt-3.5-turbo’ 모델을 설정합니다. 이 모델은 ChatGPT 애플리케이션에서 사용되는 것과 같은 언어 모델로 1000 토큰당 0.002달러로 기존 GPT-3.5 모델보다 10배 저렴하다고 합니다.
query: 질문을 입력합니다. 예를 들어, 텍스트로 이미지를 생성하는 방법 등을 물어볼 수 있습니다.
messages: 생성하려는 대화의 히스토리를 정의하는데 사용됩니다. 대화에 참여하는 여러 역할(‘system(시스템)’, ‘assistant(도우미)’, ‘user(사용자)’)과 메시지 내용을 설정할 수 있습니다. 보통 대화는 먼저 시스템 메시지로 형식을 정의합니다. 그 다음 사용자와 도우미의 메시지를 번갈아가며 정의합니다.
- 시스템 메시지: ‘You are a helpful assistant.’와 같은 메시지로 도우미에게 지시할 수 있습니다. 시스템이 챗봇에게 일종의 역할을 부여한다고 볼 수 있습니다.
- 사용자 메시지: 도우미에게 직접 전달하는 내용입니다.
- 도우미 메시지: 이전에 응답했던 결과를 저장해 대화의 흐름을 유지할 수 있도록 설정할 수 있습니다.

openai.ChatCompletion.create()에 위에서 정의한 파라미터를 입력하고 ‘response’에 값을 할당합니다. ‘response[‘choices’][0][‘message’][‘content’]’를 호출하면 응답 메시지를 확인할 수 있습니다. 응답결과를 ‘answer’에 할당 후 출력합니다.

# 모델 - GPT 3.5 Turbo 선택
model = "gpt-3.5-turbo"

# 질문 작성하기
query = "텍스트를 입력받아 이미지를 생성하는 방법을 알려주세요."

# 메시지 설정하기
messages = [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": query}
]

# ChatGPT API 호출하기
response = openai.ChatCompletion.create(
    model=model,
    messages=messages
)
answer = response['choices'][0]['message']['content']
answer

'텍스트를 입력받아 이미지를 생성하는 방법에는 여러 가지가 있습니다. 일반적으로는 다음과 같은 방법을 사용합니다.\n\n1. 소프트웨어를 사용하여 이미지 생성하기 - 예를 들어, Adobe Photoshop, GIMP, CorelDRAW 등의 소프트웨어를 사용하여 텍스트를 입력하고 다양한 폰트, 색상 및 배경을 선택하여 이미지를 만들 수 있습니다.\n\n2. 온라인 이미지 생성기 사용하기 - 여러 가지 온라인 이미지 생성기가 있습니다. 예를 들어, Canva, PicMonkey, Stencil 등의 이미지 생성기를 사용하여 텍스트를 입력하고 다양한 효과 및 배경을 선택하여 이미지를 만들 수 있습니다.\n\n3. Python 프로그래밍 언어를 사용하여 이미지 생성하기 - Python의 PIL 라이브러리를 사용하여 텍스트를 입력하고 이미지 스타일을 지정하여 이미지를 생성할 수 있습니다. 이를 위해서는 Python을 설치하고, PIL 라이브러리를 다운로드하고 설치해야 합니다.\n\n각각의 방법은 서로 다른 장단점이 있으므로, 텍스트 이미지 생성에 필요한 기능과 유용성을 고려하여 적절한 방법을 선택하시면 됩니다.'

Karlo API 사용 방법

PyKakao 라이브러리를 불러와 Karlo API를 사용하는 방법을 알아보겠습니다. Karlo API를 이용해 텍스트를 이미지로 변환하는 기능을 구현할 수 있습니다. Karlo API에 대해 더 자세한 내용을 확인하려면 아래를 참고하면 됩니다.

Karlo API와 관련된 더 많은 정보

PyKakao에서 Karlo 불러오기

카카오에서 제공하는 Karlo API를 파이썬으로 이용하기 위해 앞에서 설치한 ‘PyKakao’ 라이브러리를 불러옵니다. 카카오 디벨로퍼스에서 발급받은 REST API 키 값을 ‘KAKAO_API_KEY’ 변수에 할당합니다. 이 값을 ‘Karlo’에 입력해 Karlo API 인스턴스 ‘karlo’를 생성합니다.

from PyKakao import Karlo

# 발급받은 API 키 설정
KAKAO_API_KEY = "카카오 디벨로퍼스에서 발급받은 인증키"

# Karlo API 인스턴스 생성
karlo = Karlo(service_key = KAKAO_API_KEY)

Karlo로 이미지 생성하기

텍스트 프롬프트를 기반으로 이미지를 생성하는 하는 방법에 대해 알아보겠습니다. “Cute magical flyng cat, soft golden fur, fantasy art drawn by Pixar concept artist, Toy Story main character, clear and bright eyes, sharp nose”와 같이 생성하고 싶은 이미지를 묘사하는 영문 텍스트를 ‘text’에 할당합니다. 그리고 ‘api.text_to_image(text, 1)’ 함수를 호출합니다. 여기서 두번째 인자 ‘1’은 생성할 이미지의 갯수를 의미합니다.

함수 호출 결과는 생성된 이미지 정보가 들어 있는 딕셔너리 객체로 ‘img_dict’ 변수에 저장됩니다. 이미지 데이터는 ‘images’ 키의 리스트 첫번째 인덱스에 base64 인코딩된 문자열로 저장됩니다. 이 데이터는 ‘img_str’ 변수에 저장됩니다.

‘api.string_to_image’ 함수를 사용해 base64 인코딩된 문자열을 이미지 객체로 변환합니다. base64_string 인자는 ‘img_str’ 변수로 설정하고 ‘mode’ 인자는 ‘RGBA’로 설정합니다. 이렇게 변환된 이미지 객체는 ‘img’ 변수에 저장됩니다. 이 코드를 실행하면, 프롬프트에 제시된 텍스트를 기반으로 이미지가 생성되고, 이 이미지를 ‘img’ 변수에 저장합니다. ‘img.save()’ 함수로 이미지를 파일로 저장할 수도 있습니다.

# 프롬프트에 사용할 제시어
text = "Cute magical flyng cat, soft golden fur, fantasy art drawn by Pixar concept artist, Toy Story main character, clear and bright eyes, sharp nose"

# 이미지 생성하기 REST API 호출
img_dict = karlo.text_to_image(text, 1)

# 생성된 이미지 정보
img_str = img_dict.get("images")[0].get('image')

# base64 string을 이미지로 변환
img = karlo.string_to_image(base64_string = img_str, mode = 'RGBA')
img

ChatGPT X Karlo X DALL-E 이미지 생성하기

앞에서 API를 다루는 방법에 대해 알아보았습니다. 그럼 ChatGPT, Karlo, DALL-E를 모두 활용해서 AI의 상상을 시각화하는 방법에 대해 알아보겠습니다. 이 과정에서 사람은 그저 궁금한 걸 묘사해달라고 하기만 하면 됩니다.

라이브러리 불러오기

필요한 라이브러리를 불러오고 인증키를 설정합니다.

import openai
from PyKakao import Karlo

# 발급받은 API 키 설정
OPENAI_API_KEY = "오픈AI에서 발급받은 인증키"
KAKAO_API_KEY = "카카오에서 발급받은 인증키"

# openai API 키 인증
openai.api_key = OPENAI_API_KEY

# Karlo API 인스턴스 생성
karlo = Karlo(service_key = KAKAO_API_KEY)

# 모델 - GPT 3.5 Turbo 선택
model = "gpt-3.5-turbo"

챗GPT에게 상상해달라고 요청하기

‘query’에 궁금한 점을 묘사해달라는 요청을 작성해 할당합니다. ChatGPT API의 시스템 메시지를 작성해 어시스턴트가 묘사를 잘하는 역할이라고 설정합니다. API를 호출한 결과를 다음 과정에서 사용할 것이므로 결과를 ‘answer’에 할당합니다.

# 질문 작성하기
query = "인간이 화성에 정착한다면 건축물의 모습은 어떤 모습일지 자유롭게 상상해서 외형을 묘사해주세요."

# 메시지 설정하기
messages = [
    {
        "role": "system",
        "content": "You are a helpful assistant who is good at detailing."
    },
    {
        "role": "user",
        "content": query
    }
]

# ChatGPT API 호출하기
response = openai.ChatCompletion.create(
    model=model,
    messages=messages
)
answer = response['choices'][0]['message']['content']
print(answer)

화성에 정착한다면 건축물은 지구와는 달리 매우 다른 환경에 적응해야 합니다. 그러므로 건축물의 외형도 많이 달라질 것으로 예상됩니다.

첫째로 먼지와 폭풍우 등의 기상 조건을 고려해야 합니다. 건축물은 외부 영향과 교감하지 않고 방어할 수 있어야 합니다. 그렇기 때문에 건물의 외벽은 얇아서는 안 됩니다. 원통형이나 구형 등을 생각할 수 있으며, 일반적인 적출이 아닌 설정을 고려할 수 있습니다.

둘째로, 화성에서의 에너지 문제를 해결해야 합니다. 한강의 수력 발전소처럼 대규모인 경우는 건축적 인프라로 신경 써야 합니다. 또한, 화성은 자외선이 강하므로 건축물은 자외선 차단 렌즈가 필요할 것입니다. 따라서 건축물은 자외선 차단재를 사용하여 철저하게 보호할 필요가 있습니다.

마지막으로, 필요한 다른 물질을 도입하기 위해 건축물에는 방사선 방어 대책이 필요합니다. 이를 위해 건축물 내부에 목재나 금속 등의 장치를 사용하여 방사능을 차단할 수 있습니다.

이러한 고려 사항을 고려하여, 화성에는 고대 시대의 전통적인 건축양식이 아닌 전처기 건축이 출현할 것으로 예상됩니다. 그러므로 건축물은 간결하면서도 기능적으로 구성될 것으로 보입니다.

더 구체적인 묘사를 요청하기

앞에서 ChatGPT가 응답한 결과 ‘answer’를 어시스턴트 메시지로 추가합니다. 이렇게 하면 API 요청 시 ChatGPT가 이전에 자신이 응답한 결과를 알 수 있어 대화의 흐름을 유지할 수 있습니다. 이번에는 사용자 메시지로 외형 묘사를 더 자세히 해달라고 작성합니다. 이번에도 마찬가지로 결과를 ‘answer2’에 할당합니다.

# 이전 어시스턴트 응답 메시지 추가
messages.append(
    {
        "role": "assistant",
        "content": answer
    },
)

# 사용자 메시지 추가
messages.append(
    {
        "role": "user", 
        "content": "위 내용을 바탕으로 외형적인 모습을 더 자세히 상상해서 묘사해주세요."
    }
)

# ChatGPT API 호출하기
response = openai.ChatCompletion.create(
    model=model,
    messages=messages
)
answer2 = response['choices'][0]['message']['content']
print(answer2)

화성에 정착한다면 건축물은 지구와는 달리 매우 다른 환경에 적응해야 합니다. 그러므로 건축물의 외형도 많이 달라질 것으로 예상됩니다.

화성에서의 기상 조건은 지구와는 크게 다릅니다. 먼지와 폭풍우 등의 자연 현상이 매우 많고 강하기 때문에 건축물은 외부 영향과 교감하지 않고 방어할 수 있어야 합니다. 따라서 건물의 외벽은 매우 튼튼하면서도 엄청난 내구성과 경량을 가진 철재로 만들어질 것입니다. 건물의 형태는 원통형이나 구형 등으로 균형을 유지할 수 있도록 설계될 것입니다.

화성에서의 에너지 문제를 해결하기 위해서 건축물은 대규모인 경우 천공 태양광 패널로 구성될 수 있습니다. 이를 통해 건물 내부 전기를 공급할 수 있고 자외선 차단을 위한 창문은 자외선 차단재를 사용하여 철저하게 보호될 것입니다.

또한, 건물 내부는 방사능을 차단하는 장치로 보호될 것입니다. 이를 위해서 건축물 내부에는 목재나 금속 등으로 된 장치와 방사능 차단재가 사용될 것입니다. 따라서 건물 외부 벽면도 완전한 방사능 차단 재질로 만들어질 것입니다.

화성 건축물은 화성의 환경적 특성 상 간결하면서도 기능적인 구조의 건물이 될 것입니다. 굴착 방식으로 만들어질 수도 있고, 외부와 내부를 잘 분리해 단단한 기반 위에 건축할 수도 있을 것입니다. 이 같은 구조들은 화성 정착에 필수적인 역할을 할 것입니다.

영어 번역 요청하기

이번에는 앞의 응답결과를 영어로 번역해달라고 요청합니다. 메시지를 새로 구성해 시스템 메시지로 어시스턴트의 역할을 번역을 잘하는 역할로 설정합니다. 출력 결과는 ‘answer3’에 할당합니다.

# 새 메시지 구성
messages = [
    {
        "role": "system",
        "content": "You are a helpful assistant who is good at translating."
    },
    {
        "role": "assistant",
        "content": answer2
    }
]

# 사용자 메시지 추가
messages.append(
    {
        "role": "user", 
        "content": "영어로 번역해주세요."
    }
)

# ChatGPT API 호출하기
response = openai.ChatCompletion.create(
    model=model,
    messages=messages
)
answer3 = response['choices'][0]['message']['content']
print(answer3)

If settling on Mars, buildings will need to adapt to a very different environment compared to Earth. Therefore, the appearance of buildings is expected to be quite different.

The weather conditions on Mars are vastly different from those on Earth. Natural phenomena such as dust storms and gusts are very frequent and strong, so buildings need to be able to withstand external influences and defend against them. Therefore, the exterior walls of buildings will be made of very sturdy and lightweight steel with great durability. The shape of the building will be designed to maintain balance, such as cylindrical or spherical.

To address the energy problem on Mars, buildings may be composed of large-scale perforated solar panels. Thus, interior electricity can be supplied, and windows for ultraviolet ray protection will be thoroughly protected by using ultraviolet-blocking agents.

In addition, the building's interior will be protected by a device that blocks radiation. To accomplish this, devices made of materials such as wood or metal and radiation-blocking agents will be used inside the building. Therefore, the exterior walls of the building will also be made of completely radiation-blocking materials.

Mars buildings will be functional structures designed to be concise and functional given Martian environmental characteristics. They can be made by excavation or built on a sturdy foundation, well-separating the exterior and interior. Such structures will play a crucial role in the settlement of Mars.

이미지 생성을 위한 프롬프트 작성 요청하기

영어로 번역된 결과를 바탕으로 이미지 생성 AI 사용 시 필요한 프롬프트 문장을 작성합니다. 새 메시지를 구성하고, 시스템 메시지로 이미지 생성을 위해 프롬프트를 생성하는 걸 잘하는 역할을 어시스턴트에게 부여합니다. 그리고 사용자 메시지로 프롬프트를 작성해달라는 내용을 작성합니다. 이 결과를 ‘answer4’에 할당합니다.

# 새 메시지 구성
messages = [
    {
        "role": "system",
        "content": "You are an assistant who is good at creating prompts for image creation."
    },
    {
        "role": "assistant",
        "content": answer3
    }
]

# 사용자 메시지 추가
messages.append(
    {
        "role": "user", 
        "content": "Condense up to 4 outward description to focus on nouns and adjectives separated by ,"
    }
)

# ChatGPT API 호출하기
response = openai.ChatCompletion.create(
    model=model,
    messages=messages
)
answer4 = response['choices'][0]['message']['content']
print(answer4)

Sturdy, lightweight, steel walls. Cylindrical or spherical shape. Large-scale perforated solar panels. Radiation-blocking interior devices.

프롬프트 완성하기

프롬프트에 스타일을 추가하면 더 고품질의 이미지를 얻을 수 있습니다. 앞에서 추출한 키워드들과 이미지를 꾸며주는 파라미터를 적절히 섞어 ‘prompt’에 할당합니다. 뒤에서 이 값을 Karlo와 DALL-E API의 인자로 입력합니다.

# 이미지 생성을 위한 프롬프트
params = ", concept art, realistic lighting, ultra-detailed, 8K, photorealism, digital art"
prompt = f"Futuristic mars villages, {answer4}{params}"
print(prompt)

Futuristic mars villages, Sturdy, lightweight, steel walls. Cylindrical or spherical shape. Large-scale perforated solar panels. Radiation-blocking interior devices., concept art, realistic lighting, ultra-detailed, 8K, photorealism, digital art

Karlo에게 이미지 생성 요청하기

앞에서 생성한 이미지 생성을 위한 프롬프트 결과인 ‘prompt’ 값을 karlo api에 전달해 이미지 생성을 요청합니다.

# 이미지 생성하기 REST API 호출
img_dict = karlo.text_to_image(prompt, 1)

# 생성된 이미지 정보
img_str = img_dict.get("images")[0].get('image')

# base64 string을 이미지로 변환
img = karlo.string_to_image(base64_string = img_str, mode = 'RGBA')
img

DALL-E에게 이미지 생성 요청하기

‘openai’ 라이브러리를 이용하면 ChatGPT API 외에도 DALL-E API도 사용할 수 있습니다. ‘openai.Image.create()’에 이미지 생성을 위해 필요한 프롬프트를 입력하고, 출력할 이미지의 갯수와 크기를 설정하기만 하면 됩니다. 생성된 이미지는 URL 형태로 제공되므로 requests 라이브러리로 해당 URL의 이미지를 별도로 불러와야 합니다.

import requests
from PIL import Image
from io import BytesIO

response = openai.Image.create(
  prompt=prompt,
  n=1,
  size="1024x1024"
)
image_url = response['data'][0]['url']
res = requests.get(image_url)
img = Image.open(BytesIO(res.content))
img

참고

PublicDataReader - 토지소유정보 조회하기

Tue, 24 Jan 2023 00:00:00 +0900

국토교통부 토지소유정보 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 공공데이터포털에서 제공하는 국토교통부 토지소유정보 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

국토교통부 토지소유정보 서비스

토지소유정보 조회 서비스 신청 페이지

PublicDataReader 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

오픈 API 서비스 키 입력하기

service_key = "공공데이터포털에서 발급받은 서비스 키"

국토교통부 토지소유정보 조회 API 인스턴스 정의하기

PublicDataReader 라이브러리에서 LandOwnership라는 클래스를 가져와 api 라는 토지소유정보 조회 API 인스턴스를 생성합니다. 이 때, service_key 값을 인자로 입력합니다.

from PublicDataReader import LandOwnership
api = LandOwnership(service_key)

시군구코드와 법정동코드 조회하기

토지소유정보를 조회하려면 조회할 토지나 임야 필지가 속해 있는 시군구와 법정동 정보를 알아야 합니다. 예를 들어, 경기도 성남시 분당구 백현동에 있는 필지의 대장 정보를 조회한다고 가정하면, 분당구 백현동에 해당하는 시군구코드와 법정동코드 정보를 알아야 합니다. 아래 코드는 PublicDataReader 라이브러리를 사용하여 분당구 백현동과 일치하는 행을 찾는 작업을 수행합니다.

먼저 PublicDataReader 라이브러리를 가져와 pdr라는 별칭으로 사용 할 수 있도록 합니다.
‘sigungu_name = “분당구” bdong_name = “백현동” 이 부분에서 검색할 시군구와 읍면동을 변수에 저장합니다.
code = pdr.code_bdong() code라는 변수에 pdr의 code_bdong() 함수를 실행하여 그 결과값을 저장합니다. 이 함수는 시군구와 읍면동에 해당하는 코드를 포함하는 데이터프레임을 반환합니다.
code.loc[(code[‘시군구명’].str.contains(sigungu_name)) & (code[‘읍면동명’]==bdong_name)] 이 부분에서는 시군구명열에서 ‘분당구’를 포함하는 행과 읍면동명열에서 ‘백현동’인 행을 검색하는 검색식을 작성합니다.

조회 결과를 살펴보면 분당구에 해당하는 시군구코드는 41135이고, 백현동에 해당하는 법정동코드는 4113511000인 것을 알 수 있습니다. 법정동코드 10자리 중 처음 5자리는 시군구코드와 같고, 이후 5자리는 읍면동코드를 의미합니다. 주택인허가 조회 시 시군구코드와 법정동코드를 사용하는데, 이때 사용되는 법정동코드는 5자리 읍면동코드입니다. 즉, 주택인허가 조회 시 사용할 시군구코드는 41135이고, 법정동코드는 11000이 됩니다.

import PublicDataReader as pdr
sigungu_name = "분당구"
bdong_name = "백현동"
code = pdr.code_bdong()
code.loc[(code['시군구명'].str.contains(sigungu_name)) &
         (code['읍면동명']==bdong_name)]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	동리명	생성일자	말소일자
5162	41	경기도	41135	성남시 분당구	4113511000	백현동		19930115

토지소유정보 조회 서비스

입력 명세

항목명	설명	데이터 타입	샘플 데이터	항목구분
pnu_code	PNU코드: 각 필지를 서로 구별하기 위하여 필지마다 붙이는 고유한 번호	String	540	필수
translate	컬럼명 한글 표시 여부 (한글 표시: True, 영문 표시: False) ※ 기본값: True	Boolean	True	선택
verbose	데이터 조회 진행 상황 메시지 출력 여부 (출력: True, 미출력: False) ※ 기본값: False	Boolean	False	선택
wait_time	API 추가 요청 시 대기 시간(초) (30초: 30) ※ 기본값: 30	Integer	30	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
고유번호	pnu	각 필지를 서로 구별하기 위하여 필지마다 붙이는 고유한 번호	1165010800113320000
법정동코드	ldCode	토지가 소재한 행정구역코드(법정동코드) 10자리	1165010800
법정동명	ldCodeNm	토지가 소재한 소재지의 행정구역 명칭(법정동명)	서울특별시 서초구 서초동
대장구분코드	regstrSeCode	토지가 위치한 토지의 대장 구분 (토지(임야)대장구분)코드	1
대장구분명	regstrSeCodeNm	토지가 위치한 토지의 대장 구분 (토지(임야)대장구분)	토지대장
지번	mnnmSlno	필지에 부여하여 지적공부에 등록한 번호	1332-11
집합건물일련번호	agbldgSn	집합건물일련번호	5091
건물동명	buldDongNm	건물동명	202
건물층명	buldFloorNm	건물층명	17
건물호명	buldHoNm	건물호명	1702
건물실명	buldRoomNm	건물실명	5
공유인일련번호	cnrsPsnSn	공유인일련번호	1
기준연월	stdrYm	기준연월	42583
지목코드	lndcgrCode	토지의 주된 용도에 따라 토지의 종류를 구분한 지목코드	8
지목	lndcgrCodeNm	토지의 주된 용도에 따라 토지의 종류를 구분한 지목코드의 코드정보	대
토지면적(㎡)	ndpclAr	지적공부에 등록한 필지의 수평면상 넓이(㎡)	122
공시지가(원/㎡)	pblntfPclnd	대한민국의 건설교통부가 토지의 가격을 조사, 감정을 해 공시함. 개별토지에한 공시 가격(원/㎡)	1544000
소유구분코드	posesnSeCode	국토를 토지 소유권 취득 주체에 따라 구분한 코드	4
소유구분	posesnSeCodeNm	국토를 토지 소유권 취득 주체에 따라 구분	시, 도유지
거주지구분코드	resdncSeCode	거주지구분코드	ZZ
거주지구분	resdncSeCodeNm	거주지구분	구분없음
국가기관구분코드	nationInsttSeCode	국가기관구분코드	2
국가기관구분	nationInsttSeCodeNm	국가기관구분	지자체
소유권변동원인코드	ownshipChgCauseCode	소유권변동원인코드	5
소유권변동원인	ownshipChgCauseCodeNm	소유권변동원인	성명(명칭)변경
소유권변동일자	ownshipChgDe	소유권변동일자	34080
공유인수	cnrsPsnCo	공유인수	0
데이터기준일자	lastUpdtDt	데이터 작성 기준일자	42597

from PublicDataReader import LandOwnership

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = LandOwnership(service_key)

df = api.get_data(
    pnu_code="4113511000105420000", 
)
df.head()

	고유번호	법정동코드	법정동명	대장구분코드	대장구분명	지번	집합건물일련번호	건물동명	건물층명	건물호명	...	거주지구분코드	거주지구분	국가기관구분코드	국가기관구분	소유권변동원인코드	소유권변동원인	소유권변동일자	공유인수	데이터기준일자	lndpclAr
0	4113511000105420000	4113511000	경기도 성남시 분당구 백현동	1	토지대장	542	0017	101	1	101	...	02	시도내	ZZ	구분없음	03	소유권이전	2011-11-02	1	2023-01-14	34.04
1	4113511000105420000	4113511000	경기도 성남시 분당구 백현동	1	토지대장	542	0017	101	1	101	...	03	읍면동내	ZZ	구분없음	03	소유권이전	2011-11-02	1	2023-01-14	34.04
2	4113511000105420000	4113511000	경기도 성남시 분당구 백현동	1	토지대장	542	0017	101	1	103	...	46	관외(전남)	ZZ	구분없음	03	소유권이전	2011-11-17	1	2023-01-14	34.04
3	4113511000105420000	4113511000	경기도 성남시 분당구 백현동	1	토지대장	542	0017	101	1	103	...	46	관외(전남)	ZZ	구분없음	03	소유권이전	2011-11-17	1	2023-01-14	34.04
4	4113511000105420000	4113511000	경기도 성남시 분당구 백현동	1	토지대장	542	0017	101	10	1001	...	03	읍면동내	ZZ	구분없음	03	소유권이전	2011-10-27	1	2023-01-14	34.04

5 rows × 29 columns

(참고) 건축물대장에서 PNU코드 목록 조회

법정동코드 목록 확인

import PublicDataReader as pdr
code_bdong = pdr.code_bdong()
code_bdong.loc[
    (code_bdong['시도명']=='서울특별시') &
    (code_bdong['말소일자']=='') &
    (code_bdong['시군구명']=='서초구')
]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	생성일자
975	11	서울특별시	11650	서초구	1165000000		19880423
977	11	서울특별시	11650	서초구	1165010100	방배동	19890427
978	11	서울특별시	11650	서초구	1165010200	양재동	19920701
979	11	서울특별시	11650	서초구	1165010300	우면동	19920701
980	11	서울특별시	11650	서초구	1165010400	원지동	19920701
982	11	서울특별시	11650	서초구	1165010600	잠원동	19880423
983	11	서울특별시	11650	서초구	1165010700	반포동	19880423
984	11	서울특별시	11650	서초구	1165010800	서초동	19880423
985	11	서울특별시	11650	서초구	1165010900	내곡동	19880423
986	11	서울특별시	11650	서초구	1165011000	염곡동	19880423
987	11	서울특별시	11650	서초구	1165011100	신원동	19880423

건축물대장 조회 후 PNU코드 생성

from PublicDataReader import BuildingLedger
bl = BuildingLedger(service_key)
buildings = bl.get_data("총괄표제부", sigungu_code="11650", bdong_code="10300")
transform_dict = {
    "0": "1",
    "1": "2",
    "2": "3",
}
buildings['필지구분코드'] = buildings['대지구분코드'].replace(transform_dict)
buildings['PNU'] = buildings['시군구코드'] + buildings['법정동코드'] + buildings['필지구분코드'] + buildings['번'].str.zfill(4) + buildings['지'].str.zfill(4)
buildings['필지구분코드'].value_counts()

1    27
2     1
Name: 필지구분코드, dtype: int64

필지구분코드로 PNU코드 list_iterator 객체 생성

it = iter(list(buildings.loc[buildings['필지구분코드']=='2']['PNU']))

토지소유정보 조회

pnu_code = next(it)
print(pnu_code)
df = api.get_data("1165010300200360000")
df.head()

1165010300200360000

	고유번호	법정동코드	법정동명	대장구분코드	대장구분명	지번	집합건물일련번호	건물동명	건물층명	건물호명	...	거주지구분코드	거주지구분	국가기관구분코드	국가기관구분	소유권변동원인코드	소유권변동원인	소유권변동일자	공유인수	데이터기준일자	lndpclAr
0	1165010300200360000	1165010300	서울특별시 서초구 우면동	2	임야대장	36	0000	0000	0000	0000	...	ZZ	구분없음	01	중앙부처	03	소유권이전	1964-04-01	0	2023-01-14	14777

1 rows × 29 columns

참고

PublicDataReader - 토지대장 및 임야대장 조회하기

Tue, 24 Jan 2023 00:00:00 +0900

국토교통부 토지임야정보 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 공공데이터포털에서 제공하는 국토교통부 토지임야정보 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

국토교통부 토지임야정보 서비스

토지임야정보 조회 서비스 신청 페이지

PublicDataReader 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

오픈 API 서비스 키 입력하기

service_key = "공공데이터포털에서 발급받은 서비스 키"

국토교통부 토지임야정보 조회 API 인스턴스 정의하기

PublicDataReader 라이브러리에서 LandForestLedger라는 클래스를 가져와 api 라는 토지임야정보 조회 API 인스턴스를 생성합니다. 이 때, service_key 값을 인자로 입력합니다.

from PublicDataReader import LandForestLedger
api = LandForestLedger(service_key)

시군구코드와 법정동코드 조회하기

토지임야정보를 조회하려면 조회할 토지나 임야 필지가 속해 있는 시군구와 법정동 정보를 알아야 합니다. 예를 들어, 경기도 성남시 분당구 백현동에 있는 필지의 대장 정보를 조회한다고 가정하면, 분당구 백현동에 해당하는 시군구코드와 법정동코드 정보를 알아야 합니다. 아래 코드는 PublicDataReader 라이브러리를 사용하여 분당구 백현동과 일치하는 행을 찾는 작업을 수행합니다.

먼저 PublicDataReader 라이브러리를 가져와 pdr라는 별칭으로 사용 할 수 있도록 합니다.
‘sigungu_name = “분당구” bdong_name = “백현동” 이 부분에서 검색할 시군구와 읍면동을 변수에 저장합니다.
code = pdr.code_bdong() code라는 변수에 pdr의 code_bdong() 함수를 실행하여 그 결과값을 저장합니다. 이 함수는 시군구와 읍면동에 해당하는 코드를 포함하는 데이터프레임을 반환합니다.
code.loc[(code[‘시군구명’].str.contains(sigungu_name)) & (code[‘읍면동명’]==bdong_name)] 이 부분에서는 시군구명열에서 ‘분당구’를 포함하는 행과 읍면동명열에서 ‘백현동’인 행을 검색하는 검색식을 작성합니다.

import PublicDataReader as pdr
sigungu_name = "분당구"
bdong_name = "백현동"
code = pdr.code_bdong()
code.loc[(code['시군구명'].str.contains(sigungu_name)) &
         (code['읍면동명']==bdong_name)]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	동리명	생성일자	말소일자
5162	41	경기도	41135	성남시 분당구	4113511000	백현동		19930115

토지임야목록 조회 서비스

입력 명세

항목명	설명	데이터 타입	샘플 데이터	항목구분
pnu_code	PNU코드: 각 필지를 서로 구별하기 위하여 필지마다 붙이는 고유한 번호	String	540	선택
translate	컬럼명 한글 표시 여부 (한글 표시: True, 영문 표시: False) ※ 기본값: True	Boolean	True	선택
verbose	데이터 조회 진행 상황 메시지 출력 여부 (출력: True, 미출력: False) ※ 기본값: False	Boolean	False	선택
wait_time	API 추가 요청 시 대기 시간(초) (30초: 30) ※ 기본값: 30	Integer	30	선택

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
고유번호	pnu	각 필지를 서로 구별하기 위하여 필지마다 붙이는 고유한 번호	1.11101E+18
법정동명	ldCodeNm	토지가 소재한 소재지의 행정구역코드(법정동코드) 10자리	서울특별시 종로구 청운동
법정동코드	ldCode	토지가 소재한 소재지의 행정구역 명칭(법정동명)	1111010100
지번	mnnmSlno	필지에 부여하여 지적공부에 등록한 번호	126-25
대장구분코드	regstrSeCode	토지가 위치한 토지의 대장 구분 (토지(임야)대장구분)코드	1
대장구분명	regstrSeCodeNm	코드 정보	토지대장
지목코드	lndcgrCode	토지의 주된 용도에 따라 토지의 종류를 구분한 지목코드	8
지목명	lndcgrCodeNm	코드 정보	대
면적(㎡)	lndpclAr	지적공부에 등록한 필지의 수평면상 넓이(㎡)	376.9
소유구분코드	posesnSeCode	국토를 토지 소유권 취득 주체에 따라 구분한 코드	6
소유구분명	posesnSeCodeNm	코드 정보	법인
소유(공유)인수(명)	cnrsPsnCo	토지를 공동 소유하고있는 사람수(명)	2
축척구분코드	ladFrtlSc	토지(임야)대장에 등록된 지적도(임야도)의 축척구분 코드	6
축척구분명	ladFrtlScNm	코드 정보	0.458333333
데이터기준일자	lastUpdtDt	데이터 작성 기준일자	2015-11-12

from PublicDataReader import LandForestLedger

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = LandForestLedger(service_key)

df = api.get_data(
    pnu_code="4113511000105420000", 
)
df.head()

	고유번호	법정동명	법정동코드	지번	대장구분코드	대장구분명	지목코드	지목명	면적(㎡)	소유구분코드	소유구분명	소유(공유)인수(명)	축척구분코드	축척구분명	데이터기준일자
0	4113511000105420000	경기도 성남시 분당구 백현동	4113511000	542-0	1	토지대장	08	대	65893.5	01	개인	0	00	수치	2022-06-07

(참고) 건축물대장에서 PNU코드 목록 조회

법정동코드 목록 확인

import PublicDataReader as pdr
code_bdong = pdr.code_bdong()
code_bdong.loc[
    (code_bdong['시도명']=='서울특별시') &
    (code_bdong['말소일자']=='') &
    (code_bdong['시군구명']=='서초구')
]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	생성일자
975	11	서울특별시	11650	서초구	1165000000		19880423
977	11	서울특별시	11650	서초구	1165010100	방배동	19890427
978	11	서울특별시	11650	서초구	1165010200	양재동	19920701
979	11	서울특별시	11650	서초구	1165010300	우면동	19920701
980	11	서울특별시	11650	서초구	1165010400	원지동	19920701
982	11	서울특별시	11650	서초구	1165010600	잠원동	19880423
983	11	서울특별시	11650	서초구	1165010700	반포동	19880423
984	11	서울특별시	11650	서초구	1165010800	서초동	19880423
985	11	서울특별시	11650	서초구	1165010900	내곡동	19880423
986	11	서울특별시	11650	서초구	1165011000	염곡동	19880423
987	11	서울특별시	11650	서초구	1165011100	신원동	19880423

건축물대장 조회 후 PNU코드 생성

from PublicDataReader import BuildingLedger
bl = BuildingLedger(service_key)
buildings = bl.get_data("총괄표제부", sigungu_code="11650", bdong_code="10300")
transform_dict = {
    "0": "1",
    "1": "2",
    "2": "3",
}
buildings['필지구분코드'] = buildings['대지구분코드'].replace(transform_dict)
buildings['PNU'] = buildings['시군구코드'] + buildings['법정동코드'] + buildings['필지구분코드'] + buildings['번'].str.zfill(4) + buildings['지'].str.zfill(4)
buildings['필지구분코드'].value_counts()

1    27
2     1
Name: 필지구분코드, dtype: int64

필지구분코드로 PNU코드 list_iterator 객체 생성

it = iter(list(buildings.loc[buildings['필지구분코드']=='2']['PNU']))

토지임야정보 조회

pnu_code = next(it)
print(pnu_code)
api.get_data(pnu_code=pnu_code)

1165010300200360000

	고유번호	법정동명	법정동코드	지번	대장구분코드	대장구분명	지목코드	지목명	면적(㎡)	소유구분코드	소유구분명	소유(공유)인수(명)	축척구분코드	축척구분명	데이터기준일자
0	1165010300200360000	서울특별시 서초구 우면동	1165010300	36-0	2	임야대장	05	임야	14777	02	국유지	0	30	1:3000	2022-06-07

참고

PublicDataReader - 주택인허가 데이터 조회하기

Tue, 24 Jan 2023 00:00:00 +0900

국토교통부 주택인허가정보 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 공공데이터포털에서 제공하는 국토교통부 주택인허가정보 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

국토교통부 주택인허가정보 서비스

주택인허가정보 서비스 신청 페이지

서비스명	대장 유형
주택인허가 기본개요 조회	기본개요
주택인허가 동별개요 조회	동별개요
주택인허가 층별개요 조회	층별개요
주택인허가 호별개요 조회	호별개요
주택인허가 부대시설 조회	부대시설
주택인허가 오수정화시설 조회	오수정화시설
주택인허가 주차장 조회	주차장
주택인허가 부설주차장 조회	부설주차장
주택인허가 전유공용면적 조회	전유공용면적
주택인허가 행위호전유공용면적 조회	행위호전유공용면적
주택인허가 행위개요 조회	행위개요
주택인허가 관리공동형별개요 조회	관리공동형별개요
주택인허가 관리공동부대복리시설 조회	관리공동부대복리시설
주택인허가 지역지구구역 조회	지역지구구역
주택인허가 복리분양시설 조회	복리분양시설
주택인허가 대지위치 조회	대지위치

PublicDataReader 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

오픈 API 서비스 키 입력하기

service_key = "공공데이터포털에서 발급받은 서비스 키"

국토교통부 주택인허가정보 조회 API 인스턴스 정의하기

PublicDataReader 라이브러리에서 HousingLicense라는 클래스를 가져와 api 라는 주택인허가정보 조회 API 인스턴스를 생성합니다. 이 때, service_key 값을 인자로 입력합니다.

from PublicDataReader import HousingLicense
api = HousingLicense(service_key)

데이터 조회 시 필요한 입력 항목

이름	설명	데이터 타입	샘플 데이터	항목구분
service_type	서비스 유형 (기본개요, 동별개요, 층별개요, 호별개요, 부대시설, 오수정화시설, 주차장, 부설주차장, 전유공용면적, 행위호전유공용면적, 행위개요, 관리공동형별개요, 관리공동부대복리시설, 지역지구구역, 복리분양시설, 대지위치)	String	총괄표제부	필수
sigungu_code	시군구의 5자리 지역코드 (서울 서초구: 11650, 경기 성남 분당구: 41135)	String	41135	필수
bdong_code	읍면동의 5자리 지역코드 (서울 서초구 잠원동: 10600, 경기 성남 분당구 백현동: 11000)	String	11000	필수
plat_code	대지구분 코드 (대지: 0, 산: 1, 블록: 2)	String	540	선택
bun	주소 번지의 본번 (350번지: 350)	String	540	선택
ji	주소 번지의 부번 (350-20번지: 20)	String	nan	선택
translate	컬럼명 한글 표시 여부 (한글 표시: True, 영문 표시: False) ※ 기본값: True	Boolean	True	선택
verbose	데이터 조회 진행 상황 메시지 출력 여부 (출력: True, 미출력: False) ※ 기본값: False	Boolean	False	선택
wait_time	API 추가 요청 시 대기 시간(초) (30초: 30) ※ 기본값: 30	Integer	30	선택

시군구코드와 법정동코드 조회하기

주택인허가정보를 조회하려면 조회할 인허가 대상 주택이 속해 있는 시군구와 법정동 정보를 알아야 합니다. 예를 들어, 경기도 성남시 분당구 백현동에 있는 인허가 대상 주택의 대장 정보를 조회한다고 가정하면, 분당구 백현동에 해당하는 시군구코드와 법정동코드 정보를 알아야 합니다. 아래 코드는 PublicDataReader 라이브러리를 사용하여 분당구 백현동과 일치하는 행을 찾는 작업을 수행합니다.

먼저 PublicDataReader 라이브러리를 가져와 pdr라는 별칭으로 사용 할 수 있도록 합니다.
‘sigungu_name = “분당구” bdong_name = “백현동” 이 부분에서 검색할 시군구와 읍면동을 변수에 저장합니다.
code = pdr.code_bdong() code라는 변수에 pdr의 code_bdong() 함수를 실행하여 그 결과값을 저장합니다. 이 함수는 시군구와 읍면동에 해당하는 코드를 포함하는 데이터프레임을 반환합니다.
code.loc[(code[‘시군구명’].str.contains(sigungu_name)) & (code[‘읍면동명’]==bdong_name)] 이 부분에서는 시군구명열에서 ‘분당구’를 포함하는 행과 읍면동명열에서 ‘백현동’인 행을 검색하는 검색식을 작성합니다.

import PublicDataReader as pdr
sigungu_name = "분당구"
bdong_name = "백현동"
code = pdr.code_bdong()
code.loc[(code['시군구명'].str.contains(sigungu_name)) &
         (code['읍면동명']==bdong_name)]

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	동리명	생성일자	말소일자
5162	41	경기도	41135	성남시 분당구	4113511000	백현동		19930115

주택인허가 기본개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
용도코드	purpsCd	용도코드
용도코드명	purpsCdNm	용도코드명
구조코드	strctCd	구조코드
구조코드명	strctCdNm	구조코드명
주건축물수	mainBldCnt	주건축물수	5
연면적	totArea	연면적	60358.78
총세대수(세대)	totHhldCnt	총세대수(세대)	212
철거멸실구분코드	demolExtngGbCd	철거멸실구분코드
철거멸실구분코드명	demolExtngGbCdNm	철거멸실구분코드명
철거시작일	demolStrtDay	철거시작일
철거종료일	demolEndDay	철거종료일
철거멸실일	demolExtngDay	철거멸실일
건축허가일	apprvDay	건축허가일	20040616
착공예정일	stcnsSchedDay	착공예정일
착공일	stcnsDay	착공일
사용검사예정일	useInsptDay	사용검사예정일
사용검사일	useInsptSchedDay	사용검사일
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="기본개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	건물명	특수지명	블록	로트	용도코드	용도코드명	구조코드	구조코드명	주건축물수	연면적(㎡)	...	사용검사예정일	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK
0	None	None	None	None	None	None	None	None	0	0	...	20110925	20111014	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100010353

1 rows × 30 columns

주택인허가 동별개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
주용도코드명	mainPurpsCdNm	주용도코드명	공동주택
세대수국민임대(세대)	hhldCntPeplRent	세대수국민임대(세대)	0
세대수공공임대5(세대)	hhldCntPubRent_5	세대수공공임대5(세대)	0
세대수공공임대10(세대)	hhldCntPubRent_10	세대수공공임대10(세대)	0
세대수공공임대기타(세대)	hhldCntPubRentEtc	세대수공공임대기타(세대)	0
세대수공공임대계(세대)	hhldCntPubRentTot	세대수공공임대계(세대)	0
세대수공공분양(세대)	hhldCntPubLotou	세대수공공분양(세대)	0
세대수사원임대(세대)	hhldCntEmplRent	세대수사원임대(세대)	0
세대수근로복지(세대)	hhldCntLaborWlfar	세대수근로복지(세대)	0
세대수민간임대(세대)	hhldCntCvlRent	세대수민간임대(세대)	0
세대수민간분양(세대)	hhldCntCvlLotou	세대수민간분양(세대)	0
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
지붕코드	roofCd	지붕코드	10
지붕코드명	roofCdNm	지붕코드명	(철근)콘크리트
건축면적(㎡)	archArea	건축면적(㎡)	522.89
연면적(㎡)	totArea	연면적(㎡)	21382.26
지하면적(㎡)	ugrndArea	지하면적(㎡)	21382.26
용적률산정연면적(㎡)	vlRatEstmTotArea	용적률산정연면적(㎡)	0
지하층수	ugrndFlrCnt	지하층수	2
지상층수	grndFlrCnt	지상층수	0
높이(m)	heit	높이(m)	0
승용승강기수	rideUseElvtCnt	승용승강기수	0
비상용승강기수	emgenUseElvtCnt	비상용승강기수	0
층고FROM	flrhFrom	층고FROM	0
반자높이(m)	ceilHeit	반자높이(m)
계단유효폭	stairValidWidth	계단유효폭	0
복도너비	hwayWidth	복도너비	0
외벽두께	ouwlThick	외벽두께	0
인접세대벽두께	adjHhldWallThick	인접세대벽두께	0
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-24903
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
주부속구분코드	mainAtchGbCd	주부속구분코드	1
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	부속건축물
동명칭	dongNm	동명칭	주차장
주용도코드	mainPurpsCd	주용도코드	2000

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="동별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	주용도코드명	세대수국민임대(세대)	세대수공공임대5(세대)	세대수공공임대10(세대)	세대수공공임대기타(세대)	세대수공공임대계(세대)	세대수공공분양(세대)	세대수사원임대(세대)	세대수근로복지(세대)	세대수민간임대(세대)	...	관리동별개요PK	관리주택대장PK	건물명	특수지명	블록	로트	주부속구분코드	주부속구분코드명	동명칭	주용도코드
0	제2종근린생활시설	0	0	0	0	0	0	0	0	0	...	41135-100005729	41135-100010913	None	None	None	None	0	주건축물	203동	04000

1 rows × 48 columns

주택인허가 층별개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
관리층별개요PK	mgmFlrOulnPk	관리층별개요PK	11680-128503
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-183
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
동명칭	dongNm	동명칭	주차장
층번호	flrNo	층번호	-1
층구분코드	flrGbCd	층구분코드	10
층구분코드명	flrGbCdNm	층구분코드명	지하
층면적(㎡)	flrArea	층면적(㎡)	10492.76
용도코드	purpsCd	용도코드	2001
용도코드명	purpsCdNm	용도코드명	아파트
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="층별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	관리층별개요PK	관리동별개요PK	건물명	특수지명	블록	로트	동명칭	층번호	층구분코드	층구분코드명	...	용도코드	용도코드명	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지
0	41130-100018136	41130-637	판교 푸르지오그랑블	None	None	None	101동	20	20	지상	...	02001	아파트	20180913	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000

1 rows × 21 columns

주택인허가 호별개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리호별명세PK	mgmHoDetlPk	관리호별명세PK	11680-393103
관리동별개요PK	mgmDongOulnPk	관리동별개요PK	11680-24503
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
동명칭	dongNm	동명칭	104동
층번호	flrNo	층번호	12
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
호번호	hoNo	호번호	22
호명칭	hoNm	호명칭	1201
평형구분명	pngtypGbNm	평형구분명	48p
변경구분코드	changGbCd	변경구분코드
변경구분코드명	changGbCdNm	변경구분코드명
생성일자	crtnDay	생성일자	20100903

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="호별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리호별명세PK	관리동별개요PK	건물명	...	동명칭	층번호	층구분코드	층구분코드명	호번호	호명칭	평형구분명	변경구분코드	변경구분코드명	생성일자
0	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41130-100039051	41130-648	판교 푸르지오그랑블	...	112동	1	20	지상	1	101	128	None	None	20180913

1 rows × 23 columns

주택인허가 부대시설 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
부대시설종류코드	sbsdfcKindCd	부대시설종류코드	11
부대시설종류코드명	sbsdfcKindCdNm	부대시설종류코드명	전기
기타시설종류	etcFcKind	기타시설종류
설치현황	instalCurst	설치현황	전용 60M2이하 3Kw, 60M2초과시 10M2당 0.3Kw가산
단지내현황	cmplxinCurst	단지내현황	48평형:8Kw, 55평형:8Kw, 61A평형:9Kw, 61B평형:9Kw
단지외현황	cmplxbyndCurst	단지외현황
변경전설치현황	changbefInstalCurst	변경전설치현황
변경전단지내현황	changbefCmplxinCurst	변경전단지내현황
변경전단지외현황	changbefCmplxbyndCurst	변경전단지외현황
전부대종류코드	befSbsdKindCd	전부대종류코드
전부대종류코드명	befSbsdKindCdNm	전부대종류코드명
전기타시설종류	befEtcFcKind	전기타시설종류
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="부대시설", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK	건물명	특수지명	블록	...	단지내현황	단지외현황	변경전설치현황	변경전단지내현황	변경전단지외현황	전부대종류코드	전부대종류코드명	전기타시설종류	생성일자	순번
0	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100043730	None	None	None	...	None	None	주차차단기	None	None	25	기타시설	주차차단기	20211217	1

1 rows × 25 columns

주택인허가 오수정화시설 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
오수정화시설형식코드	wclfModeCd	오수정화시설형식코드	300
오수정화시설형식코드명	wclfModeCdNm	오수정화시설형식코드명	하수종말처리장연결
기타오수정화시설	etcWclf	기타오수정화시설
용량(인용)	capaPsper	용량(인용)	0
용량(루베)	capaLube	용량(루베)	0
동별관계구분	dongRelGb	동별관계구분
동별관계구분명	dongRelGbNm	동별관계구분명
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-8703
행정동코드	hjdongCd	행정동코드	660
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
대표여부	reprYn	0: 일반 1: 대표	1

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="오수정화시설", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	오수정화시설형식코드	오수정화시설형식코드명	기타오수정화시설	용량(인용)	용량(루베)	동별관계구분	동별관계구분명	생성일자	순번	대지위치	...	법정동코드	대지구분코드	번	지	관리주택대장PK	행정동코드	특수지명	블록	로트	대표여부
0	300	하수종말처리장연결	None	0	0	None	None	20190919	1	경기도 성남시 분당구 백현동 542번지	...	11000	0	0542	0000	41135-100034612	650	None	None	None	1

1 rows × 21 columns

주택인허가 주차장 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
옥내자주식대수(대)	indrAutoUtcnt	옥내자주식대수(대)	483
옥내자주식면적(㎡)	indrAutoArea	옥내자주식면적(㎡)	20945.12
옥외자주식대수(대)	oudrAutoUtcnt	옥외자주식대수(대)	19
옥외자주식면적(㎡)	oudrAutoArea	옥외자주식면적(㎡)	278.5
옥내기계식대수(대)	indrMechUtcnt	옥내기계식대수(대)	0
옥내기계식면적(㎡)	indrMechArea	옥내기계식면적(㎡)	0
옥외기계식대수(대)	oudrMechUtcnt	옥외기계식대수(대)	0
옥외기계식면적(㎡)	oudrMechArea	옥외기계식면적(㎡)	0
인근자주식대수(대)	neigAutoUtcnt	인근자주식대수(대)	0
인근자주식면적(㎡)	neigAutoArea	인근자주식면적(㎡)	0
인근기계식대수(대)	neigMechUtcnt	인근기계식대수(대)	0
인근기계식면적(㎡)	neigMechArea	인근기계식면적(㎡)	0
면제대수(대)	exmptUtcnt	면제대수(대)	0
생성일자	crtnDay	생성일자	20100903

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="주차장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK	특수지명	블록	...	옥내기계식대수(대)	옥내기계식면적(㎡)	옥외기계식대수(대)	옥외기계식면적(㎡)	인근자주식대수(대)	인근자주식면적(㎡)	인근기계식대수(대)	인근기계식면적(㎡)	면제대수(대)	생성일자
0	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100034612	None	None	...	0	0	0	0	0	0	0	0	0	20190919

1 rows × 25 columns

주택인허가 부설주차장 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	1494
지	ji	지	3
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11500-100005805
행정동코드	hjdongCd	행정동코드	605
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
지목코드	jimokCd	지목코드	11
지목코드명	jimokCdNm	지목코드명	주차장
관련지번명	relJibunNm	관련지번명
생성일자	crtnDay	생성일자	20140923
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강서구 가양동 1494-3번지
시군구코드	sigunguCd	행정표준코드	11500
법정동코드	bjdongCd	행정표준코드	10400

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="부설주차장", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	대지구분코드	번	지	관리주택대장PK	행정동코드	특수지명	블록	로트	지목코드	지목코드명	관련지번명	생성일자	순번	대지위치	시군구코드	법정동코드

주택인허가 전유공용면적 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 논현동 221-7번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10800
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	221
지	ji	지	7
관리전유공용PK	mgmExposPubusePk	관리전유공용PK	11680-10000193903
관리형별개요PK	mgmTypeOulnPk	관리형별개요PK	11680-10000192103
전유공용구분코드	exposPubuseGbCd	전유공용구분코드	2
전유공용구분코드명	exposPubuseGbCdNm	전유공용구분코드명	공용
주부속구분코드	mainAtchGbCd	주부속구분코드	1
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	부속건축물
층구분코드	flrGbCd	층구분코드	10
층구분코드명	flrGbCdNm	층구분코드명	지하
층번호	flrNo	층번호	1
층번호명	flrNoNm	층번호명
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
기타구조	etcStrct	기타구조	철근콘크리트구조
용도코드	purpsCd	용도코드	4001
용도코드명	purpsCdNm	용도코드명	일반음식점
기타용도	etcPurps	기타용도	주차장
면적(㎡)	area	면적(㎡)	41.63
생성일자	crtnDay	생성일자	20130627

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="전유공용면적", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리전유공용PK	관리형별개요PK	전유공용구분코드	...	층번호	층번호명	구조코드	구조코드명	기타구조	용도코드	용도코드명	기타용도	면적(㎡)	생성일자
0	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41130-100007027	41130-100002714	1	...	1	None	21	철근콘크리트구조	철근콘크리트구조	04999	기타제2종근린생활시설	근린생활시설	34.22	20180913

1 rows × 25 columns

주택인허가 행위호전유공용면적 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 대치동 985번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10600
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	985
지	ji	지	0
관리행위호전유공용PK	mgmActHoExposPubusePk	관리행위호전유공용PK	11680-10000796603
관리호별명세PK	mgmHoDetlPk	관리호별명세PK	11680-10003927703
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
평형구분명	pngtypGbNm	평형구분명
전유공용구분코드	exposPubuseGbCd	전유공용구분코드	1
전유공용구분코드명	exposPubuseGbCdNm	전유공용구분코드명	전유
주부속구분코드	mainAtchGbCd	주부속구분코드	0
주부속구분코드명	mainAtchGbCdNm	주부속구분코드명	주건축물
층구분코드	flrGbCd	층구분코드	20
층구분코드명	flrGbCdNm	층구분코드명	지상
층번호	flrNo	층번호	1
구조코드	strctCd	구조코드	21
구조코드명	strctCdNm	구조코드명	철근콘크리트구조
주용도코드	mainPurpsCd	주용도코드	3000
주용도코드명	mainPurpsCdNm	주용도코드명	제1종근린생활시설
기타용도	etcPurps	기타용도	복덕방
면적(㎡)	area	면적(㎡)	23.43
생성일자	crtnDay	생성일자	20140604

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="행위호전유공용면적", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리행위호전유공용PK	관리호별명세PK	특수지명	...	층구분코드	층구분코드명	층번호	구조코드	구조코드명	주용도코드	주용도코드명	기타용도	면적(㎡)	생성일자
0	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100001897	41135-100039865	None	...	10	지하	0	21	철근콘크리트구조	04000	제2종근린생활시설	복도,주차장	22.71	20180927

1 rows × 27 columns

주택인허가 행위개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
행위구분	actGb	행위구분	1
행위구분코드	actGbCd	행위구분코드	12
행위구분코드명	actGbCdNm	행위구분코드명	발코니확장
단지명	cmplxNm	단지명	엘지개포자이
건축물여부	bldYn	0: N 1: Y	1
시설종류	fcKind	시설종류	1
건축면적(㎡)	archArea	건축면적(㎡)	355.8
연면적(㎡)	totArea	연면적(㎡)	7347.76
바닥면적(㎡)	btmArea	바닥면적(㎡)	0
주용도코드	mainPurpsCd	주용도코드	2000
주용도코드명	mainPurpsCdNm	주용도코드명	공동주택
기타용도	etcPurps	기타용도	아파트
공사면적(㎡)	constArea	공사면적(㎡)	5.2
지하층수	ugrndFlrCnt	지하층수	2
지상층수	grndFlrCnt	지상층수	22
총사업비	totWkp	총사업비	0
착공예정일	stcnsSchedDay	착공예정일	20150430
사용검사예정일	useInsptSchedDay	사용검사예정일
세대수(세대)	hhldCnt	세대수(세대)	43
단지층수동수	cmplxFlrCntDongCnt	단지층수동수	103동-1601호
대장구분코드	regstrGbCd	대장구분코드	2
대장구분코드명	regstrGbCdNm	대장구분코드명	집합
행위전용도코드	actBefPurpsCd	행위전용도코드
행위전용도코드명	actBefPurpsCdNm	행위전용도코드명
행위전면적(㎡)	actBefArea	행위전면적(㎡)
행위후용도코드	actAftPurpsCd	행위후용도코드
행위후용도코드명	actAftPurpsCdNm	행위후용도코드명
행위후면적(㎡)	actAftArea	행위후면적(㎡)
시설명	fcNm	시설명
행위이전기타용도	actBefEtcPurps	행위이전기타용도
행위이후기타용도	actAftEtcPurps	행위이후기타용도
생성일자	crtnDay	생성일자	20150505
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12-2번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-10002028303

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="행위개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	특수지명	블록	로트	행위구분	행위구분코드	행위구분코드명	단지명	건축물여부	시설종류	건축면적(㎡)	...	행위이후기타용도	생성일자	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK
0	None	None	None	1	10	비내력벽 철거	판교 푸르지오그랑블	1	1	0	...	None	20220224	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100044663

1 rows × 43 columns

주택인허가 관리공동형별개요 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
관리시군구코드	mgmSigunguCd	관리시군구코드	11680
생성일자	crtnDay	생성일자	20100725
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지
관리공동주택대장PK	mgmCoophsrgstPk	관리공동주택대장PK	11680-17903
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
형별구분	typeGb	형별구분	14
기타형별	etcType	기타형별
전용면적(㎡)	exuseArea	전용면적(㎡)	0
단지명	cmplxNm	단지명	대치2단지
사업주체명	bizBodyNm	사업주체명	서울시도시개발공사
사업승인일	bizApprvDay	사업승인일	19911020
사용검사일	useInsptDay	사용검사일	19921014
주건축물수	mainBldCnt	주건축물수	0
최고층수	maxFlrCnt	최고층수	15
세대수(세대)	hhldCnt	세대수(세대)	298
구조코드	strctCd	구조코드	22
구조코드명	strctCdNm	구조코드명	프리케스트콘크리트구조
승강기승용	elvtRideUse	승강기승용	0
승강기비상	elvtEmgen	승강기비상	0
대지면적(㎡)	platArea	대지면적(㎡)	55976.6
연면적(㎡)	totArea	연면적(㎡)	0
건축면적(㎡)	archArea	건축면적(㎡)	0
복도형식코드	hwayModeCd	복도형식코드
복도형식코드명	hwayModeCdNm	복도형식코드명
수도코드	wtspCd	수도코드	2
수도코드명	wtspCdNm	수도코드명	상수도
관리방식코드	mgmMthdCd	관리방식코드	2
관리방식코드명	mgmMthdCdNm	관리방식코드명	위탁관리
자치관리개시일	sfgvMgmStrtDay	자치관리개시일
난방방식코드	heatMthdCd	난방방식코드	2
난방방식코드명	heatMthdCdNm	난방방식코드명	지역난방
사용연료	useFuel	사용연료	도시가스
주택유형구분코드	hsStyleGbCd	주택유형구분코드	13
주택유형구분코드명	hsStyleGbCdNm	주택유형구분코드명	공공임대(10년)
주택형별구분코드	hsTypeGbCd	주택형별구분코드	3
주택형별구분코드명	hsTypeGbCdNm	주택형별구분코드명	아파트
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="관리공동형별개요", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	관리시군구코드	생성일자	대지구분코드	번	지	관리공동주택대장PK	특수지명	블록	로트	형별구분	...	난방방식코드명	사용연료	주택유형구분코드	주택유형구분코드명	주택형별구분코드	주택형별구분코드명	순번	대지위치	시군구코드	법정동코드
0	41130	20110818	0	0542	0000	41130-100001909	None	None	None	130	...	지역난방	None	None	None	3	아파트	1	경기도 성남시 분당구 백현동 542번지	41135	11000

1 rows × 44 columns

주택인허가 관리공동부대복리시설 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지
관리공동주택대장PK	mgmCoophsrgstPk	관리공동주택대장PK	11680-17903
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
지상주차장대수(대)	grndPklotUtcnt	지상주차장대수(대)	440
지하주차장대수(대)	ugrndPklotUtcnt	지하주차장대수(대)	71
총주차장대수(대)	totPklotUtcnt	총주차장대수(대)	511
주차CCTV수	pkngCctvCnt	주차CCTV수	0
대표회의실면적(㎡)	reprMtrmArea	대표회의실면적(㎡)	0
관리소면적(㎡)	mgmOffcArea	관리소면적(㎡)	135
놀이터CCTV수	plgndCctvCnt	놀이터CCTV수	0
저수조용량	wttnkCapa	저수조용량	4940
조경면적(㎡)	lndscArea	조경면적(㎡)	1043.4
경비실개소	guardrmCnt	경비실개소	14
노인정면적(㎡)	hsoldArea	노인정면적(㎡)	254.2
생활편익시설면적(㎡)	lifeConvFcArea	생활편익시설면적(㎡)	0
보육시설면적(㎡)	nturFcArea	보육시설면적(㎡)	197.53
주민운동시설개소	jmExcsFcCnt	주민운동시설개소	1
유치원층수	kgtFlrCnt	유치원층수	0
유치원부지면적(㎡)	kgtLotArea	유치원부지면적(㎡)	0
유치원용도	kgtPurps	유치원용도
의료시설면적(㎡)	mediFcArea	의료시설면적(㎡)	0
놀이터개소	plgndCnt	놀이터개소	5
생성일자	crtnDay	생성일자	20100725

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="관리공동부대복리시설", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리공동주택대장PK	특수지명	블록	...	노인정면적(㎡)	생활편익시설면적(㎡)	보육시설면적(㎡)	주민운동시설개소	유치원층수	유치원부지면적(㎡)	유치원용도	의료시설면적(㎡)	놀이터개소	생성일자

0 rows × 31 columns

주택인허가 지역지구구역 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
지역지구구역구분코드	jijiguGbCd	지역지구구역구분코드	3
지역지구구역구분코드명	jijiguGbCdNm	지역지구구역구분코드명	용도구역코드
지역지구구역코드	jijiguCd	지역지구구역코드	50
지역지구구역코드명	jijiguCdNm	지역지구구역코드명	상세계획구역
대표여부	reprYn	0: 일반 1: 대표	1
지역지구구역명	jijiguNm	지역지구구역명	상세계획구역
동별관계구분	dongRelGb	동별관계구분
동별관계구분명	dongRelGbNm	동별관계구분명
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="지역지구구역", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK	특수지명	블록	로트	지역지구구역구분코드	지역지구구역구분코드명	지역지구구역코드	지역지구구역코드명	대표여부	지역지구구역명	동별관계구분	동별관계구분명	생성일자	순번	대지위치
0	41135	11000	0	0542	0000	41130-303	None	None	None	2	용도지구코드	160	택지개발지구	1	택지개발지구	None	None	20180913	1	경기도 성남시 분당구 백현동 542번지

주택인허가 복리분양시설 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
변경전용도코드	changbefPurpsCd	변경전용도코드
변경전용도코드명	changbefPurpsCdNm	변경전용도코드명
변경전기타용도	changbefEtcPurps	변경전기타용도
변경전면적(㎡)	changbefArea	변경전면적(㎡)	0
변경전개소	changbefCnt	변경전개소	0
변경전기타현황	changbefEtcCurst	변경전기타현황
전복리시설종류코드	befWlfarFcKindCd	전복리시설종류코드
전복리시설종류코드명	befWlfarFcKindCdNm	전복리시설종류코드명
전기타시설	befEtcFc	전기타시설
생성일자	crtnDay	생성일자	20100903
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
건물명	bldNm	건물명	엘지개포자이
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
복리분양시설종류코드	wlfarLotouFcKindCd	복리분양시설종류코드	1000
복리분양시설종류코드명	wlfarLotouFcKindCdNm	복리분양시설종류코드명	어린이놀이터
기타시설	etcFc	기타시설
용도코드	purpsCd	용도코드	1000
용도코드명	purpsCdNm	용도코드명	단독주택
기타용도	etcPurps	기타용도
면적(㎡)	area	면적(㎡)	473.23
개소	openCnt	개소	1

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="복리분양시설", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	변경전용도코드	변경전용도코드명	변경전기타용도	변경전면적(㎡)	변경전개소	변경전기타현황	전복리시설종류코드	전복리시설종류코드명	전기타시설	생성일자	...	블록	로트	복리분양시설종류코드	복리분양시설종류코드명	기타시설	용도코드	용도코드명	기타용도	면적(㎡)	개소
0	None	None	None	0	0	None	None	None	None	20180913	...	None	None	90000	기타복리시설	주민공동시설	02006	복리시설	None	2197.0139	1

1 rows × 30 columns

주택인허가 대지위치 조회 서비스

출력 명세

항목명(국문)	항목명(영문)	항목설명	샘플데이터
순번	rnum	순번	1
대지위치	platPlc	대지위치	서울특별시 강남구 개포동 12번지
시군구코드	sigunguCd	행정표준코드	11680
법정동코드	bjdongCd	행정표준코드	10300
대지구분코드	platGbCd	0:대지 1:산 2:블록	0
번	bun	번	12
지	ji	지	2
관리주택대장PK	mgmHsrgstPk	관리주택대장PK	11680-9103
대표여부	reprYn	0: 일반 1: 대표	1
행정동코드	hjdongCd	행정동코드	660
특수지명	splotNm	특수지명
블록	block	블록
로트	lot	로트
지목코드	jimokCd	지목코드
지목코드명	jimokCdNm	지목코드명
관련지번명	relJibunNm	관련지번명
대지면적(㎡)	platArea	대지면적(㎡)	15487.3
최저대지폭	minPlatWidth	최저대지폭	0
최고대지폭	maxPlatWidth	최고대지폭	0
동별관계구분	dongRelGb	동별관계구분
동별관계구분명	dongRelGbNm	동별관계구분명
생성일자	crtnDay	생성일자	20100903

from PublicDataReader import HousingLicense

service_key = "공공 데이터 포털에서 발급받은 서비스 키"
api = HousingLicense(service_key)

df = api.get_data(
    service_type="대지위치", 
    sigungu_code="41135", 
    bdong_code="11000", 
    bun="542", 
    ji="",
)
df.head(1)

	순번	대지위치	시군구코드	법정동코드	대지구분코드	번	지	관리주택대장PK	대표여부	행정동코드	...	로트	지목코드	지목코드명	관련지번명	대지면적(㎡)	최저대지폭	최고대지폭	동별관계구분	동별관계구분명	생성일자
0	1	경기도 성남시 분당구 백현동 542번지	41135	11000	0	0542	0000	41135-100026626	1	610	...	None	None	None	None	0	0	0	None	None	20170114

1 rows × 22 columns

참고

PyKakao - Python으로 카카오 Karlo API 사용하기

Sat, 14 Jan 2023 00:00:00 +0900

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리

PyKakao

PyKakao 라이브러리를 사용하면 Kakao Developers에서 제공하는 여러 종류의 카카오 API를 파이썬으로 쉽게 사용할 수 있습니다. 예를 들어, Daum 검색 API를 이용해서 웹에서 정보를 검색할 수 있고, 메시지 API를 사용해서 카카오톡 메시지를 전송할 수 있습니다. 또한, 로컬 API를 통해 주변 정보를 조회할 수 있고, KoGPT API와 Karlo API를 이용해 자연어 처리를 하거나 생성형 인공지능으로 새로운 이미지를 만들어 볼 수도 있습니다.

PyKakao 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PyKakao --upgrade

REST API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

카카오 Karlo API 사용하기

Karlo API는 사용자가 입력한 문장과 이미지를 기반으로 새로운 이미지를 만드는 기능을 제공합니다. 생성형 인공지능(AI) Karlo는 1억 8천만 장 규모의 이미지-텍스트 학습을 통해 사용자가 묘사한 내용을 이해하고, 픽셀 단위로 완전히 새로운 이미지를 생성합니다. 또한 사용자가 원하는 콘셉트에 맞춰 창작 활동을 할 수 있도록 사물, 배경, 조명, 구도, 다양한 화풍을 지원합니다.

카카오 Karlo API 클래스 임포트하기

PyKakao 라이브러리의 Karlo 클래스를 임포트합니다. Karlo의 인자로 위에서 발급받은 ‘REST API 키‘를 입력하여 api 인스턴스를 생성합니다.

from PyKakao import Karlo
api = Karlo(service_key = "REST API 키")

이미지 생성하기

먼저 텍스트 프롬프트를 기반으로 이미지를 생성하는 하는 방법에 대해 알아보겠습니다. “Cute magical flyng cat, soft golden fur, fantasy art drawn by Pixar concept artist, Toy Story main character, clear and bright eyes, sharp nose”와 같이 생성하고 싶은 이미지를 묘사하는 영문 텍스트를 text 변수에 할당합니다. 그리고 api.text_to_image(text, 1) 함수를 호출합니다. 여기서 두번째 인자 ‘1’은 생성할 이미지의 개수를 의미합니다.

함수 호출 결과는 생성된 이미지 정보가 들어 있는 딕셔너리 객체로 img_dict 변수에 저장됩니다. 이미지 데이터는 images 키의 리스트 첫번째 인덱스에 base64 인코딩된 문자열로 저장됩니다. 이 데이터는 img_str 변수에 저장됩니다.

마지막으로 api.string_to_image 함수를 사용해 base64 인코딩된 문자열을 이미지 객체로 변환합니다. base64_string 인자는 img_str 변수로 설정하고 mode 인자는 RGBA로 설정합니다. 이렇게 변환된 이미지 객체는 img 변수에 저장됩니다. 이 코드를 실행하면, 프롬프트에 제시된 텍스트를 기반으로 이미지가 생성되고, 이 이미지를 img 변수에 저장됩니다. img.save() 함수로 이미지를 파일로 저장할 수도 있습니다.

# 프롬프트에 사용할 제시어
text = "Cute magical flyng cat, soft golden fur, fantasy art drawn by Pixar concept artist, Toy Story main character, clear and bright eyes, sharp nose"

# 이미지 생성하기 REST API 호출
img_dict = api.text_to_image(text, 1)

# 생성된 이미지 정보
img_str = img_dict.get("images")[0].get('image')

# base64 string을 이미지로 변환
img = api.string_to_image(base64_string = img_str, mode = 'RGBA')

# 이미지 저장하기
img.save("./original.png")

이미지 변환하기

Karlo API를 이용하면 기존 이미지를 다른 형태로 변환할 수도 있습니다. 앞에서 파일로 저장한 이미지(‘./original.png’)를 불러와 img 변수에 저장합니다.

api.image_to_string(img) 라는 함수를 사용하여 img변수에 저장된 이미지를 Base64 인코딩 합니다. 인코딩된 이미지는 img_base64라는 변수에 저장됩니다.

api.transform_image(image = img_base64, batch_size=1)라는 함수를 사용하여 인코딩된 이미지를 변환합니다. 이 함수는 img_base64변수에 저장된 이미지를 인자로 받으며, batch_size=1 인자는 한번에 변환할 이미지의 개수를 의미합니다. 함수를 호출하면 변환된 이미지를 포함하는 응답이 반환됩니다.

마지막으로 api.string_to_image(response.get(“images”)[0].get(“image”), mode = ‘RGB’)라는 함수를 사용하여 응답에서 첫번째 이미지를 추출합니다. 이 함수는 response.get(“images”)[0].get(“image”)라는 변수에 저장된 이미지를 인자로 받으며, mode=’RGB’는 이미지의 색상 모드를 RGB로 설정합니다. 이 함수는 이미지 객체를 반환하며, 이 객체를 result 변수에 저장합니다.

# 이미지 파일 불러오기
img = Image.open('./original.png')

# 이미지를 Base64 인코딩하기
img_base64 = api.image_to_string(img)

# 이미지 변환하기 REST API 호출
response = api.transform_image(image = img_base64, batch_size=1)

# 응답의 첫 번째 이미지 생성 결과 출력하기
result = api.string_to_image(response.get("images")[0].get("image"), mode = 'RGB')

원본 이미지	변환된 이미지

이미지 편집하기

기존 이미지의 특정 부분을 마스킹(검정색으로 표시)하고 텍스트 프롬프트 정보도 함께 입력하여 이미지를 수정할 수도 있습니다. Image.open(‘./original.png’)라는 함수를 사용하여 ‘./original.png’ 경로에 있는 원본 이미지 파일을 불러옵니다. 그리고 Image.open(‘./mask.png’)라는 함수를 사용하여 ‘./mask.png’ 경로에 있는 mask 이미지 파일을 불러옵니다. mask 이미지 파일은 이미지 편집 툴을 이용해 직접 만들어야 합니다. 이미지 파일은 img와 mask라는 변수에 저장됩니다.

api.image_to_string(img) 라는 함수를 사용하여 img변수에 저장된 원본 이미지를 Base64 인코딩 합니다. 같은 방식으로 api.image_to_string(mask) 라는 함수를 사용하여 mask변수에 저장된 mask 이미지를 Base64 인코딩 합니다. 인코딩된 원본 이미지와 mask 이미지는 img_base64와 mask_base64라는 변수에 저장됩니다.

다음으로, api.inpaint_image(image = img_base64, mask = mask_base64, text = text, batch_size = 1) 라는 함수를 사용하여 원본 이미지와 mask 이미지를 이용하여 inpainting(이미지 편집)을 합니다. 이 함수는 image = img_base64, mask = mask_base64, text = text, batch_size = 1 라는 인자를 사용합니다. 이 함수를 호출하면 편집된 이미지를 담고 있는 결과가 반환됩니다.

마지막으로 api.string_to_image(response.get(“images”)[0].get(“image”), mode = ‘RGB’)라는 함수를 사용하여 결과에서 첫번째 이미지를 추출합니다. 이 함수는 이미지 객체를 반환하며, 이 객체를 result 변수에 저장합니다.

# 이미지 파일 불러오기
img = Image.open('./original.png')
mask = Image.open('./mask.png')

# 이미지를 Base64 인코딩하기
img_base64 = api.image_to_string(img)
mask_base64 = api.image_to_string(mask)

# 프롬프트에 사용할 제시어
text = "whatever"

# 이미지 변환하기 REST API 호출
response = api.inpaint_image(image = img_base64, mask = mask_base64, text = text, batch_size = 1)

# 응답의 첫 번째 이미지 생성 결과 출력하기
result = api.string_to_image(response.get("images")[0].get("image"), mode = 'RGB')

원본 이미지	마스킹한 이미지	편집된 이미지

참고

PublicDataReader - 법정동코드와 행정동코드 조회하기

Wed, 04 Jan 2023 00:00:00 +0900

파이썬으로 법정동코드와 행정동코드 조회하는 방법

파이썬 PublicDataReader 라이브러리를 이용하면 법정동코드와 행정동코드를 쉽게 조회할 수 있습니다. 또, 행정동과 관할 법정동의 연결내용도 확인 가능합니다.

행정동과 법정동의 차이

공공 데이터를 조사할 때, 시도/시군구에 속한 동의 표기가 여러 가지가 있음을 알 수 있습니다. 예를 들어, ‘행정안전부 주민등록인구현황 행정구역(읍면동)별/5세별 주민등록인구(2011년~)’ 데이터에서는 동을 행정동으로 구분하고 있지만, ‘국토교통부 실거래가 공개시스템‘에서 제공하는 부동산 실거래가 데이터에서는 동을 법정동으로 구분하고 있습니다.

법정동은 지적도와 주소 등 모든 법적 업무에 사용되는 공식 행정구역 명칭입니다. 행정동은 행정기관들이 주민 수, 면적 등을 고려해 행정 편의를 위해 설정한 행정구역입니다. 일반적으로 동사무소나 주민센터처럼 불리는 행정기관은 행정동마다 한 곳씩 설치되어 있습니다.

행정동: 법정동을 행정상으로 관할하는 행정기관(읍면동) 명칭과 동일
- ※「행정동코드」와「주민등록 행정기관코드(이하, 행정기관코드)」는 동일한 용어임
- (예시) 경기도 성남시 분당구 정자1동
법정동: 공부상의 법정주소로서 문서에 표기되거나 주소에 사용
- (예시) 경기도 성남시 분당구 정자동

한 개의 행정동은 여러 개의 법정동으로 나뉘어져 있거나, 한 개의 법정동은 여러 개의 행정동으로 나뉘어져 있을 수 있습니다. 따라서, 다른 동 분류 체계를 가진 데이터를 동을 기준으로 병합하고자 할 때는 각각의 행정동이 어떤 법정동을 관할하고 있는지에 대한 정보가 필요합니다.

PublicDataReader

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

PublicDataReader 임포트하기

코드 편집기에서 다음과 같이 설치한 PublicDataReader를 임포트합니다.

import PublicDataReader as pdr

행정동코드 조회하기

pdr.code_hdong() 명령으로 행정동코드 정보를 Pandas DataFrame 객체롤 생성하여 행정동코드 변수에 할당합니다. head() 명령으로 데이터의 첫 5개 행을 출력합니다.

행정동코드 = pdr.code_hdong()
행정동코드.head()

	시도코드	시도명	시군구코드	시군구명	행정동코드	읍면동명	생성일자	말소일자
0	11	서울특별시	11000		1100000000		19880423
1	11	서울특별시	11110	종로구	1111000000		19880423
2	11	서울특별시	11110	종로구	1111051000	청운동	19880423	20081101
3	11	서울특별시	11110	종로구	1111051500	청운효자동	20081101
4	11	서울특별시	11110	종로구	1111052000	효자동	19880423	20081101

법정동코드 조회하기

pdr.code_bdong() 명령으로 법정동코드 정보를 Pandas DataFrame 객체롤 생성하여 법정동코드 변수에 할당합니다. head() 명령으로 데이터의 첫 5개 행을 출력합니다.

법정동코드 = pdr.code_bdong()
법정동코드.head()

	시도코드	시도명	시군구코드	시군구명	법정동코드	읍면동명	생성일자
0	11	서울특별시	11000		1100000000		19880423
1	11	서울특별시	11110	종로구	1111000000		19880423
2	11	서울특별시	11110	종로구	1111010100	청운동	19880423
3	11	서울특별시	11110	종로구	1111010200	신교동	19880423
4	11	서울특별시	11110	종로구	1111010300	궁정동	19880423

행정동과 관할 법정동의 연결내용 조회하기

pdr.code_hdong_bdong() 명령으로 행정동과 관할 법정동의 연결내용 정보를 Pandas DataFrame 객체롤 생성하여 연결정보 변수에 할당합니다. head() 명령으로 데이터의 첫 5개 행을 출력합니다.

연결정보 = pdr.code_hdong_bdong()
연결정보.head()

	시도코드	시도명	시군구코드	시군구명	행정동코드	법정동코드	동리명	생성일자	말소일자
0	11	서울특별시	11000		1100000000	1100000000	서울특별시	19880423
1	11	서울특별시	11110	종로구	1111000000	1111000000	종로구	19880423
2	11	서울특별시	11110	종로구	1111000000	1111090100	창신1동	19880423	19880423
3	11	서울특별시	11110	종로구	1111000000	1111090200	창신2동	19880423	19880423
4	11	서울특별시	11110	종로구	1111000000	1111090300	창신3동	19880423	19880423

(응용) 행정동 정자1동의 관할 법정동 찾기

행정동 기준으로 ‘경기도 성남시 분당구 정자1동’은 어떤 법정동을 관할하는지 확인해봅니다. 행정동코드 에서 읍면동명이 ‘정자1동’인 행을 조회하면 아래와 같이 같은 이름의 행정동이 전국에 두 곳이 있는 것을 알 수 있습니다.

행정동코드.loc[행정동코드['읍면동명']=='정자1동']

	시도코드	시도명	시군구코드	시군구명	행정동코드	읍면동명	생성일자	말소일자
2834	41	경기도	41111	수원시 장안구	4111157100	정자1동	19900101
2998	41	경기도	41135	성남시 분당구	4113555000	정자1동	20010101

이 중 성남시 분당구에 속한 ‘정자2동’의 행정동코드인 ‘4113555000’를 hdongCode 변수에 할당합니다.

hdongCode = '4113555000'

연결정보에서 행정동코드가 hdongCode와 같은 행을 조회합니다. 조회 결과 ‘정자1동’의 관할 법정동은 ‘정자동’인 것을 알 수 있습니다.

연결정보.loc[연결정보['행정동코드']==hdongCode]

	시도코드	시도명	시군구코드	시군구명	행정동코드	읍면동명	법정동코드	동리명	생성일자	말소일자
7767	41	경기도	41135	성남시 분당구	4113555000	정자1동	4113510300	정자동	20010101

참고

PublicDataReader - KB부동산 데이터 조회하기

Wed, 28 Dec 2022 00:00:00 +0900

KB부동산 주택가격동향조사 데이터 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 KB부동산 데이터허브에서 제공하는 주택가격동향조사 데이터를 쉽게 조회할 수 있습니다. 인증키 발급 과정이 필요한 Open API와 달리 별도의 API 인증키가 필요하지 않습니다.

PublicDataReader

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

가격지수1

조회 가능 데이터 목록

주간 아파트 매매가격지수
주간 아파트 전세가격지수
월간 아파트 매매가격지수
월간 아파트 전세가격지수
단독 매매가격지수
단독 전세가격지수
연립 매매가격지수
연립 전세가격지수
주택종합 매매가격지수
주택종합 전세가격지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
월간주간구분코드	월간 주간 구분 (01: 월간, 02: 주간)	string	01	필수
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
지역코드	시도코드 2자리 (서울: 11, 경기: 42)	string	11	옵션
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
월간주간구분	월간주간구분 (월간, 주간)	월간
매물종별구분	매물종별구분 (아파트, 연립, 단독, 주택종합)	아파트
거래구분	거래구분 (매매, 전세)	매매
지역코드	지역코드	1174000000
지역명	지역명	강동구
날짜	날짜	2022-12-01
가격지수	가격지수	95.464474

from PublicDataReader import Kbland
api = Kbland()
params = {
    "월간주간구분코드": "01",
    "매물종별구분": "01",
    "매매전세코드": "01",
    "지역코드": "11",
    "기간": "1",
}
df = api.get_price_index(**params)
df.tail()

	월간주간구분	매물종별구분	거래구분	지역코드	지역명	날짜	가격지수
333	월간	아파트	매매	1174000000	강동구	2022-08-01	100.061464
334	월간	아파트	매매	1174000000	강동구	2022-09-01	99.830894
335	월간	아파트	매매	1174000000	강동구	2022-10-01	99.050256
336	월간	아파트	매매	1174000000	강동구	2022-11-01	97.654526
337	월간	아파트	매매	1174000000	강동구	2022-12-01	95.464474

가격지수2

조회 가능 데이터 목록

월간 아파트 월세가격지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
월간주간구분	월간주간구분 (월간)	월간
매물종별구분	매물종별구분 (아파트)	아파트
거래구분	거래구분 (월세)	월세
지역코드	지역코드	4100000000
지역명	지역명	경기도
날짜	날짜	2022-12-01
가격지수	가격지수	107.956571

params = {
    "기간": "1"
}
df = api.get_monthly_apartment_wolse_index(**params)
df.tail()

	월간주간구분	매물종별구분	거래구분	지역코드	지역명	날짜	가격지수
73	월간	아파트	월세	4100000000	경기도	2022-08-01	105.904649
74	월간	아파트	월세	4100000000	경기도	2022-09-01	106.492218
75	월간	아파트	월세	4100000000	경기도	2022-10-01	107.347923
76	월간	아파트	월세	4100000000	경기도	2022-11-01	107.957964
77	월간	아파트	월세	4100000000	경기도	2022-12-01	107.956571

가격지수3

조회 가능 데이터 목록

KB선도아파트 50 지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
날짜	날짜	2022-12-01
선도50지수	선도50지수	92.074998
전월대비증감률	전월대비증감률	-2.583736
전년동월대비증감률	전년동월대비증감률	-7.554604

params = {
    "기간": "1"
}
df = api.get_lead_apartment_50_index(**params)
df.tail()

	날짜	선도50지수	전월대비증감률	전년동월대비증감률
8	2022-08-01	100.451199	-0.718366	6.258222
9	2022-09-01	99.322158	-1.123969	3.105370
10	2022-10-01	97.584598	-1.749418	-0.118113
11	2022-11-01	94.517070	-3.143456	-4.390270
12	2022-12-01	92.074998	-2.583736	-7.554604

가격지수증감률

조회 가능 데이터 목록

주간 아파트 매매가격지수 증감률
주간 아파트 전세가격지수 증감률
월간 아파트 매매가격지수 증감률
월간 아파트 전세가격지수 증감률
단독 매매가격지수 증감률
단독 전세가격지수 증감률
연립 매매가격지수 증감률
연립 전세가격지수 증감률
주택종합 매매가격지수 증감률
주택종합 전세가격지수 증감률

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
월간주간구분코드	월간 주간 구분 (01: 월간, 02: 주간)	string	01	필수
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
지역코드	시도코드 2자리 (서울: 11, 경기: 42)	string	11	옵션
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
월간주간구분	월간주간구분 (월간, 주간)	월간
매물종별구분	매물종별구분 (아파트, 연립, 단독, 주택종합)	아파트
거래구분	거래구분 (매매, 전세)	매매
지역코드	지역코드	1174000000
지역명	지역명	강동구
날짜	날짜	2022-12-01
가격지수증감률	가격지수증감률	-2.242653

from PublicDataReader import Kbland
api = Kbland()
params = {
    "월간주간구분코드": "01",
    "매물종별구분": "01",
    "매매전세코드": "01",
    "지역코드": "11",
    "기간": "1",
}
df = api.get_price_index_change_rate(**params)
df.tail()

	월간주간구분	매물종별구분	거래구분	지역코드	지역명	날짜	가격지수증감률
333	월간	아파트	매매	1174000000	강동구	2022-08-01	-0.264590
334	월간	아파트	매매	1174000000	강동구	2022-09-01	-0.230428
335	월간	아파트	매매	1174000000	강동구	2022-10-01	-0.781961
336	월간	아파트	매매	1174000000	강동구	2022-11-01	-1.409114
337	월간	아파트	매매	1174000000	강동구	2022-12-01	-2.242653

전세가격비율1

조회 가능 데이터 목록

아파트 매매가격대비 전세가격비율
단독 매매가격대비 전세가격비율
연립 매매가격대비 전세가격비율
주택종합 매매가격대비 전세가격비율

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션
지역코드	시도코드 2자리 (서울: 11, 경기: 42)	string	11	옵션

출력 명세

항목명	설명	샘플데이터
매물종별구분	매물종별구분 (아파트, 연립, 단독, 주택종합)	주택종합
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-12-01
전세가격비율	전세가격비율	58.378539

from PublicDataReader import Kbland
api = Kbland()
params = {
    "매물종별구분": "98",
    "기간": "1",
    "지역코드": "11",
}
df = api.get_jeonse_price_ratio(**params)
df.tail()

	매물종별구분	지역코드	날짜	전세가격비율
8	주택종합	1100000000	2022-08-01	58.064001
9	주택종합	1100000000	2022-09-01	58.231592
10	주택종합	1100000000	2022-10-01	58.559720
11	주택종합	1100000000	2022-11-01	58.886245
12	주택종합	1100000000	2022-12-01	58.330975

전세가격비율2

조회 가능 데이터 목록

전월세 전환율

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
지역코드	지역코드	4100000000
지역명	지역명	경기도
날짜	날짜	2022-08-01
전월세전환율	전월세전환율	4.02856

from PublicDataReader import Kbland
api = Kbland()
params = {
    "기간": "1",
}
df = api.get_jeonwolse_conversion_rate(**params)
df.tail()

	지역코드	지역명	날짜	전월세전환율
73	4100000000	경기도	2022-08-01	4.028560
74	4100000000	경기도	2022-09-01	4.051587
75	4100000000	경기도	2022-10-01	4.119020
76	4100000000	경기도	2022-11-01	4.366276
77	4100000000	경기도	2022-12-01	4.556344

시장동향/설문조사

조회 가능 데이터 목록

주간 매수우위지수
주간 매매거래활발지수
주간 전세수급지수
주간 전세거래활발지수
월간 매수우위지수
월간 매매거래활발지수
월간 전세수급지수
월간 전세거래활발지수
월간 매매가격전망지수
월간 전세가격전망지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
메뉴코드	메뉴코드 (01: 매수우위지수, 02: 매매거래활발지수, 03: 전세수급지수, 04: 전세거래활발지수, 05: 매매가격전망지수, 06: 전세가격전망지수)	string	01	필수
월간주간구분코드	월간 주간 구분 (01: 월간, 02: 주간)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
메뉴코드	메뉴코드	매수우위지수
월간주간구분	월간주간구분	월간
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-08-01
*메뉴 별 결과 항목	메뉴 별 결과 항목	매수자많음: 4.347826, 비슷함: 39.130435, 매도자많음: 56.521739, 매수우위지수: 47.826087

from PublicDataReader import Kbland
api = Kbland()
params = {
    "메뉴코드": "01",
    "월간주간구분코드": "01",
    "기간": "1",
}
df = api.get_market_trend(**params)
df.tail()

	메뉴코드	월간주간구분	지역코드	지역명	날짜	매수자많음	비슷함	매도자많음	매수우위지수
307	매수우위지수	월간	5000000000	제주특별자치도	2022-08-01	4.347826	39.130435	56.521739	47.826087
308	매수우위지수	월간	5000000000	제주특별자치도	2022-09-01	0.000000	32.193142	67.806858	32.193142
309	매수우위지수	월간	5000000000	제주특별자치도	2022-10-01	0.000000	35.496914	64.503086	35.496914
310	매수우위지수	월간	5000000000	제주특별자치도	2022-11-01	0.000000	39.967654	60.032346	39.967654
311	매수우위지수	월간	5000000000	제주특별자치도	2022-12-01	0.000000	30.013714	69.986286	30.013714

면적별 가격지수

조회 가능 데이터 목록

주간 아파트 전용면적별 매매가격지수
주간 아파트 전용면적별 전세가격지수
월간 아파트 전용면적별 매매가격지수
월간 아파트 전용면적별 전세가격지수
월간 아파트 전용면적별(구) 매매가격지수
월간 아파트 전용면적별(구) 전세가격지수
단독 전용면적별 매매가격지수
단독 전용면적별 전세가격지수
연립 전용면적별 매매가격지수
연립 전용면적별 전세가격지수
주택종합 전용면적별 매매가격지수
주택종합 전용면적별 전세가격지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
월간주간구분코드	월간 주간 구분 (01: 월간, 02: 주간)	string	01	필수
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
면적별코드	면적별코드 (01: 전용면적별(구), 02: 전용면적별)	string	02	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
월간주간구분	월간주간구분	월간
매물종별구분	매물종별구분	아파트
면적별코드	면적별코드	전용면적별
매매전세코드	매매전세코드	매매
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-12-01
*면적 별 결과 항목	면적 별 결과 항목	대형: 109.509411, 중대형: 109.007687, 중형: 108.645455, 중소형: 103.091555, 소형: 107.166716

from PublicDataReader import Kbland
api = Kbland()
params = {
    "월간주간구분코드": "01",
    "매물종별구분": "01",
    "면적별코드": "02",
    "매매전세코드": "01",
    "기간": "1",
}

df = api.get_price_index_by_area(**params)
df.tail()

	월간주간구분	매물종별구분	면적별코드	매매전세코드	지역코드	지역명	날짜	대형	중대형	중형	중소형	소형
307	월간	아파트	전용면적별	매매	5000000000	제주특별자치도	2022-08-01	NaN	NaN	NaN	NaN	NaN
308	월간	아파트	전용면적별	매매	5000000000	제주특별자치도	2022-09-01	NaN	NaN	NaN	NaN	NaN
309	월간	아파트	전용면적별	매매	5000000000	제주특별자치도	2022-10-01	NaN	NaN	NaN	NaN	NaN
310	월간	아파트	전용면적별	매매	5000000000	제주특별자치도	2022-11-01	109.918617	109.201955	108.806180	103.697474	107.835378
311	월간	아파트	전용면적별	매매	5000000000	제주특별자치도	2022-12-01	109.509411	109.007687	108.645455	103.091555	107.166716

평균가격

조회 가능 데이터 목록

아파트 매매평균가격
아파트 전세평균가격
단독 매매평균가격
단독 전세평균가격
연립 매매평균가격
연립 전세평균가격
주택종합 매매평균가격
주택종합 전세평균가격

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
매물종별구분	매물종별구분	아파트
매매전세코드	매매전세코드	매매
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-12-01
평균가격	평균가격	48659.99107

from PublicDataReader import Kbland
api = Kbland()
params = {
    "매물종별구분": "01",
    "매매전세코드": "01",
    "기간": "1",
}
df = api.get_average_price(**params)
df.tail()

	매물종별구분	매매전세코드	지역코드	지역명	날짜	평균가격
307	아파트	매매	4500000000	전북	2022-12-01	21463.217505
308	아파트	매매	4600000000	전남	2022-12-01	19310.925728
309	아파트	매매	4700000000	경북	2022-12-01	19645.603870
310	아파트	매매	4800000000	경남	2022-12-01	25975.268896
311	아파트	매매	5000000000	제주특별자치도	2022-12-01	48659.991071

㎡당 평균가격

조회 가능 데이터 목록

아파트 ㎡당 매매평균가격
아파트 ㎡당 전세평균가격
단독 ㎡당 매매평균가격
단독 ㎡당 전세평균가격
연립 ㎡당 매매평균가격
연립 ㎡당 전세평균가격
주택종합 ㎡당 매매평균가격
주택종합 ㎡당 전세평균가격

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
매물종별구분	매물종별구분	아파트
매매전세코드	매매전세코드	매매
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-12-01
㎡당 평균가격	㎡당 평균가격	646.129941

from PublicDataReader import Kbland
api = Kbland()
params = {
    "매물종별구분": "01",
    "매매전세코드": "01",
    "기간": "1",
}
df = api.get_average_price_per_squaremeter(**params)
df.tail()

	매물종별구분	매매전세코드	지역코드	지역명	날짜	㎡당 평균가격
307	아파트	매매	4500000000	전북	2022-12-01	269.910878
308	아파트	매매	4600000000	전남	2022-12-01	245.765615
309	아파트	매매	4700000000	경북	2022-12-01	249.250981
310	아파트	매매	4800000000	경남	2022-12-01	330.721369
311	아파트	매매	5000000000	제주	2022-12-01	646.129941

5분위 평균가격

조회 가능 데이터 목록

아파트 5분위 매매평균가격
아파트 5분위 전세평균가격
주택종합 5분위 매매평균가격
주택종합 5분위 전세평균가격
아파트 ㎡당 5분위 매매평균가격
아파트 ㎡당 5분위 전세평균가격

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
구분	구분	아파트 평균가격
매매전세코드	매매전세코드	매매
지역코드	지역코드	4100000000
지역명	지역명	경기도
날짜	날짜	2022-12-01
5분위	5분위	107631.6556
4분위	4분위	67638.97592
3분위	3분위	52588.0888
2분위	2분위	40355.40321
1분위	1분위	24244.15208
5분위배율	5분위배율	4.439489

from PublicDataReader import Kbland
api = Kbland()
params = {
    "메뉴코드": "01",
    "매매전세코드": "01",
    "기간": 1,
}
df = api.get_average_price_by_quintile(**params)
df.tail()

	구분	매매전세코드	지역코드	지역명	날짜	5분위	4분위	3분위	2분위	1분위	5분위배율
164	아파트 평균가격	매매	2800000000	인천광역시	2022-12-01	79927.392531	48997.819564	38943.912413	30210.322329	18452.654426	4.331485
165	아파트 평균가격	매매	2900000000	광주광역시	2022-12-01	63567.042666	39097.674056	27844.717608	19224.185319	11911.257843	5.336720
166	아파트 평균가격	매매	3000000000	대전광역시	2022-12-01	73473.762596	46513.660563	36162.731654	26750.235500	14957.441096	4.912188
167	아파트 평균가격	매매	3100000000	울산광역시	2022-12-01	62837.369494	40783.726350	29550.540159	18976.476313	10903.084258	5.763266
168	아파트 평균가격	매매	4100000000	경기도	2022-12-01	107631.655648	67638.975916	52588.088800	40355.403212	24244.152082	4.439489

면적별 평균가격

조회 가능 데이터 목록

아파트 전용면적별 매매평균가격
아파트 전용면적별 전세평균가격
아파트 전용면적별(구) 매매평균가격
아파트 전용면적별(구) 전세평균가격

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
면적별코드	면적별코드 (01: 전용면적별(구), 02: 전용면적별)	string	02	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
매매전세코드	매매전세코드	매매
면적별코드	면적별코드	전용면적별
지역코드	지역코드	5000000000
지역명	지역명	제주특별자치도
날짜	날짜	2022-12-01
*면적 별 결과 항목	면적 별 결과 항목	대형: 91952.479358 중대형: 84746.521683 중형: 62212.726946 중소형: 52405.094864 소형: 32752.383750

from PublicDataReader import Kbland
api = Kbland()
params = {
    "매매전세코드": "01",
    "면적별코드": "02",
    "기간": 1,
}
df = api.get_average_price_by_area(**params)
df.tail()

	매매전세코드	면적별코드	지역코드	지역명	날짜	대형	중대형	중형	중소형	소형
307	매매	전용면적별	5000000000	제주특별자치도	2022-08-01	NaN	NaN	NaN	NaN	NaN
308	매매	전용면적별	5000000000	제주특별자치도	2022-09-01	NaN	NaN	NaN	NaN	NaN
309	매매	전용면적별	5000000000	제주특별자치도	2022-10-01	NaN	NaN	NaN	NaN	NaN
310	매매	전용면적별	5000000000	제주특별자치도	2022-11-01	92332.644648	84958.369952	62299.826204	52984.202940	33052.931061
311	매매	전용면적별	5000000000	제주특별자치도	2022-12-01	91952.479358	84746.521683	62212.726946	52405.094864	32752.383750

중위가격

조회 가능 데이터 목록

아파트 매매중위가격
아파트 전세중위가격
단독 매매중위가격
단독 전세중위가격
연립 매매중위가격
연립 전세중위가격
주택종합 매매중위가격
주택종합 전세중위가격

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
매물종별구분	매물 종별 구분 (01: 아파트, 08: 연립, 09: 단독, 98: 주택종합)	string	01	필수
매매전세코드	매매 전세 구분 (01: 매매, 02: 전세)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
매물종별구분	매물종별구분	아파트
매매전세코드	매매전세코드	매매
지역코드	지역코드	4800000000
지역명	지역명	경상남도
날짜	날짜	2022-12-01
중위가격	중위가격	22266.6667

from PublicDataReader import Kbland
api = Kbland()
params = {
    "매물종별구분": "01",
    "매매전세코드": "01",
    "기간": 1,
}
df = api.get_median_price(**params)
df.tail()

	매물종별구분	매매전세코드	지역코드	지역명	날짜	중위가격
281	아파트	매매	4400000000	충청남도	2022-12-01	21500.0000
282	아파트	매매	4500000000	전라북도	2022-12-01	17166.6667
283	아파트	매매	4600000000	전라남도	2022-12-01	16333.3333
284	아파트	매매	4700000000	경상북도	2022-12-01	17333.3333
285	아파트	매매	4800000000	경상남도	2022-12-01	22266.6667

소득연계1

조회 가능 데이터 목록

PIR
J-PIR

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
메뉴코드	메뉴코드 (01: PIR, 02: J-PIR)	string	01	필수
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
구분	구분 (PIR, J-PIR)	PIR
지역코드	지역코드	1100000000
지역명	지역명	서울특별시
주택분위	주택분위	1
소득분위	소득분위	1
날짜	날짜	2022-09-01
PIR	PIR 지수	20.737509

from PublicDataReader import Kbland
api = Kbland()
params = {
    "메뉴코드": "01",
    "기간": "1",
}
df = api.get_pir(**params)
df.tail()

	구분	지역코드	지역명	주택분위	소득분위	날짜	PIR
645	PIR	1100000000	서울특별시	3	1	2022-09-01	48.324322
646	PIR	0000000000	전국	2	1	2022-09-01	12.095411
647	PIR	1100000000	서울특별시	2	1	2022-09-01	37.643617
648	PIR	0000000000	전국	1	1	2022-09-01	6.144520
649	PIR	1100000000	서울특별시	1	1	2022-09-01	20.737509

소득연계2

조회 가능 데이터 목록

주택구매력지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
지역코드	지역코드	4A0000
지역명	지역명	기타지방
날짜	날짜	2022-09-01
종합	종합	205.390114
아파트	아파트	192.133267
단독	단독	221.238582
연합	연합	425.540526

from PublicDataReader import Kbland
api = Kbland()
params = {
    "기간": "1"
}
df = api.get_hai(**params)
df.tail()

	지역코드	지역명	날짜	종합	아파트	단독	연립
99	4A0000	기타지방	2022-05-01	224.305503	209.899887	242.425435	472.918121
100	4A0000	기타지방	2022-06-01	221.198848	206.861945	239.488800	467.126847
101	4A0000	기타지방	2022-07-01	217.481631	203.061371	235.803848	459.470863
102	4A0000	기타지방	2022-08-01	213.914760	199.443407	231.976797	452.013740
103	4A0000	기타지방	2022-09-01	205.390114	192.133267	221.238582	425.540526

소득연계3

조회 가능 데이터 목록

KB주택구입잠재력지수

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
지역코드	지역코드	2800000000
지역명	지역명	인천광역시
날짜	날짜	2022-09-01
잠재력지수	잠재력지수	35.409012
가구별월소득금액	가구별월소득금액	484.203238
연간지출가능주거비용	연간지출가능주거비용	1917.444822
구입가능주택가격	구입가능주택가격	35848.54175
구입가능아파트재고량	구입가능아파트재고량	20.2678
총아파트재고량	총아파트재고량	57.2391
주택담보대출금리	주택담보대출금리	4.43

from PublicDataReader import Kbland
api = Kbland()
params = {
    "기간": "1"
}
df = api.get_kb_housing_purchase_potential_index(**params)
df.tail()

	지역코드	지역명	날짜	잠재력지수	가구별월소득금액	연간지출가능주거비용	구입가능주택가격	구입가능아파트재고량	총아파트재고량	주택담보대출금리
10	4100000000	경기도	2022-06-01	26.046051	531.096145	2103.140734	41013.335036	68.6035	263.3931	3.95
11	2800000000	인천광역시	2022-06-01	38.398347	486.684354	1927.270040	37583.681683	21.9877	57.2621	3.95
12	1100000000	서울특별시	2022-09-01	2.454326	571.271954	2262.236936	42294.773917	3.4422	140.2503	4.43
13	4100000000	경기도	2022-09-01	24.190945	528.388618	2092.418927	39119.857008	63.7070	263.3506	4.43
14	2800000000	인천광역시	2022-09-01	35.409012	484.203238	1917.444822	35848.541747	20.2678	57.2391	4.43

소득연계4

조회 가능 데이터 목록

KB아파트주택담보대출 PIR

입력 명세

항목명	설명	데이터타입	샘플데이터	항목구분
기간	조회 기간(최근 년) (최근 1년: 1, 최근 2년: 2) *미지정 시 전체 기간으로 조회	string	1	옵션

출력 명세

항목명	설명	샘플데이터
지역코드	지역코드	2800000000
지역명	지역명	인천광역시
날짜	날짜	2022-09-01
KB아파트PIR	KB아파트PIR	9.110603
주택가격	주택가격	37500
가구소득	가구소득	4116

from PublicDataReader import Kbland
api = Kbland()
params = {
    "기간": "1"
}
df = api.get_apartment_mortgage_loan_pir(**params)
df.tail()

	지역코드	지역명	날짜	KB아파트PIR	주택가격	가구소득
10	4100000000	경기도	2022-06-01	10.818947	47000.0	4344.0
11	2800000000	인천광역시	2022-06-01	10.844437	42000.0	3873.0
12	1100000000	서울특별시	2022-09-01	14.537210	82875.0	5701.0
13	4100000000	경기도	2022-09-01	10.301471	47000.0	4562.0
14	2800000000	인천광역시	2022-09-01	9.110603	37500.0	4116.0

참고

PublicDataReader - 사업자등록정보 진위확인 및 상태조회하기

Tue, 20 Dec 2022 00:00:00 +0900

파이썬으로 사업자등록정보 진위확인 및 상태조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 간단하게 사업자등록정보의 진위를 확인하거나 상태를 조회할 수 있습니다.

PublicDataReader

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

국세청 Open API 서비스 신청하기

국세청 사업자등록정보 진위확인 및 상태조회 서비스에서 서비스를 신청하면 API를 사용할 수 있는 인증키가 발급됩니다. 인증키 값을 serviceKey에 할당하고 이 값을 Nts의 인자로 입력하여 API 인스턴스를 생성합니다.

from PublicDataReader import Nts

serviceKey = "공공 데이터 포털에서 발급받은 서비스 키(디코딩 키)"

API = Nts(serviceKey)

사업자등록정보 진위확인하기

사업자등록정보의 진위확인을 하기 위해 조회할 사업자등록정보의 목록이 필요합니다. 이 때, 사업자등록정보의 목록을 엑셀 파일로 만들어 이용하거나 파이썬 딕셔너리 형식으로 작성해 이용할 수 있습니다. 참고로 진위확인 서비스는 1회 요청 당 최대 100개의 사업자등록정보를 처리할 수 있습니다.

엑셀 파일을 이용하는 방법

아래와 같이 엑셀 파일을 판다스 데이터 프레임 객체로 불러온 뒤 validate에 입력하면 조회 결과를 데이터 프레임으로 확인할 수 있습니다. 엑셀 파일의 컬럼은 다음과 같이 구성되어 있어야 합니다.

b_no: 사업자등록번호 (필수)
start_dt: 개업일자 (YYYYMMDD 포맷) (필수)
p_mn: 대표자성명1 (필수)
p_mn2: 대표자성명2 - 대표자성명1 이 한글이 아닌 경우, 이에 대한 한글명
b_nm: 상호 (Optional)
corp_no: 법인등록번호 (Optional)
b_sector: 주업태명 (Optional)
b_type: 주종목명 (Optional)

import pandas as pd

# 엑셀 파일 불러오기
df = pd.read_excel("./dataset.xlsx", dtype=str).fillna("")
df

	b_no	start_dt	p_nm
0	0000000000	20000101	홍길동
1	1111111111	20100101	홍길동
2	2222222222	20200101	홍길동

# 진위확인하기
result = API.validate(df)
result

	b_no	valid	valid_msg	request_param.b_no	request_param.start_dt	request_param.p_nm
0	0000000000	02	확인할 수 없습니다.	0000000000	20000101	홍길동
1	1111111111	02	확인할 수 없습니다.	1111111111	20100101	홍길동
2	2222222222	02	확인할 수 없습니다.	2222222222	20200101	홍길동

파이썬 딕셔너리 형식으로 이용하는 방법

아래와 같이 파이썬 딕셔너리로 사업자등록정보 목록을 작성 후 진위확인을 하는 방법도 있습니다. 이 때, 작성해야 하는 항목은 아래와 같습니다.

b_no: 사업자등록번호 (필수)
start_dt: 개업일자 (YYYYMMDD 포맷) (필수)
p_mn: 대표자성명1 (필수)
p_mn2: 대표자성명2 - 대표자성명1 이 한글이 아닌 경우, 이에 대한 한글명
b_nm: 상호 (Optional)
corp_no: 법인등록번호 (Optional)
b_sector: 주업태명 (Optional)
b_type: 주종목명 (Optional)

# 딕셔너리로 작성하기
businesses = [{
  'b_no': '0000000000',
  'start_dt': '20000101',
  'p_nm': '홍길동',
  'p_nm2': '',
  'b_nm': '',
  'corp_no': '',
  'b_sector': '',
  'b_type': ''},
 {'b_no': '1111111111',
  'start_dt': '20100101',
  'p_nm': '홍길동',
  'p_nm2': '',
  'b_nm': '',
  'corp_no': '',
  'b_sector': '',
  'b_type': ''},
 {'b_no': '2222222222',
  'start_dt': '20200101',
  'p_nm': '홍길동',
  'p_nm2': '',
  'b_nm': '',
  'corp_no': '',
  'b_sector': '',
  'b_type': ''
}]

# 진위확인하기
result = API.validate(businesses)
result

	b_no	valid	valid_msg	request_param.b_no	request_param.start_dt	request_param.p_nm
0	0000000000	02	확인할 수 없습니다.	0000000000	20000101	홍길동
1	1111111111	02	확인할 수 없습니다.	1111111111	20100101	홍길동
2	2222222222	02	확인할 수 없습니다.	2222222222	20200101	홍길동

사업자등록정보 상태조회하기

사업자등록정보의 상태를 조회하려면 사업자등록번호 목록이 필요합니다. 이 목록을 status에 입력하여 조회 결과를 판다스 데이터 프레임 형식으로 확인할 수 있습니다.

# 사업자등록번호 목록
b_no = ['0000000000', '1111111111']

# 상태조회
result = API.status(b_no)
result

	b_no	b_stt	b_stt_cd	tax_type	tax_type_cd	end_dt	utcc_yn	tax_type_change_dt	invoice_apply_dt
0	0000000000			국세청에 등록되지 않은 사업자등록번호입니다.
1	1111111111			국세청에 등록되지 않은 사업자등록번호입니다.

참고

PyKakao - 파이썬으로 카카오톡 메시지 보내기

Sun, 18 Dec 2022 00:00:00 +0900

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리

PyKakao

PyKakao 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PyKakao --upgrade

REST API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

카카오 로그인 관련 설정하기

Kakao Developers에 접속
내 애플리케이션 선택 후 위에서 생성한 애플리케이션 선택
내비게이션 메뉴에서 카카오 로그인 클릭 후 활성화 설정의 상태 버튼(OFF)을 클릭
팝업 창에서 활성화 버튼 클릭
카카오 로그인 화면 하단의 Redirect URI 등록 버튼 클릭
팝업 창에서 Redirect URI 항목에 로컬 주소인 ‘https://localhost:5000’ 입력 후 저장 버튼 클릭
내비게이션 메뉴에서 카카오 로그인 하위의 동의항목을 클릭
페이지 하단의 접근권한 이동 후 카카오톡 메시지 전송의 설정 클릭
동의 단계를 이용 중 동의로 선택하고 동의 목적 작성 후 저장 버튼 클릭

카카오톡 메시지 API 사용하기

메시지 API는 사용자가 카카오톡 친구에게 카카오톡 메시지를 보내는 기능을 제공합니다. PyKakao의 최신 버전에서는 ‘나에게 보내기’와 ‘친구에게 보내기’ 기능을 이용할 수 있습니다.

API 사용 설정하기

메시지 API를 사용하기 전에 설정해야 하는 사항들에 대해 알아보겠습니다.

카카오 메시지 API 클래스 임포트하기

PyKakao 라이브러리의 Message 클래스를 임포트합니다. Message의 인자로 위에서 발급받은 ‘REST API 키‘를 입력하여 API 인스턴스를 생성합니다.

from PyKakao import Message
API = Message(service_key = "REST API 키")

카카오 인증코드 발급 URL 생성

카카오 메시지 API를 이용하려면 액세스 토큰이 필요합니다. 액세스 토큰을 생성하려면 인증코드가 필요합니다. 아래와 같이 API.get_url_for_generating_code 메서드를 실행하여 얻은 카카오 인증코드 발급 URL을 출력합니다. 웹 브라우저를 이용해 출력된 URL에 접속합니다.

auth_url = API.get_url_for_generating_code()
print(auth_url)

카카오 인증코드 발급 URL 접속 후 리다이렉트된 URL

웹 브라우저에서 카카오 인증코드 발급 URL에 접속하면 페이지가 리다이렉트됩니다. 이 때, 리다이렉트된 주소를 웹 브라우저의 주소창에서 복사합니다. 복사한 리다이렉트된 URL을 url에 할당합니다.

url = ""

위 URL로 액세스 토큰 추출

API.get_access_token_by_redirected_url 메서드의 인자로 위 url을 입력하면 액세스 코드를 얻을 수 있습니다. 액세스 코드의 값을 아래와 같이 access_token에 할당합니다.

access_token = API.get_access_token_by_redirected_url(url)

액세스 토큰 설정

위에서 추출한 액세스 코드를 아래와 같이 설정합니다.

API.set_access_token(access_token)

1. 나에게 보내기 API 사용하기

피드 메시지 전송

# 메시지 유형 - 피드
message_type = "feed"

# 파라미터
content = {
            "title": "오늘의 디저트",
            "description": "아메리카노, 빵, 케익",
            "image_url": "https://mud-kage.kakao.com/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg",
            "image_width": 640,
            "image_height": 640,
            "link": {
                "web_url": "http://www.daum.net",
                "mobile_web_url": "http://m.daum.net",
                "android_execution_params": "contentId=100",
                "ios_execution_params": "contentId=100"
            }
        }

item_content = {
            "profile_text" :"Kakao",
            "profile_image_url" :"https://mud-kage.kakao.com/dn/Q2iNx/btqgeRgV54P/VLdBs9cvyn8BJXB3o7N8UK/kakaolink40_original.png",
            "title_image_url" : "https://mud-kage.kakao.com/dn/Q2iNx/btqgeRgV54P/VLdBs9cvyn8BJXB3o7N8UK/kakaolink40_original.png",
            "title_image_text" :"Cheese cake",
            "title_image_category" : "Cake",
            "items" : [
                {
                    "item" :"Cake1",
                    "item_op" : "1000원"
                },
                {
                    "item" :"Cake2",
                    "item_op" : "2000원"
                },
                {
                    "item" :"Cake3",
                    "item_op" : "3000원"
                },
                {
                    "item" :"Cake4",
                    "item_op" : "4000원"
                },
                {
                    "item" :"Cake5",
                    "item_op" : "5000원"
                }
            ],
            "sum" :"Total",
            "sum_op" : "15000원"
        }

social = {
            "like_count": 100,
            "comment_count": 200,
            "shared_count": 300,
            "view_count": 400,
            "subscriber_count": 500
        }

buttons = [
            {
                "title": "웹으로 이동",
                "link": {
                    "web_url": "http://www.daum.net",
                    "mobile_web_url": "http://m.daum.net"
                }
            },
            {
                "title": "앱으로 이동",
                "link": {
                    "android_execution_params": "contentId=100",
                    "ios_execution_params": "contentId=100"
                }
            }
        ]

API.send_message_to_me(
    message_type=message_type,
    content=content, 
    item_content=item_content, 
    social=social, 
    buttons=buttons
    )

리스트 메시지 전송

# 메시지 유형 - 리스트
message_type = "list"

# 파라미터
header_title = "WEEKELY MAGAZINE"
header_link = {
            "web_url": "http://www.daum.net",
            "mobile_web_url": "http://m.daum.net",
            "android_execution_params": "main",
            "ios_execution_params": "main"
        }
contents = [
            {
                "title": "자전거 라이더를 위한 공간",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/QNvGY/btqfD0SKT9m/k4KUlb1m0dKPHxGV8WbIK1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/1",
                    "mobile_web_url": "http://m.daum.net/contents/1",
                    "android_execution_params": "/contents/1",
                    "ios_execution_params": "/contents/1"
                }
            },
            {
                "title": "비쥬얼이 끝내주는 오레오 카푸치노",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/boVWEm/btqfFGlOpJB/mKsq9z6U2Xpms3NztZgiD1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/2",
                    "mobile_web_url": "http://m.daum.net/contents/2",
                    "android_execution_params": "/contents/2",
                    "ios_execution_params": "/contents/2"
                }
            },
            {
                "title": "감성이 가득한 분위기",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/3",
                    "mobile_web_url": "http://m.daum.net/contents/3",
                    "android_execution_params": "/contents/3",
                    "ios_execution_params": "/contents/3"
                }
            }
        ]
buttons = [
            {
                "title": "웹으로 이동",
                "link": {
                    "web_url": "http://www.daum.net",
                    "mobile_web_url": "http://m.daum.net"
                }
            },
            {
                "title": "앱으로 이동",
                "link": {
                    "android_execution_params": "main",
                    "ios_execution_params": "main"
                }
            }
        ]


API.send_message_to_me(
    message_type=message_type,
    header_title=header_title, 
    header_link=header_link, 
    contents=contents, 
    buttons=buttons,
    )

위치 메시지 전송

# 메시지 유형 - 위치
message_type = "location"

# 파라미터
address = "경기 성남시 분당구 판교역로 235 에이치스퀘어 N동 7층"
address_title = "카카오 판교오피스"
content = {
                "title": "카카오 판교오피스",
                "description": "카카오 판교오피스 위치입니다.",
                "image_url": "https://mud-kage.kakao.com/dn/drTdbB/bWYf06POFPf/owUHIt7K7NoGD0hrzFLeW0/kakaolink40_original.png",
                "image_width": 800,
                "image_height": 800,
                "link": {
                    "web_url": "https://developers.kakao.com",
                    "mobile_web_url": "https://developers.kakao.com/mobile",
                    "android_execution_params": "platform=android",
                    "ios_execution_params": "platform=ios"
                }
            }
buttons = [
                {
                    "title": "웹으로 보기",
                    "link": {
                        "web_url": "https://developers.kakao.com",
                        "mobile_web_url": "https://developers.kakao.com/mobile"
                    }
                }
            ]

API.send_message_to_me(
    message_type=message_type,
    address=address, 
    address_title=address_title, 
    content=content, 
    buttons=buttons,
    )

커머스 메시지 전송

# 메시지 유형 - 커머스
message_type = "commerce"

# 파라미터
content = {
            "title": "Ivory long dress (4 Color)",
            "image_url": "https://mud-kage.kakao.com/dn/RY8ZN/btqgOGzITp3/uCM1x2xu7GNfr7NS9QvEs0/kakaolink40_original.png",
            "image_width": 640,
            "image_height": 640,
            "link": {
                "web_url": "https://style.kakao.com/main/women/contentId=100",
                "mobile_web_url": "https://style.kakao.com/main/women/contentId=100",
                "android_execution_params": "contentId=100",
                "ios_execution_params": "contentId=100"
            }
        }

commerce = {
            "regular_price": 208800,
            "discount_price": 146160,
            "discount_rate": 30
        }

buttons = [
            {
                "title": "구매하기",
                "link": {
                    "web_url": "https://style.kakao.com/main/women/contentId=100/buy",
                    "mobile_web_url": "https://style.kakao.com/main/women/contentId=100/buy",
                    "android_execution_params": "contentId=100&buy=true",
                    "ios_execution_params": "contentId=100&buy=true"
                }
            },
            {
                "title": "공유하기",
                "link": {
                    "web_url": "https://style.kakao.com/main/women/contentId=100/share",
                    "mobile_web_url": "https://style.kakao.com/main/women/contentId=100/share",
                    "android_execution_params": "contentId=100&share=true",
                    "ios_execution_params": "contentId=100&share=true"
                }
            }
        ]

API.send_message_to_me(
    message_type=message_type,
    content=content, 
    commerce=commerce, 
    buttons=buttons,
    )

텍스트 메시지 전송

# 메시지 유형 - 텍스트
message_type = "text"

# 파라미터
text = "텍스트 영역입니다. 최대 200자 표시 가능합니다."
link = {
            "web_url": "https://developers.kakao.com",
            "mobile_web_url": "https://developers.kakao.com"
        }
button_title = "바로 확인"

API.send_message_to_me(
    message_type=message_type, 
    text=text,
    link=link,
    button_title=button_title,
)

2. 친구에게 보내기 API 사용하기

피드 메시지 전송

# 메시지 유형 - 피드
message_type = "feed"

# UUID 목록
receiver_uuids = [
    "수신자 UUID",
]

# 파라미터
content = {
            "title": "오늘의 디저트",
            "description": "아메리카노, 빵, 케익",
            "image_url": "https://mud-kage.kakao.com/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg",
            "image_width": 640,
            "image_height": 640,
            "link": {
                "web_url": "http://www.daum.net",
                "mobile_web_url": "http://m.daum.net",
                "android_execution_params": "contentId=100",
                "ios_execution_params": "contentId=100"
            }
        }

item_content = {
            "profile_text" :"Kakao",
            "profile_image_url" :"https://mud-kage.kakao.com/dn/Q2iNx/btqgeRgV54P/VLdBs9cvyn8BJXB3o7N8UK/kakaolink40_original.png",
            "title_image_url" : "https://mud-kage.kakao.com/dn/Q2iNx/btqgeRgV54P/VLdBs9cvyn8BJXB3o7N8UK/kakaolink40_original.png",
            "title_image_text" :"Cheese cake",
            "title_image_category" : "Cake",
            "items" : [
                {
                    "item" :"Cake1",
                    "item_op" : "1000원"
                },
                {
                    "item" :"Cake2",
                    "item_op" : "2000원"
                },
                {
                    "item" :"Cake3",
                    "item_op" : "3000원"
                },
                {
                    "item" :"Cake4",
                    "item_op" : "4000원"
                },
                {
                    "item" :"Cake5",
                    "item_op" : "5000원"
                }
            ],
            "sum" :"Total",
            "sum_op" : "15000원"
        }

social = {
            "like_count": 100,
            "comment_count": 200,
            "shared_count": 300,
            "view_count": 400,
            "subscriber_count": 500
        }

buttons = [
            {
                "title": "웹으로 이동",
                "link": {
                    "web_url": "http://www.daum.net",
                    "mobile_web_url": "http://m.daum.net"
                }
            },
            {
                "title": "앱으로 이동",
                "link": {
                    "android_execution_params": "contentId=100",
                    "ios_execution_params": "contentId=100"
                }
            }
        ]

API.send_message_to_friend(
    message_type=message_type,
    receiver_uuids=receiver_uuids,
    content=content, 
    item_content=item_content, 
    social=social, 
    buttons=buttons
    )

리스트 메시지 전송

# 메시지 유형 - 리스트
message_type = "list"

# UUID 목록
receiver_uuids = [
    "수신자 UUID",
]

# 파라미터
header_title = "WEEKELY MAGAZINE"
header_link = {
            "web_url": "http://www.daum.net",
            "mobile_web_url": "http://m.daum.net",
            "android_execution_params": "main",
            "ios_execution_params": "main"
        }
contents = [
            {
                "title": "자전거 라이더를 위한 공간",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/QNvGY/btqfD0SKT9m/k4KUlb1m0dKPHxGV8WbIK1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/1",
                    "mobile_web_url": "http://m.daum.net/contents/1",
                    "android_execution_params": "/contents/1",
                    "ios_execution_params": "/contents/1"
                }
            },
            {
                "title": "비쥬얼이 끝내주는 오레오 카푸치노",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/boVWEm/btqfFGlOpJB/mKsq9z6U2Xpms3NztZgiD1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/2",
                    "mobile_web_url": "http://m.daum.net/contents/2",
                    "android_execution_params": "/contents/2",
                    "ios_execution_params": "/contents/2"
                }
            },
            {
                "title": "감성이 가득한 분위기",
                "description": "매거진",
                "image_url": "https://mud-kage.kakao.com/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg",
                "image_width": 640,
                "image_height": 640,
                "link": {
                    "web_url": "http://www.daum.net/contents/3",
                    "mobile_web_url": "http://m.daum.net/contents/3",
                    "android_execution_params": "/contents/3",
                    "ios_execution_params": "/contents/3"
                }
            }
        ]
buttons = [
            {
                "title": "웹으로 이동",
                "link": {
                    "web_url": "http://www.daum.net",
                    "mobile_web_url": "http://m.daum.net"
                }
            },
            {
                "title": "앱으로 이동",
                "link": {
                    "android_execution_params": "main",
                    "ios_execution_params": "main"
                }
            }
        ]


API.send_message_to_friend(
    message_type=message_type,
    receiver_uuids=receiver_uuids,
    header_title=header_title, 
    header_link=header_link, 
    contents=contents, 
    buttons=buttons,
    )

위치 메시지 전송

# 메시지 유형 - 위치
message_type = "location"

# UUID 목록
receiver_uuids = [
    "수신자 UUID",
]

# 파라미터
address = "경기 성남시 분당구 판교역로 235 에이치스퀘어 N동 7층"
address_title = "카카오 판교오피스"
content = {
                "title": "카카오 판교오피스",
                "description": "카카오 판교오피스 위치입니다.",
                "image_url": "https://mud-kage.kakao.com/dn/drTdbB/bWYf06POFPf/owUHIt7K7NoGD0hrzFLeW0/kakaolink40_original.png",
                "image_width": 800,
                "image_height": 800,
                "link": {
                    "web_url": "https://developers.kakao.com",
                    "mobile_web_url": "https://developers.kakao.com/mobile",
                    "android_execution_params": "platform=android",
                    "ios_execution_params": "platform=ios"
                }
            }
buttons = [
                {
                    "title": "웹으로 보기",
                    "link": {
                        "web_url": "https://developers.kakao.com",
                        "mobile_web_url": "https://developers.kakao.com/mobile"
                    }
                }
            ]

API.send_message_to_friend(
    message_type=message_type,
    receiver_uuids=receiver_uuids,
    address=address, 
    address_title=address_title, 
    content=content, 
    buttons=buttons,
    )

커머스 메시지 전송

# 메시지 유형 - 커머스
message_type = "commerce"

# UUID 목록
receiver_uuids = [
    "수신자 UUID",
]

# 파라미터
content = {
            "title": "Ivory long dress (4 Color)",
            "image_url": "https://mud-kage.kakao.com/dn/RY8ZN/btqgOGzITp3/uCM1x2xu7GNfr7NS9QvEs0/kakaolink40_original.png",
            "image_width": 640,
            "image_height": 640,
            "link": {
                "web_url": "https://style.kakao.com/main/women/contentId=100",
                "mobile_web_url": "https://style.kakao.com/main/women/contentId=100",
                "android_execution_params": "contentId=100",
                "ios_execution_params": "contentId=100"
            }
        }

commerce = {
            "regular_price": 208800,
            "discount_price": 146160,
            "discount_rate": 30
        }

buttons = [
            {
                "title": "구매하기",
                "link": {
                    "web_url": "https://style.kakao.com/main/women/contentId=100/buy",
                    "mobile_web_url": "https://style.kakao.com/main/women/contentId=100/buy",
                    "android_execution_params": "contentId=100&buy=true",
                    "ios_execution_params": "contentId=100&buy=true"
                }
            },
            {
                "title": "공유하기",
                "link": {
                    "web_url": "https://style.kakao.com/main/women/contentId=100/share",
                    "mobile_web_url": "https://style.kakao.com/main/women/contentId=100/share",
                    "android_execution_params": "contentId=100&share=true",
                    "ios_execution_params": "contentId=100&share=true"
                }
            }
        ]

API.send_message_to_friend(
    message_type=message_type,
    receiver_uuids=receiver_uuids,
    content=content, 
    commerce=commerce, 
    buttons=buttons,
    )

텍스트 메시지 전송

# 메시지 유형 - 텍스트
message_type = "text"

# UUID 목록
receiver_uuids = [
    "수신자 UUID",
]

# 파라미터
text = "텍스트 영역입니다. 최대 200자 표시 가능합니다."
link = {
            "web_url": "https://developers.kakao.com",
            "mobile_web_url": "https://developers.kakao.com"
        }
button_title = "바로 확인"

API.send_message_to_friend(
    message_type=message_type, 
    receiver_uuids=receiver_uuids,
    text=text,
    link=link,
    button_title=button_title,
)

참고

PyKakao - Python으로 카카오 로컬 API 사용하기

Sun, 18 Dec 2022 00:00:00 +0900

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리

PyKakao

PyKakao 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PyKakao --upgrade

REST API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

카카오 로컬 API 사용하기

로컬(local) API는 키워드로 특정 장소 정보를 조회하거나, 좌표를 주소 또는 행정구역으로 변환하는 등 장소에 대한 정보를 제공합니다. 특정 카테고리로 장소를 검색하는 등 폭넓은 활용이 가능하며, 지번 주소와 도로명 주소 체계를 모두 지원합니다.

카카오 로컬 API 클래스 임포트하기

PyKakao 라이브러리의 Local 클래스를 임포트합니다. Local의 인자로 위에서 발급받은 ‘REST API 키‘를 입력하여 api 인스턴스를 생성합니다.

from PyKakao import Local
api = Local(service_key = "REST API 키")

주소 검색하기

주소를 지도 위에 정확하게 표시하기 위해 해당 주소의 좌표 정보를 제공하는 API입니다. 주소에 해당하는 지번 주소, 도로명 주소, 좌표, 우편번호, 빌딩명 등의 다양한 정보를 함께 제공합니다. 이 API는 지번 주소, 도로명 주소 모두 지원합니다.

api.search_address의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.search_address("백현동", dataframe=True)

좌표로 행정구역정보 받기

다양한 좌표계에 대한 좌표값을 받아 해당 좌표에 부합하는 행정동, 법정동을 얻는 API입니다. 대략적인 지역 정보를 제공하여 해당 위치에 맞는 다른 서비스(맛집, 날씨 등등)를 연계하는데 활용 가능합니다.

api.geo_coord2regioncode의 인자로 X 좌표값, 경위도인 경우 경도(longitude), Y 좌표값, 경위도인 경우 위도(latitude)을 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.geo_coord2regioncode(127.110871319215, 37.3885490672089, dataframe=True)

좌표로 주소 변환하기

좌표 정보의 지번 주소와 도로명 주소 정보를 반환하는 API입니다. 도로명 주소는 좌표에 따라 반환되지 않을 수 있습니다.

api.geo_coord2address의 인자로 X 좌표값, 경위도인 경우 경도(longitude), Y 좌표값, 경위도인 경우 위도(latitude)을 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.geo_coord2address(127.110871319215, 37.3885490672089, dataframe=True)

좌표계 변환하기

x, y 값과 입력 및 출력 좌표계를 지정해 변환된 좌표 값을 구해, 서로 다른 좌표계간 데이터 호환이 가능하도록 합니다.

api.geo_coord2address의 인자로 X 좌표값, 경위도인 경우 경도(longitude), Y 좌표값, 경위도인 경우 위도(latitude), 변환할 좌표계을 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.geo_transcoord(127.110871319215, 37.3885490672089, "WCONGNAMUL", dataframe=True)

키워드로 장소 검색하기

질의어에 매칭된 장소 검색 결과를 지정된 정렬 기준에 따라 제공합니다. 현재 위치 좌표, 반경 제한, 정렬 옵션, 페이징 등의 기능을 통해 원하는 결과를 요청 할 수 있습니다.

api.search_keyword의 인자로 검색을 원하는 질의어를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.search_keyword("판교역", dataframe=True)

카테고리로 장소 검색하기

미리 정의된 카테고리 코드에 해당하는 장소 검색 결과를 지정된 정렬 기준에 따라 제공합니다.

api.search_keyword의 인자로 카테고리 코드를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df =  api.search_category("MT1", x=127.110871319215, y=37.3885490672089, radius=500, dataframe=True)

참고

PyKakao - Python으로 카카오 KoGPT API 사용하기

Sun, 18 Dec 2022 00:00:00 +0900

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리

PyKakao

PyKakao 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PyKakao --upgrade

REST API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

카카오 KoGPT API 사용하기

KoGPT API는 다양한 한국어 과제를 수행할 수 있는 기능을 제공합니다. 카카오브레인의 KoGPT는 방대한 데이터로 훈련된 GPT-3 기반의 인공지능(Artifical Intelligence, AI) 한국어 언어 모델입니다.

카카오 KoGPT API 클래스 임포트하기

PyKakao 라이브러리의 KoGPT 클래스를 임포트합니다. KoGPT의 인자로 위에서 발급받은 ‘REST API 키‘를 입력하여 api 인스턴스를 생성합니다.

from PyKakao import KoGPT
api = KoGPT(service_key = "REST API 키")

다음 문장 만들기

KoGPT의 기본 기능입니다. 주어진 프롬프트 뒤로 이어질 자연스러운 문장을 생성합니다.

# 필수 파라미터
prompt = "인간처럼 생각하고, 행동하는 '지능'을 통해 인류가 이제까지 풀지 못했던"
max_tokens = 64

# 결과 조회
result = api.generate(prompt, max_tokens, temperature=0.7, top_p=0.8)

문장 분류하기

주어진 프롬프트의 분류 예시를 참고해 마지막 문장을 같은 기준으로 분류(Classification)합니다. 분류 대상인 마지막 문장은 예시의 각 문장과 같은 형식으로 입력해야 합니다. 아래는 상품평을 긍정 또는 부정으로 분류 요청하는 예제입니다. 결과가 “긍정” 또는 “부정”이어야 하므로 max_tokens은 1로 지정해 요청합니다.

# 필수 파라미터
prompt = """상품 후기를 긍정 또는 부정으로 분류합니다.
가격대비좀 부족한게많은듯=부정
재구매 친구들이 좋은 향 난다고 해요=긍정
ㅠㅠ약간 후회가 됩니다..=부정
이전에 먹고 만족해서 재구매합니다=긍정
튼튼하고 잘 쓸수 있을 것 같습니다. 이 가격에 이 퀄리티면 훌륭하죠="""
max_tokens = 1

# 결과 조회
result = GPT.generate(prompt, max_tokens, temperature=0.4)

뉴스 한 줄 요약하기

주어진 프롬프트의 뉴스 내용을 한 줄 요약합니다. KoGPT가 수행해야 할 과제를 알아볼 수 있도록 프롬프트 끝에 한줄 요약: 형식으로 입력을 구성했습니다.

# 필수 파라미터
prompt = """카카오(각자대표 남궁훈, 홍은택)의 임팩트 커머스 카카오메이커스와 카카오브레인(대표 김일두)이 '세계 동물의 날'을 맞아 멸종 위기 동물 보호에 힘을 보탠다. 

카카오메이커스와 카카오브레인은 4일 세계 동물의 날을 맞아, 카카오브레인의 AI 아티스트 '칼로' 와 현대미술가 고상우 작가가 협업한 제품을 오는 12일까지 카카오메이커스에서 단독 판매한다고 밝혔다. 판매 수익금 전액은 WWF(세계자연기금)에 기부할 예정이다. 

이번 프로젝트에 참여한 AI 아티스트 '칼로'는 'minDALL-E', 'RQ-Transformer' 등 카카오브레인의 초거대 이미지 생성 AI 모델을 발전시켜 하나의 페르소나로 재탄생한 AI 아티스트다. 1.8억 장 규모의 텍스트-이미지 데이터셋을 학습해 이해한 문맥을 바탕으로 다양한 화풍과 스타일로 이미지를 생성할 수 있다. 올해 6월에는 고상우 작가와의 공동 작업으로 생성한 1,000개의 호랑이 이미지를 조합한 디지털 작품으로 전시회를 진행한 바 있다. 

이번 프로젝트를 통해 선보이는 제품은 맨투맨과 머그컵이다. '칼로'가 생성한 호랑이 그림과 푸른색 사진 예술의 선구자인 고상우 작가 특유의 드로잉이 조화롭게 어우러져 완성된 500점의 호랑이 그림 모자이크 'Blue Tiger'가 새겨져 있다. 판매 수익금 전액은 WWF(세계자연기금)에 기부됨과 동시에, 낭비 없는 생산을 위해 주문 수량만큼 제품을 생산하는 카카오메이커스의 환경친화적 주문제작 방식(POD 생산)을 도입했다. 

카카오브레인 김일두 대표는 "AI 아티스트 칼로가 생성한 예술 작품으로 멸종 위기 동물 보호 활동에 동참하게 되어 기쁘다"며, "앞으로도 우리의 AI 기술을 통해 사회에 환원할 수 있는 의미 있는 프로젝트에 지속 참여하겠다"며 포부를 전했다. 

카카오 정영주 메이커스 실장은 "지난 8월 고양이의 날을 기념한 제품을 기획/판매해 기부한데 이어 사회의 다양한 구성원을 존중하고 배려하는 프로젝트를 이어가고 있다"며 "더 나은 세상을 만들기 위한 이용자들의 관심을 확인하고 있으며, 앞으로도 임팩트 커머스로서 다양한 가치를 담은 메이커스만의 제품을 선보일 것" 이라고 밝혔다.

한줄 요약:"""
max_tokens = 128

# 결과 조회
result = GPT.generate(prompt, max_tokens, top_p=0.7)

질문에 답변하기

주어진 프롬프트의 복합적인 정보를 참고하여 질문에 답변합니다. KoGPT가 수행해야 할 과제를 알아볼 수 있도록 프롬프트 끝에 정책제안서를 제출하는 시기는 언제인가?: 형식으로 입력을 구성했습니다.

# 필수 파라미터
prompt = """의료 스타트업으로 구성된 원격의료산업협의회가 10월부터 열리는 국정감사 시기에 맞춰 국회와 정부에 비대면 진료법 근거 마련을 촉구하는 정책제안서를 제출한다. 코로나19 사태에 비대면 진료의 한시 허용으로 원격 진료, 의약품 배송 등 서비스가 속속 등장하는 가운데 제도화 논의를 서둘러야 한다는 목소리가 높아질 것으로 전망된다. 코리아스타트업포럼 산하 원격의료산업협의회는 '위드(with) 코로나' 방역 체계 전환을 염두에 두고 비대면 진료 제도화 촉구를 위한 공동 대응 작업을 추진하고 있다. 협의회는 닥터나우, 엠디스퀘어, SH바이오, 메디버디 등 의료 스타트업 13개사로 구성됐다. 협의회는 국정감사 시기를 겨냥해 국회와 주무 부처인 보건복지부에 비대면 진료의 법적 근거 마련을 촉구할 방침이다. 이를 위해 주요 의원실과 관련 의견을 교환하고 있다. 협의회는 궁극적으로 의료법과 약사법 개정이 필요하지만 의료법 테두리 안에서 시행령 개정 등으로도 비대면 진료 가능성과 대상·의료기관 등을 구체화할 수 있다는 복안이다. 복지부 장관령으로 비대면 진료 기간을 명시하는 방안 등을 통해 사업 리스크도 줄일 수 있다. 올해 안에 국내 방역체계 패러다임이 바뀔 것으로 예상되는 점도 비대면 진료 제도화의 필요성을 높이고 있다. 최근 코로나19 백신 접종이 속도를 내면서 방역 당국은 위드 코로나 방역체계 전환을 고려하고 있다. 인구 대비 백신 접종 완료율이 70%가 되는 오는 10월 말에는 전환 논의가 수면 위로 뜰 것으로 보인다.
정책제안서를 제출하는 시기는 언제인가?:"""
max_tokens = 128

# 결과 조회
result = GPT.generate(prompt, max_tokens, temperature=0.2)

특정 정보 추려내기

주어진 프롬프트의 내용에서 요청한 정보를 반환합니다. 주어진 사실을 바탕으로 과제를 해결해야 하므로, temperature 파라미터 값을 0.3으로 지정해 비교적 고정적인 결과를 생성하도록 유도합니다.

# 필수 파라미터
prompt = """임진왜란(壬辰倭亂)은 1592년(선조 25년) 도요토미 정권이 조선을 침략하면서 발발하여 1598년(선조 31년)까지 이어진 전쟁이다. 또한 임진왜란은 동아시아에 막대한 영향을 끼쳤으며, 두번의 침입이 있어서 제2차 침략은 정유재란이라 따로 부르기도 한다. 또한 이때 조선은 경복궁과 창덕궁 등 2개의 궁궐이 소실되었으며 약 백만명의 인구가 소실되었다.

명칭
일반적으로 임진년에 일어난 왜의 난리란 뜻으로 지칭되며 그 밖에 조선과 일본 사이에 일어난 전쟁이란 뜻에서 조일전쟁(朝日戰爭), 임진년에 일어난 전쟁이란 뜻에서 임진전쟁(壬辰戰爭), 도자기공들이 일본으로 납치된 후 일본에 도자기 문화가 전파되었다 하여 도자기 전쟁(陶瓷器戰爭)이라고도 한다. 일본에서는 당시 연호를 따서 분로쿠의 역(일본어: 文禄の役 분로쿠노에키[*])이라 하며, 중화인민공화국과 중화민국에서는 당시 명나라 황제였던 만력제의 호를 따 만력조선전쟁(萬曆朝鮮戰爭, 중국어: 萬曆朝鮮之役), 혹은 조선을 도와 왜와 싸웠다 하여 항왜원조(抗倭援朝)라고도 하며, 조선민주주의인민공화국에서는 임진조국전쟁(壬辰祖國戰爭)이라고 한다. 그밖에도 7년간의 전쟁이라 하여 7년 전쟁(七年戰爭)으로도 부른다.

임진왜란 때 조선의 왕은?

답:"""
max_tokens = 1

# 결과 조회
result = GPT.generate(prompt, max_tokens, temperature=0.3)

말투 바꾸기

주어진 프롬프트의 예시를 참고하여, 마지막 문장의 말투를 요청한 방식으로 바꿉니다. 아래는 반말을 존댓말로 바꾸는 예제입니다. KoGPT가 참고할 수 있는 예시를 포함해 요청합니다.

# 필수 파라미터
prompt = """주어진 문장을 존댓말 문장으로 바꿔주세요.

문장:하지마!
존댓말:하지 말아주세요.

문장:나랑 같이 놀러가자
존댓말:저랑 같이 놀러가지 않으실래요?

문장:배고파 밥줘
존댓말:배가고픈데 밥을 먹어도 될까요?

문장:그거 재밌어?
존댓말:그것은 재미 있나요?

문장:뭐하는거야 지금
존댓말:지금 무엇을 하시는 건가요?

문장:당장 제자리에 돌려놔
존댓말:"""
max_tokens = 10

# 결과 조회
result = GPT.generate(prompt, max_tokens, temperature=0.7)

채팅하기

주어진 프롬프트의 정보와 대화 예시를 참고해 적절한 대화를 이어나갑니다. 과제 설명에 화자 특징을 묘사한 뒤, Q:와 A: 형식으로 대화 예시를 전달합니다.

# 필수 파라미터
prompt = """정보:거주지 서울, 나이 30대, 성별 남자, 자녀 두 명, 전공 인공지능, 말투 친절함
정보를 바탕으로 질문에 답하세요.
Q:안녕하세요 반갑습니다. 자기소개 부탁드려도 될까요?
A:안녕하세요. 저는 서울에 거주하고 있는 30대 남성입니다.
Q:오 그렇군요, 결혼은 하셨나요?
A:"""
max_tokens = 32

# 결과 조회
result = GPT.generate(prompt, max_tokens, temperature=0.3, top_p=0.85)

참고

PyKakao - Python으로 다음 검색 API 사용하기

Sun, 18 Dec 2022 00:00:00 +0900

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리

PyKakao

PyKakao 설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.

Windows: CMD(명령 프롬프트) 실행
Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PyKakao --upgrade

REST API 키 발급받기

PyKakao 라이브러리로 카카오 API를 사용하기 위해서는 Kakao Developers에 가입해야 합니다. 가입 후 로그인한 상태에서 상단 메뉴의 내 애플리케이션을 선택합니다. ‘애플리케이션 추가하기’를 눌러 팝업창이 뜨면 ‘앱 이름’, ‘사업자명’을 입력하고, 운영정책에 동의 후 ‘저장’을 선택합니다. 추가한 애플리케이션을 선택하면 ‘앱 키’ 아래에 ‘REST API 키‘가 생성된 것을 확인할 수 있습니다.

Daum 검색 API 사용하기

Daum 검색 API는 포털 사이트 Daum에서 방대한 웹 문서, 동영상, 이미지, 블로그, 책, 카페를 검색하는 기능을 제공합니다.

카카오 Daum 검색 API 클래스 임포트하기

PyKakao 라이브러리의 DaumSearch 클래스를 임포트합니다. DaumSearch의 인자로 위에서 발급받은 ‘REST API 키‘를 입력하여 api 인스턴스를 생성합니다.

from PyKakao import DaumSearch
api = DaumSearch(service_key = "REST API 키")

웹문서 검색

다음 검색 서비스에서 질의어로 웹 문서를 검색합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_web의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_web("파이썬", dataframe=True)

동영상 검색

카카오 TV, 유투브(Youtube) 등 서비스에서 질의어로 동영상을 검색합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_vclip의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_vclip("파이썬", dataframe=True)

이미지 검색

다음 검색 서비스에서 질의어로 이미지를 검색합니다. REST API 키를 헤더에 담아 GET으로 요청합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_image의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_image("파이썬", dataframe=True)

블로그 검색

다음 블로그 서비스에서 질의어로 게시물을 검색합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_blog의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_blog("파이썬", dataframe=True)

책 검색

다음 책 서비스에서 질의어로 도서 정보를 검색합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_book의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_book("파이썬", dataframe=True)

카페 검색

다음 카페 서비스에서 질의어로 게시물을 검색합니다. 원하는 검색어와 함께 결과 형식 파라미터를 선택적으로 추가할 수 있습니다.

api.search_cafe의 인자로 검색을 원하는 질의어 를 입력합니다. dataframe 인자의 값을 True로 입력하면 결과를 판다스 데이터프레임 형식으로 반환하고, 이 값을 설정하지 않거나 False로 입력하면 결과를 딕셔너리 형식으로 반환합니다.

df = api.search_cafe("파이썬", dataframe=True)

참고

PublicDataReader - 캠코 공매물건 조회하기

Fri, 02 Dec 2022 00:00:00 +0900

파이썬으로 캠코 공매물건 조회하기

파이썬 PublicDataReader 라이브러리를 이용하면 한국자산관리공사 캠코에서 제공하는 공매물건 데이터를 쉽게 조회할 수 있습니다.

PublicDataReader

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택합니다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행합니다.

pip install PublicDataReader --upgrade

한국자산관리공사 Open API 서비스 신청하기

공공데이터포털의 한국자산관리공사 Open API 서비스 5종을 모두 신청합니다. 아래 링크를 통해 서비스 신청 페이지에 접속할 수 있습니다. OpenAPI 서비스 키 발급 방법에 대해 궁금하신 분들은 구글에 ‘공공 데이터 포털 Open API 사용법‘을 검색하시면 여러 문서들을 참조하실 수 있습니다. 검색 후 가장 상단에 있는 이 블로그를 참조하셔도 됩니다.

서비스명	서비스(파라미터)	기능(파라미터)
온비드코드조회서비스	온비드코드	용도상위코드, 용도중간코드, 용도하위코드, 시도, 시군구, 읍면동, 상세주소
캠코공매물건조회서비스	캠코공매물건	물건목록, 공고목록, 일정, 공고기본정보, 공고공매일정, 공고첨부파일
이용기관공매물건조회서비스	이용기관공매물건	공고목록, 물건목록, 통합공고목록, 매각공고목록, 임대공고목록, 마감임박공고목록
정부재산정보공개조회서비스	정부재산정보공개	정부재산정보공개정보목록, 정부재산정보공개정보상세, 캠코관리재산정보공개목록정보, 캠코관리재산정보공개정보상세
물건정보조회서비스	물건정보	통합용도별물건목록, 통합새로운물건목록, 통합마감임박물건목록, 통합수의계약가능물건목록, 통합50%체감물건목록, 통합클릭탑20물건목록, 통합관심탑20물건목록, 통합용도별물건기본정보상세, 통합용도별물건감정평가서정보상세, 통합용도별물건임대차정보상세, 통합용도별물건권리종류정보상세, 통합용도별물건공매일정상세, 통합용도별물건입찰이력상세, 통합용도별물건주주정보상세, 통합용도별물건법인현황정보상세

서비스키 할당하기

서비스 신청이 완료되었다면 아래와 같이 서비스키를 serviceKey의 값으로 할당합니다.

serviceKey = "공공 데이터 포털에서 발급받은 서비스 키"

한국자산관리공사 API 인스턴스 정의

위에서 정의한 serviceKey를 Kamco의 인자로 입력하여 API라는 데이터 조회 인스턴스를 생성합니다.

import PublicDataReader as pdr
API = pdr.Kamco(serviceKey)

사용 가능한 서비스 목록 출력

다음 명령을 실행하면 각 서비스 별로 이용할 수 있는 기능들이 출력됩니다. 출력된 서비스와 기능을 조합하여 데이터를 조회할 수 있습니다. 각 서비스와 기능 별로 요청 인자가 서로 다르므로 구체적인 파라미터 정보는 각 서비스 상세 설명 페이지를 참고하면 됩니다.

for service, values in API.meta_dict.items():
    print(f"""\
{"="*30}
서비스: {service}
{"="*30}
기능: {", ".join(list(values['기능'].keys()))}
""")

==============================
서비스: 온비드코드
==============================
기능: 용도상위코드, 용도중간코드, 용도하위코드, 시도, 시군구, 읍면동, 상세주소

==============================
서비스: 캠코공매물건
==============================
기능: 물건목록, 공고목록, 일정, 공고기본정보, 공고공매일정, 공고첨부파일

==============================
서비스: 이용기관공매물건
==============================
기능: 공고목록, 물건목록, 통합공고목록, 매각공고목록, 임대공고목록, 마감임박공고목록

==============================
서비스: 정부재산정보공개
==============================
기능: 정부재산정보공개정보목록, 정부재산정보공개정보상세, 캠코관리재산정보공개목록정보, 캠코관리재산정보공개정보상세

==============================
서비스: 물건정보
==============================
기능: 통합용도별물건목록, 통합새로운물건목록, 통합마감임박물건목록, 통합수의계약가능물건목록, 통합50%체감물건목록, 통합클릭탑20물건목록, 통합관심탑20물건목록, 통합용도별물건기본정보상세, 통합용도별물건감정평가서정보상세, 통합용도별물건임대차정보상세, 통합용도별물건권리종류정보상세, 통합용도별물건공매일정상세, 통합용도별물건입찰이력상세, 통합용도별물건주주정보상세, 통합용도별물건법인현황정보상세

온비드코드조회서비스

한국자산관리공사_온비드코드조회서비스

용도1 코드조회서비스 : 용도 상위 코드조회

service = "온비드코드"
function = "용도상위코드"
params = {}

df = API.get_data(service, function, **params)
df.head()

	RNUM	CTGR_ID	CTGR_NM	CTGR_HIRK_ID	CTGR_HIRK_NM
0	1	10000	부동산	1	ONBID
1	2	11000	권리/증권	1	ONBID
2	3	12000	자동차/운송장비	1	ONBID
3	4	13000	농/임/축산업	1	ONBID
4	5	14000	어업	1	ONBID

용도2 코드조회서비스 : 용도 중간 코드조회

service = "온비드코드"
function = "용도중간코드"
params = {
    "CTGR_ID": "10000",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	CTGR_ID	CTGR_NM	CTGR_HIRK_ID	CTGR_HIRK_NM
0	1	10100	토지	10000	부동산
1	2	10200	주거용건물	10000	부동산
2	3	10300	상가용및업무용건물	10000	부동산
3	4	10400	산업용및기타특수용건물	10000	부동산
4	5	10500	용도복합용건물	10000	부동산

용도3 코드조회서비스 : 용도 하위 코드조회

service = "온비드코드"
function = "용도하위코드"
params = {
    "CTGR_ID": "10300",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	CTGR_ID	CTGR_NM	CTGR_HIRK_ID	CTGR_HIRK_NM
0	1	10301	근린생활시설	10300	상가용및업무용건물
1	2	10302	문화및집회시설	10300	상가용및업무용건물
2	3	10303	종교시설	10300	상가용및업무용건물
3	4	10304	판매시설	10300	상가용및업무용건물
4	5	10305	운수시설	10300	상가용및업무용건물

주소1 조회 서비스 : 상위 주소 조회 (시도)

service = "온비드코드"
function = "시도"
params = {}

df = API.get_data(service, function, **params)
df.head()

	ADDR1
0	강원도
1	경기도
2	경상남도
3	경상북도
4	광주광역시

주소2 조회 서비스 : 중간 주소 조회 (시군구)

service = "온비드코드"
function = "시군구"
params = {
    "ADDR1": "경기도"
}

df = API.get_data(service, function, **params)
df.head()

	ADDR2
0	가평군
1	고양시 덕양구
2	고양시 일산동구
3	고양시 일산서구
4	과천시

주소3 조회 서비스 : 하위 주소 조회 (읍면동)

service = "온비드코드"
function = "읍면동"
params = {
    "ADDR1": "경기도",
    "ADDR2": "성남시 분당구",
}

df = API.get_data(service, function, **params)
df.head()

	ADDR3
0	구미동
1	금곡동
2	백현동
3	분당동
4	삼평동

상세주소 조회 서비스 : 상세 주소 조회

service = "온비드코드"
function = "상세주소"
params = {
    "ADDR3": "정자동",
}

df = API.get_data(service, function, **params)
df.head()

	DTL_ADDR
0	160 분당경찰서
1	4-6 한국잡월드
2	6-2 성남정자초등학교
3	67-1 외 1필지 기산아파트 제지하층 제1호

캠코공매물건조회서비스

한국자산관리공사_캠코공매물건조회서비스

캠코공매물건목록조회

API.meta_dict['캠코공매물건']['기능'].keys()

dict_keys(['물건목록', '공고목록', '일정', '공고기본정보', '공고공매일정', '공고첨부파일'])

service = "캠코공매물건"
function = "물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "서울특별시",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	PBCT_CDTN_NO	CLTR_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_FULL_NM	BID_MNMT_NO	CLTR_NM	...	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM	CLTR_IMG_FILES
0	1	693446	9662207	4132531	1465096	4233481	0001	주거용건물 / 다세대주택	0009	서울특별시 양천구 목동 612-4 제이빌더스 제5층 제504호	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': ['https://www.onbid.co.kr/op...
1	2	693446	9667090	4132640	1465096	4233590	0001	주거용건물 / 다세대주택	0009	서울특별시 양천구 목동 612-4 제이빌더스 제5층 제504호	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': ['https://www.onbid.co.kr/op...
2	3	693446	9664914	4132613	1465096	4233563	0001	주거용건물 / 다세대주택	0009	서울특별시 양천구 목동 612-4 제이빌더스 제5층 제504호	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': ['https://www.onbid.co.kr/op...
3	4	693446	9662208	4132558	1465096	4233508	0001	주거용건물 / 다세대주택	0009	서울특별시 양천구 목동 612-4 제이빌더스 제5층 제504호	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': ['https://www.onbid.co.kr/op...
4	5	693446	9664913	4132585	1465096	4233535	0001	주거용건물 / 다세대주택	0009	서울특별시 양천구 목동 612-4 제이빌더스 제5층 제504호	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': ['https://www.onbid.co.kr/op...

5 rows × 38 columns

캠코공매공고목록조회

service = "캠코공매물건"
function = "공고목록"
params = {
    "PRPT_DVSN_CD": "0001",
}
df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	PRPT_DVSN_NM	AST_DVSN_NM	PLNM_NM	RSBY_DEPT	PLNM_MNMT_NO	PLNM_DT	PBCT_EXCT_DTM
0	1	519517	9385510	국유재산	None	『나라키움 제주복합관사』 근린생활시설 임대 입찰	국유개발1부	201811-42934-00	20181123	20181206100000
1	2	519517	9385551	국유재산	None	『나라키움 제주복합관사』 근린생활시설 임대 입찰	국유개발1부	201811-42934-00	20181123	20181213100000
2	3	523880	9391027	국유재산	None	『나라키움 제주복합관사』 근린생활시설 임대 입찰 (107호, 203호, 204호, ...	국유개발1부	201812-47295-02	20181219	20190103100000
3	4	523880	9391026	국유재산	None	『나라키움 제주복합관사』 근린생활시설 임대 입찰 (107호, 203호, 204호, ...	국유개발1부	201812-47295-02	20181219	20181227100000
4	5	537550	9412129	국유재산	None	『나라키움 제주복합관사』 근린생활시설 임대 입찰 (9건)	국유개발1부	201904-11869-01	20190411	20190418100000

캠코공매일정조회

service = "캠코공매물건"
function = "일정"
params = {
    "PRPT_DVSN_CD": "0001"
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_NO	PBCT_NO	PRPT_DVSN_CD	PRPT_DVSN_NM	AST_DVSN_CD	AST_DVSN_NM	RSBY_DEPT	PBCT_SEQ	PBCT_DGR	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM
0	1	697507	9677799	0001	국유재산	None	None	중부개발처	1	2	20221219100000	20221221170000	20221222100000
1	2	697637	9677963	0008	수탁재산(캠코)	0003	DEFAULT	기업투자금융처	012	01	20221219100000	20221221170000	20221222103000
2	3	694459	9673374	0002	공유재산	None	None	중부개발처	4	1	20221212100000	20221214170000	20221215100000
3	4	694460	9673388	0002	공유재산	None	None	중부개발처	4	1	20221212100000	20221214170000	20221215100000
4	5	697507	9677798	0001	국유재산	None	None	중부개발처	1	1	20221212100000	20221214170000	20221215100000
...	...	...	...	...	...	...	...	...	...	...	...	...	...
1585	1586	421079	9263696	0005	기타일반재산	None	None	경영지원부	1	1	20161121100000	20161123160000	20161124100000
1586	1587	418362	9260657	0001	국유재산	None	None	공공자산개발부	4	1	20161121100000	20161122160000	20161123100000
1587	1588	418362	9260656	0001	국유재산	None	None	공공자산개발부	3	1	20161114100000	20161115160000	20161116100000
1588	1589	417998	9260242	0005	기타일반재산	None	None	공공자산관리부	2	1	20161108100000	20161110180000	20161111100000
1589	1590	418362	9260655	0001	국유재산	None	None	공공자산개발부	2	1	20161107100000	20161108160000	20161109100000

1590 rows × 13 columns

캠코공매공고 기본정보 상세조회

service = "캠코공매물건"
function = "공고기본정보"
params = {
    "PLNM_NO": "697507",
    "PBCT_NO": "9677799",
}

df = API.get_data(service, function, **params)
df

	PLNM_NM	ORG_NM	RSBY_DEPT	PSCG_NM	PSCG_TPNO	PSCG_EMAL_ADRS	PLNM_KIND_NM	PLNM_DT	PLNM_YR	PLNM_SEQ	...	DPSL_MTD_NM	CPTN_MTD_NM	TOT_AMT_UNPC_DVSN_NM	PTCT_QLFC	RBD_YN	COMN_BID_PMSN_YN	SUBT_BID_PMSN_YN	PLNM_DOC	bidDateInfosTotalCount	filesTotalCount
0	전기차 충전기 설치 및 운영을 위한 부설주차장 주차구역 임대 입찰공고	한국자산관리공사	중부개발처	서창수	042-601-5023	scs6082@kamco.or.kr	일반공고	20221201	2022	1	...	임대(대부)	일반경쟁	총액	입찰공고문 참조	N	N	Y	● 입찰건명 : 전기차 충전기 설치 및 운영을 위한 부설주차장 주차구역 임대 입찰 ...	2	0

1 rows × 27 columns

캠코공매공고 공매일정 상세조회

service = "캠코공매물건"
function = "공고공매일정"
params = {
    "PLNM_NO": "697507",
    "PBCT_NO": "9677799",
}

df = API.get_data(service, function, **params)
df

	PBCT_NO	PBCT_SEQ	PBCT_DGR	BID_DVSN_NM	TWPS_LSTH_USBD_YN	TWTM_GTHR_BID_PSBL_YN	ELTR_GRT_DOC_USE_YN	PTCT_CMSN	TDPS_RT	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	OPBD_PLC_CNTN
0	9677799	1	2	인터넷	N	N	N	0	5	20221219100000	20221221170000	20221222100000	중부개발처 담당자 PC
1	9677798	1	1	인터넷	N	N	N	0	5	20221212100000	20221214170000	20221215100000	중부개발처 담당자 PC

캠코공매공고 첨부파일 상세조회

service = "캠코공매물건"
function = "공고첨부파일"
params = {
    "PLNM_NO": "464351",
    "PBCT_NO": "9314139",
}

df = API.get_data(service, function, **params)
df

데이터가 없습니다.

이용기관공매물건조회서비스

한국자산관리공사_이용기관공매물건조회서비스

API.meta_dict['이용기관공매물건']['기능'].keys()

dict_keys(['공고목록', '물건목록', '통합공고목록', '매각공고목록', '임대공고목록', '마감임박공고목록'])

이용기관공고목록조회

service = "이용기관공매물건"
function = "공고목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "경기도",
    "SGK": "성남시 분당구",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_NO	PBCT_NO	PLNM_KIND_CD	PLNM_KIND_NM	BID_DVSN_CD	BID_DVSN_NM	PLNM_NM	ORG_NM	PLNM_DT	...	TOT_AMT_UNPC_DVSN_NM	DPSL_MTD_CD	DPSL_MTD_NM	PRPT_DVSN_CD	PRPT_DVSN_NM	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	CTGR_ID	CTGR_FULL_NM
0	1	697482	9677758	0003	정정공고	0001	인터넷	경기도 성남시 분당구 운중동 330 판교더힐 제101동 제101호 외 10개 호실	신한자산신탁 주식회사	20221201	...	총액	0001	매각	0005	기타일반재산	20230210140000	20230210160000	20230211100000	10206	주거용건물 / 다세대주택
1	2	697482	9677756	0003	정정공고	0001	인터넷	경기도 성남시 분당구 운중동 330 판교더힐 제101동 제101호 외 10개 호실	신한자산신탁 주식회사	20221201	...	총액	0001	매각	0005	기타일반재산	20230111140000	20230111160000	20230112100000	10206	주거용건물 / 다세대주택
2	3	697482	9677755	0003	정정공고	0001	인터넷	경기도 성남시 분당구 운중동 330 판교더힐 제101동 제101호 외 10개 호실	신한자산신탁 주식회사	20221201	...	총액	0001	매각	0005	기타일반재산	20221227140000	20221227160000	20221228100000	10206	주거용건물 / 다세대주택
3	4	697482	9677757	0003	정정공고	0001	인터넷	경기도 성남시 분당구 운중동 330 판교더힐 제101동 제101호 외 10개 호실	신한자산신탁 주식회사	20221201	...	총액	0001	매각	0005	기타일반재산	20230126140000	20230126160000	20230127100000	10206	주거용건물 / 다세대주택
4	5	697482	9677754	0003	정정공고	0001	인터넷	경기도 성남시 분당구 운중동 330 판교더힐 제101동 제101호 외 10개 호실	신한자산신탁 주식회사	20221201	...	총액	0001	매각	0005	기타일반재산	20221212140000	20221212160000	20221213100000	10206	주거용건물 / 다세대주택
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
164	165	424106	9267582	0001	일반공고	0001	인터넷	경기 성남시 분당구 금곡동 305-2 외 더헤리티지 5개호	아시아신탁주식회사	20161202	...	총액	0001	매각	0005	기타일반재산	20161221100000	20161221110000	20161222090000	10219	주거용건물 / 기타주거용건물
165	166	424106	9267583	0001	일반공고	0001	인터넷	경기 성남시 분당구 금곡동 305-2 외 더헤리티지 5개호	아시아신탁주식회사	20161202	...	총액	0001	매각	0005	기타일반재산	20161221140000	20161221150000	20161222090000	10219	주거용건물 / 기타주거용건물
166	167	424106	9267577	0001	일반공고	0001	인터넷	경기 성남시 분당구 금곡동 305-2 외 더헤리티지 5개호	아시아신탁주식회사	20161202	...	총액	0001	매각	0005	기타일반재산	20161216140000	20161216150000	20161219090000	10219	주거용건물 / 기타주거용건물
167	168	424106	9267579	0001	일반공고	0001	인터넷	경기 성남시 분당구 금곡동 305-2 외 더헤리티지 5개호	아시아신탁주식회사	20161202	...	총액	0001	매각	0005	기타일반재산	20161219100000	20161219110000	20161220090000	10219	주거용건물 / 기타주거용건물
168	169	424106	9267576	0001	일반공고	0001	인터넷	경기 성남시 분당구 금곡동 305-2 외 더헤리티지 5개호	아시아신탁주식회사	20161202	...	총액	0001	매각	0005	기타일반재산	20161216100000	20161216110000	20161219090000	10219	주거용건물 / 기타주거용건물

169 rows × 25 columns

이용기관공매물건목록조회

service = "이용기관공매물건"
function = "물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "경기도",
    "SGK": "성남시 분당구",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM	CLTR_IMG_FILES
0	1	697482	9677756	1636958	4158867	4264894	0001	10206	주거용건물 / 다세대주택	0006	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
1	2	697482	9677756	1636960	4158869	4264896	0001	10206	주거용건물 / 다세대주택	0008	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
2	3	697482	9677756	1636961	4158870	4264897	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
3	4	697482	9677756	1636962	4158871	4264898	0001	10206	주거용건물 / 다세대주택	0010	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
4	5	697482	9677756	1636963	4158872	4264899	0001	10206	주거용건물 / 다세대주택	0011	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
5	6	697482	9677757	1636964	4158873	4264900	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
6	7	697482	9677757	1636954	4158874	4264901	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
7	8	697482	9677757	1636955	4158875	4264902	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
8	9	697482	9677757	1636956	4158876	4264903	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
9	10	697482	9677757	1636957	4158877	4264904	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
10	11	697482	9677757	1636958	4158878	4264905	0001	10206	주거용건물 / 다세대주택	0006	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
11	12	697482	9677757	1636959	4158879	4264906	0001	10206	주거용건물 / 다세대주택	0007	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
12	13	697482	9677757	1636960	4158880	4264907	0001	10206	주거용건물 / 다세대주택	0008	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
13	14	697482	9677757	1636961	4158881	4264908	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
14	15	697482	9677757	1636962	4158882	4264909	0001	10206	주거용건물 / 다세대주택	0010	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
15	16	697482	9677757	1636963	4158883	4264910	0001	10206	주거용건물 / 다세대주택	0011	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
16	17	697482	9677758	1636964	4158884	4264911	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
17	18	697482	9677758	1636954	4158885	4264912	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
18	19	697482	9677758	1636955	4158886	4264913	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
19	20	697482	9677758	1636956	4158887	4264914	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
20	21	697482	9677758	1636957	4158888	4264915	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
21	22	697482	9677758	1636958	4158889	4264916	0001	10206	주거용건물 / 다세대주택	0006	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
22	23	697482	9677758	1636959	4158890	4264917	0001	10206	주거용건물 / 다세대주택	0007	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
23	24	697482	9677758	1636960	4158891	4264918	0001	10206	주거용건물 / 다세대주택	0008	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
24	25	697482	9677758	1636961	4158892	4264919	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
25	26	697482	9677758	1636962	4158893	4264920	0001	10206	주거용건물 / 다세대주택	0010	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
26	27	697482	9677756	1636959	4158868	4264895	0001	10206	주거용건물 / 다세대주택	0007	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
27	28	697482	9677758	1636963	4158894	4264921	0001	10206	주거용건물 / 다세대주택	0011	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
28	29	697482	9677756	1636957	4158866	4264893	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
29	30	697482	9677754	1636954	4158841	4264868	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
30	31	697482	9677754	1636955	4158842	4264869	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
31	32	697482	9677754	1636956	4158843	4264870	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
32	33	697482	9677754	1636957	4158844	4264871	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
33	34	697482	9677754	1636958	4158845	4264872	0001	10206	주거용건물 / 다세대주택	0006	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
34	35	697482	9677754	1636959	4158846	4264873	0001	10206	주거용건물 / 다세대주택	0007	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
35	36	697482	9677754	1636960	4158847	4264874	0001	10206	주거용건물 / 다세대주택	0008	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
36	37	697482	9677754	1636961	4158848	4264875	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
37	38	697482	9677754	1636962	4158849	4264876	0001	10206	주거용건물 / 다세대주택	0010	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
38	39	697482	9677754	1636963	4158850	4264877	0001	10206	주거용건물 / 다세대주택	0011	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
39	40	697482	9677755	1636964	4158851	4264878	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
40	41	697482	9677755	1636954	4158852	4264879	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
41	42	697482	9677755	1636955	4158853	4264880	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
42	43	697482	9677755	1636956	4158854	4264881	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
43	44	697482	9677755	1636957	4158855	4264882	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
44	45	697482	9677755	1636958	4158856	4264883	0001	10206	주거용건물 / 다세대주택	0006	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
45	46	697482	9677755	1636959	4158857	4264884	0001	10206	주거용건물 / 다세대주택	0007	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
46	47	697482	9677755	1636960	4158858	4264885	0001	10206	주거용건물 / 다세대주택	0008	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
47	48	697482	9677755	1636961	4158859	4264886	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
48	49	697482	9677755	1636962	4158860	4264887	0001	10206	주거용건물 / 다세대주택	0010	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
49	50	697482	9677755	1636963	4158861	4264888	0001	10206	주거용건물 / 다세대주택	0011	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
50	51	697482	9677756	1636964	4158862	4264889	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
51	52	697482	9677756	1636954	4158863	4264890	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
52	53	697482	9677756	1636955	4158864	4264891	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
53	54	697482	9677756	1636956	4158865	4264892	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...
54	55	697482	9677754	1636964	4158840	4264867	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	{'CLTR_IMG_FILE': 'https://www.onbid.co.kr/op/...

55 rows × 39 columns

이용기관통합공고목록조회

service = "이용기관공매물건"
function = "통합공고목록"
params = {
    "DPSL_MTD_CD": "0001",
    "PLNM_KIND_CD": "0001",
    "CTGR_HIRK_ID": "30000",
    "ORG_NM": "한국폴리텍대학 익산캠퍼스",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_KIND_CD	PLNM_KIND_NM	BID_DVSN_CD	BID_DVSN_NM	PLNM_NM	ORG_NM	PLNM_DT	PLNM_NO	PBCT_NO	...	TOT_AMT_UNPC_DVSN_NM	DPSL_MTD_CD	DPSL_MTD_NM	PRPT_DVSN_CD	PRPT_DVSN_NM	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	CTGR_ID	CTGR_FULL_NM
0	1	0001	일반공고	0001	인터넷	한국폴리텍대학 익산산캠퍼스 교육훈련장비 불용품 매각	한국폴리텍대학 익산캠퍼스	20201105	612009	9539101	...	총액	0001	매각	0004	불용품	20201105140000	20201113160000	20201116110000	30201	재활용품 / 재활용품

1 rows × 25 columns

이용기관매각공고목록조회

service = "이용기관공매물건"
function = "매각공고목록"
params = {
    "PLNM_KIND_CD": "0001",
    "CTGR_HIRK_ID": "30000",
    "ORG_NM": "한국폴리텍대학 익산캠퍼스",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_KIND_CD	PLNM_KIND_NM	BID_DVSN_CD	BID_DVSN_NM	PLNM_NM	ORG_NM	PLNM_DT	PLNM_NO	PBCT_NO	...	TOT_AMT_UNPC_DVSN_NM	DPSL_MTD_CD	DPSL_MTD_NM	PRPT_DVSN_CD	PRPT_DVSN_NM	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	CTGR_ID	CTGR_FULL_NM
0	1	0001	일반공고	0001	인터넷	한국폴리텍대학 익산산캠퍼스 교육훈련장비 불용품 매각	한국폴리텍대학 익산캠퍼스	20201105	612009	9539101	...	총액	0001	매각	0004	불용품	20201105140000	20201113160000	20201116110000	30201	재활용품 / 재활용품

1 rows × 25 columns

이용기관임대공고목록조회

service = "이용기관공매물건"
function = "임대공고목록"
params = {
    "PLNM_KIND_CD": "0001",
    "CTGR_HIRK_ID": "30000",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_KIND_CD	PLNM_KIND_NM	BID_DVSN_CD	BID_DVSN_NM	PLNM_NM	ORG_NM	PLNM_DT	PLNM_NO	PBCT_NO	...	TOT_AMT_UNPC_DVSN_NM	DPSL_MTD_CD	DPSL_MTD_NM	PRPT_DVSN_CD	PRPT_DVSN_NM	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	CTGR_ID	CTGR_FULL_NM
0	1	0001	일반공고	0001	인터넷	화성고등학교 스테인레스 고철 매각	화성고등학교	20200213	578126	9479549	...	총액	0002	임대(대부)	0004	불용품	20200213120000	20200220090000	20200221090000	30103	폐기물 / 고철및금속폐기물
1	2	0001	일반공고	0001	인터넷	불용물품 (LPG 소형저장탱크)매각 전자 입찰	경상남도 함안군	20170510	444258	9290683	...	총액	0002	임대(대부)	0004	불용품	20170510100000	20170517160000	20170518100000	30201	재활용품 / 재활용품
2	3	0001	일반공고	0002	현장	2017년도 재활용 선별 및 매립장 관리 등 민간위탁 용역 공고	경상북도 고령군	20161123	422503	9265745	...	총액	0002	임대(대부)	0005	기타일반재산	20161212110900	20161212160000	20161214100000	30201	재활용품 / 재활용품

3 rows × 25 columns

이용기관마감임박공고목록조회

service = "이용기관공매물건"
function = "마감임박공고목록"
params = {
    "DPSL_MTD_CD": "0001",
    "PLNM_KIND_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "SIDO": "경기도",
}

df = API.get_data(service, function, **params)
df

	RNUM	PLNM_KIND_CD	PLNM_KIND_NM	BID_DVSN_CD	BID_DVSN_NM	PLNM_NM	ORG_NM	PLNM_DT	PLNM_NO	PBCT_NO	...	TOT_AMT_UNPC_DVSN_NM	DPSL_MTD_CD	DPSL_MTD_NM	PRPT_DVSN_CD	PRPT_DVSN_NM	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	CTGR_ID	CTGR_FULL_NM
0	1	0001	일반공고	0001	인터넷	충청남도 서천군 장항읍 창선2리 188-3 장항더포레 201호 외 19개호실 개별매...	주식회사 우리은행	20221111	694394	9673276	...	총액	0001	매각	0005	기타일반재산	20221202000000	20221202235000	20221205100000	10208	주거용건물 / 도시형생활주택
1	2	0001	일반공고	0001	인터넷	충청남도 서천군 장항읍 창선2리 188-3 장항더포레 201호 외 19개호실 개별매...	주식회사 우리은행	20221111	694394	9673276	...	총액	0001	매각	0005	기타일반재산	20221202000000	20221202235000	20221205100000	10503	용도복합용건물 / 오피스텔

2 rows × 25 columns

정부재산정보공개조회서비스

한국자산관리공사_정부재산정보공개조회서비스

API.meta_dict['정부재산정보공개']['기능'].keys()

dict_keys(['정부재산정보공개정보목록', '정부재산정보공개정보상세', '캠코관리재산정보공개목록정보', '캠코관리재산정보공개정보상세'])

정부재산정보공개정보목록조회

service = "정부재산정보공개"
function = "정부재산정보공개정보목록"
params = {
    "CTGR_HIRK_ID": "10000",
    "SIDO": "충청남도",
    "SGK": "태안군",
    "EMD": "고남면",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	CLTR_NO	DLGT_ORG_NM	CTGR_ID	CTGR_FULL_NM	CLTR_NM	LAND_SQMS	BLD_SQMS	CLTR_MNMT_STAT_CD	CLTR_MNMT_STAT_NM	IQRY_CNT
0	1	3211132	한국자산관리공사	10323	상가용및업무용건물 / 기타상가용및업무용	충남 태안군 고남면 고남리 346-7	None	36㎡	0002	매각제한재산	None
1	2	3208448	한국자산관리공사	10119	토지 / 도로	충남 태안군 고남면 장곡리 636-9	37㎡	None	0002	매각제한재산	None
2	3	3206803	한국자산관리공사	10101	토지 / 대지	충남 태안군 고남면 고남리 346-7	87㎡	None	0002	매각제한재산	2
3	4	3202500	한국자산관리공사	10102	토지 / 임야	충남 태안군 고남면 고남리 666-11	6㎡	None	0002	매각제한재산	1
4	5	3193039	한국자산관리공사	10106	토지 / 잡종지	충남 태안군 고남면 장곡리 588-166	518㎡	None	0007	사용중인재산(대부/수의)	5

정부재산정보공개정보상세조회

service = "정부재산정보공개"
function = "정부재산정보공개정보상세"
params = {
    "CLTR_NO": "3211132",
}

df = API.get_data(service, function, **params)
df

	CLTR_NM	CTGR_TYPE_NM	DLGT_ORG_NM	CTNO	CLTR_MNMT_STAT_NM	LDNM_ADRS	NMRD_ADRS	CATEG_NM	USAGE_DETAIL_NAME	LAND_SQMS	BLD_SQMS	POSI_ENV_PSCD	UTLZ_PSCD	ETC_DTL_CNTN	ICDL_CDTN	BLD_NM	DONG	FLR	HOUS
0	충남 태안군 고남면 고남리 346-7	부동산	한국자산관리공사	041-630-6913	매각제한재산	충청남도 태안군 고남면 고남리 346-7	충청남도 태안군 고남면 영목항로 72	상가용및업무용건물	기타상가용및업무용	None	36㎡	영목항에서 약 80m에 위치	청사(출장소) 및 상가, 주택부지로 이용중	None	None	None	None	None	None

캠코관리재산정보공개목록정보조회

service = "정부재산정보공개"
function = "캠코관리재산정보공개목록정보"
params = {
    "CTGR_HIRK_ID": "10000",
    "SIDO": "충청남도",
    "SGK": "태안군",
    "EMD": "고남면",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	CLTR_NO	DLGT_ORG_NM	CTGR_ID	CTGR_FULL_NM	CLTR_NM	LAND_SQMS	BLD_SQMS	CLTR_MNMT_STAT_CD	CLTR_MNMT_STAT_NM	IQRY_CNT
0	1	3211132	한국자산관리공사	10323	상가용및업무용건물 / 기타상가용및업무용	충남 태안군 고남면 고남리 346-7	None	36㎡	0002	매각제한재산	None
1	2	3208448	한국자산관리공사	10119	토지 / 도로	충남 태안군 고남면 장곡리 636-9	37㎡	None	0002	매각제한재산	None
2	3	3206803	한국자산관리공사	10101	토지 / 대지	충남 태안군 고남면 고남리 346-7	87㎡	None	0002	매각제한재산	2
3	4	3202500	한국자산관리공사	10102	토지 / 임야	충남 태안군 고남면 고남리 666-11	6㎡	None	0002	매각제한재산	1
4	5	3193046	한국자산관리공사	10106	토지 / 잡종지	충남 태안군 고남면 장곡리 588-168	436㎡	None	0004	대부(입찰)가능재산	3

캠코관리재산정보공개정보상세조회

service = "정부재산정보공개"
function = "캠코관리재산정보공개정보상세"
params = {
    "CLTR_NO": "3211132",

}

df = API.get_data(service, function, **params)
df

	CLTR_NM	CTGR_TYPE_NM	DLGT_ORG_NM	CTNO	CLTR_MNMT_STAT_NM	LDNM_ADRS	NMRD_ADRS	CATEG_NM	USAGE_DETAIL_NAME	LAND_SQMS	BLD_SQMS	POSI_ENV_PSCD	UTLZ_PSCD	ETC_DTL_CNTN	ICDL_CDTN	BLD_NM	DONG	FLR	HOUS
0	충남 태안군 고남면 고남리 346-7	부동산	한국자산관리공사	041-630-6913	매각제한재산	충청남도 태안군 고남면 고남리 346-7	충청남도 태안군 고남면 영목항로 72	상가용및업무용건물	기타상가용및업무용	None	36㎡	영목항에서 약 80m에 위치	청사(출장소) 및 상가, 주택부지로 이용중	None	None	None	None	None	None

물건정보조회서비스

한국자산관리공사_물건정보조회서비스

API.meta_dict['물건정보']['기능'].keys()

dict_keys(['통합용도별물건목록', '통합새로운물건목록', '통합마감임박물건목록', '통합수의계약가능물건목록', '통합50%체감물건목록', '통합클릭탑20물건목록', '통합관심탑20물건목록', '통합용도별물건기본정보상세', '통합용도별물건감정평가서정보상세', '통합용도별물건임대차정보상세', '통합용도별물건권리종류정보상세', '통합용도별물건공매일정상세', '통합용도별물건입찰이력상세', '통합용도별물건주주정보상세', '통합용도별물건법인현황정보상세'])

통합용도별물건목록조회

service = "물건정보"
function = "통합용도별물건목록"
params = {
    "CTGR_HIRK_ID": "10000",
    "SIDO": "충청남도",
    "SGK": "태안군",
    "EMD": "고남면",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	ORG_BASE_NO	ORG_NM	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_FULL_NM	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	694447	9673347	10000	한국자산관리공사	1543330	4143224	4241151	0001	토지 / 전	...	None	None	None	None	None	None	None	None	None	None
1	2	694447	9673346	10000	한국자산관리공사	1543330	4143198	4241125	0001	토지 / 전	...	None	None	None	None	None	None	None	None	None	None
2	3	694447	9669980	10000	한국자산관리공사	1543330	4143172	4241099	0001	토지 / 전	...	None	None	None	None	None	None	None	None	None	None
3	4	694447	9669979	10000	한국자산관리공사	1543330	4143145	4241072	0001	토지 / 전	...	None	None	None	None	None	None	None	None	None	None
4	5	694447	9667050	10000	한국자산관리공사	1543330	4143118	4241045	0001	토지 / 전	...	None	None	None	None	None	None	None	None	None	None

5 rows × 40 columns

통합새로운물건목록조회

service = "물건정보"
function = "통합새로운물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "서울특별시",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	697322	9673349	1513693	4157948	4264297	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	None
1	2	697322	9673349	1598700	4157951	4264300	0001	10206	주거용건물 / 다세대주택	0009	...	None	None	None	None	None	None	None	None	None	None
2	3	697322	9673349	1585529	4157950	4264299	0001	10219	주거용건물 / 기타주거용건물	0021	...	None	None	None	None	None	None	None	None	None	None
3	4	697322	9673349	1605823	4157947	4264296	0001	10219	주거용건물 / 기타주거용건물	0018	...	None	None	None	None	None	None	None	None	None	None
4	5	697322	9673349	1616049	4157943	4264292	0001	10219	주거용건물 / 기타주거용건물	0012	...	None	None	None	None	None	None	None	None	None	None

5 rows × 37 columns

통합마감임박물건목록조회

service = "물건정보"
function = "통합마감임박물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "충청남도",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	694394	9673276	1632448	4142206	4246544	0001	10208	주거용건물 / 도시형생활주택	0020	...	None	None	None	None	None	None	None	None	None	None
1	2	694394	9673276	1632401	4142197	4246535	0001	10208	주거용건물 / 도시형생활주택	0011	...	None	None	None	None	None	None	None	None	None	None
2	3	694394	9673276	1632407	4142198	4246536	0001	10208	주거용건물 / 도시형생활주택	0012	...	None	None	None	None	None	None	None	None	None	None
3	4	694394	9673276	1632416	4142199	4246537	0001	10208	주거용건물 / 도시형생활주택	0013	...	None	None	None	None	None	None	None	None	None	None
4	5	694394	9673276	1632419	4142200	4246538	0001	10208	주거용건물 / 도시형생활주택	0014	...	None	None	None	None	None	None	None	None	None	None

5 rows × 37 columns

통합수의계약가능물건목록조회

service = "물건정보"
function = "통합수의계약가능물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "서울특별시",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	691488	9668320	1627445	4116801	4218851	0001	10206	주거용건물 / 다세대주택	0005	...	None	None	None	None	None	None	None	None	None	None
1	2	691488	9668320	1627441	4116797	4218847	0001	10206	주거용건물 / 다세대주택	0001	...	None	None	None	None	None	None	None	None	None	None
2	3	691488	9668320	1627442	4116798	4218848	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	None
3	4	691488	9668320	1627443	4116799	4218849	0001	10206	주거용건물 / 다세대주택	0003	...	None	None	None	None	None	None	None	None	None	None
4	5	691488	9668320	1627444	4116800	4218850	0001	10206	주거용건물 / 다세대주택	0004	...	None	None	None	None	None	None	None	None	None	None

5 rows × 37 columns

통합50%체감물건목록조회

service = "물건정보"
function = "통합50%체감물건목록"
params = {
    "DPSL_MTD_CD": "0001",
    "CTGR_HIRK_ID": "10000",
    "CTGR_HIRK_ID_MID": "10200",
    "SIDO": "서울특별시",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	693446	9662207	1512441	4132536	4233486	0001	10206	주거용건물 / 다세대주택	0018	...	None	None	None	None	None	None	None	None	None	None
1	2	695412	9664913	1547975	4148583	4251326	0001	10206	주거용건물 / 다세대주택	0002	...	None	None	None	None	None	None	None	None	None	None
2	3	690411	9660134	1579109	4110358	4207529	0001	10206	주거용건물 / 다세대주택	0015	...	None	None	None	None	None	None	None	None	None	None
3	4	690411	9660134	1578878	4110353	4207524	0001	10219	주거용건물 / 기타주거용건물	0013	...	None	None	None	None	None	None	None	None	None	None
4	5	690411	9660134	1586987	4110366	4207537	0001	10206	주거용건물 / 다세대주택	0017	...	None	None	None	None	None	None	None	None	None	None

5 rows × 37 columns

통합클릭탑20물건목록조회

service = "물건정보"
function = "통합클릭탑20물건목록"
params = {}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	690793	9662210	1594464	4112382	4209696	0001	10102	토지 / 임야	0027	...	None	None	None	None	None	None	None	None	None	None
1	2	695855	9675504	1610924	4150361	4255069	0002	12101	자동차 / 승용차	0002	...	K5 하이브리드	2014	자동	1,999cc	159,141km	휘발유+전기	None	None	None	None
2	3	695711	9675305	1614127	4149483	4254995	0001	10215	주거용건물 / 상가주택	0001	...	None	None	None	None	None	None	None	None	None	None
3	4	690791	9662212	1518285	4112316	4209629	0001	10102	토지 / 임야	0002	...	None	None	None	None	None	None	None	None	None	None
4	5	696565	9676476	1635863	4156043	4260801	0002	12101	자동차 / 승용차	0001	...	그랜저	2016	자동	2,999cc	140,530km	휘발유	None	None	None	None

5 rows × 37 columns

통합관심탑20물건목록조회

service = "물건정보"
function = "통합관심탑20물건목록"
params = {}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PLNM_NO	PBCT_NO	CLTR_NO	PBCT_CDTN_NO	CLTR_HSTR_NO	SCRN_GRP_CD	CTGR_ID	CTGR_FULL_NM	BID_MNMT_NO	...	MDL	NRGT	GRBX	ENDPC	VHCL_MLGE	FUEL	SCRT_NM	TPBZ	ITM_NM	MMB_RGT_NM
0	1	688616	9659859	1615847	4095599	4188191	0001	10102	토지 / 임야	0034	...	None	None	None	None	None	None	None	None	None	None
1	2	697226	9677418	1634463	4157393	4263626	0002	12101	자동차 / 승용차	0001	...	일반승용차, 현대자동차, 2012년형 아반떼 LPi 하이브리드 HDE-Ⅱ	2012	A/T(자동)	1,591cc	164,707km	하이브리드(LPG+전기)	None	None	None	None
2	3	697155	9677334	1628511	4157175	4263625	0001	10201	주거용건물 / 아파트	0001	...	None	None	None	None	None	None	None	None	None	None
3	4	695711	9675305	1614127	4149483	4254995	0001	10215	주거용건물 / 상가주택	0001	...	None	None	None	None	None	None	None	None	None	None
4	5	697492	9677778	1631921	4158916	4264938	0002	12101	자동차 / 승용차	0001	...	제네시스	2015	자동	3,342cc	298,880km	휘발유	None	None	None	None

5 rows × 36 columns

통합용도별물건 기본정보 상세조회

service = "물건정보"
function = "통합용도별물건기본정보상세"
params = {
    "CLTR_NO": "1226758",
    "PBCT_NO": "9301922",
}

df = API.get_data(service, function, **params)
df.head()

	CLTR_NM	CTGR_TYPE_NM	DPSL_MTD_NM	PBCT_CLTR_STAT_NM	ORG_NM	RGST_DEPT_NM	PSCG_NM	PSCG_TPNO	LDNM_ADRS	NMRD_ADRS	...	PCMT_PYMT_EPDT_CNTN	BID_PRGN_NFT	DLVR_RSBY	ICDL_CDTN	SHR_RQR_EPRT_DT	totalCountEst	totalCountRental	totalCountRegi	totalCountBid	totalCountBidHis
0	강원도 강릉시 성산면 보광리 930	부동산	매각	유찰	한국자산관리공사	강원지역본부	조세정리팀	033-640-3418	강원도 강릉시 성산면 보광리 930	None	...	30일	0	매수인	None	20171010	1	0	1	6	12

1 rows × 41 columns

통합용도별물건 감정평가서정보 상세조회

service = "물건정보"
function = "통합용도별물건감정평가서정보상세"
params = {
    "CLTR_NO": "1226758",
    "PBCT_NO": "9301922",
}

df = API.get_data(service, function, **params)
df

	RNUM	APSL_ASES_AMT	APSL_ASES_DT	APSL_ASES_ORG_NM
0	1	24945000	20170904	(주)제일감정평가법인

통합용도별물건 임대차정보 상세조회

service = "물건정보"
function = "통합용도별물건임대차정보상세"
params = {
    "CLTR_NO": "1600012",
    "PBCT_NO": "9638282",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	IRST_DVSN_NM	IRST_IRPS_NM	TDPS_AMT	MTHR_AMT	CONV_GRT_MONY	FIX_DT	MVN_DT
0	1	임차권	신천(305호 외국인 임차권자)	35000000	None	None	20160516	20160516
1	2	임차인	전태화(외국인임차인, 202호)	50000000	None	None	20170731	20170731
2	3	임차인	윤옥선(외국인임차인, 203호)	50000000	None	None	20160526	20211206
3	4	임차인	이영자(외국인임차인, 301호)	37000000	None	None	20130220	20120409
4	5	임차인	양진형(임차인, 304호)	55000000	None	None	20200218	20160725

통합용도별물건 권리종류정보 상세조회

service = "물건정보"
function = "통합용도별물건권리종류정보상세"
params = {
    "CLTR_NO": "1226758",
    "PBCT_NO": "9301922",
}

df = API.get_data(service, function, **params)
df

	RNUM	IRST_DVSN_NM	IRST_IRPS_NM	RGST_DT	STUP_AMT
0	1	위임기관	강***	20150330	None

통합용도별물건 공매일정 상세조회

service = "물건정보"
function = "통합용도별물건공매일정상세"
params = {
    "CLTR_NO": "1226758",
    "PBCT_NO": "9301922",
}

df = API.get_data(service, function, **params)
df

	RNUM	BID_MNMT_NO	PBCT_SEQ	PBCT_DGR	BID_DVSN_NM	PCMT_PYMT_MTD_CNTN	PCMT_PYMT_EPDT_CNTN	PBCT_BEGN_DTM	PBCT_CLS_DTM	PBCT_EXCT_DTM	OPBD_PLC_CNTN	DPSL_DCSN_DTM	MIN_BID_PRC
0	1	024	042	001	인터넷	일시불	30일	20171023100000	20171025170000	20171026110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171030100000	24,945,000
1	2	024	043	001	인터넷	일시불	30일	20171030100000	20171101170000	20171102110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171106100000	22,451,000
2	3	024	044	001	인터넷	일시불	30일	20171106100000	20171108170000	20171109110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171113100000	19,956,000
3	4	024	045	001	인터넷	일시불	30일	20171113100000	20171115170000	20171116110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171120100000	17,462,000
4	5	024	046	001	인터넷	일시불	30일	20171120100000	20171122170000	20171123110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171127100000	14,967,000
5	6	024	047	001	인터넷	일시불	30일	20171127100000	20171129170000	20171130110000	전자자산처분시스템\n\n(www.onbid.co.kr)	20171204100000	12,473,000

통합용도별물건 입찰이력 상세조회

service = "물건정보"
function = "통합용도별물건입찰이력상세"
params = {
    "CLTR_NO": "1226758",
    "PBCT_NO": "9301922",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	PBCT_SEQ	PBCT_DGR	BID_MNMT_NO	DPSL_MTD_NM	PBCT_EXCT_DTM	MIN_BID_PRC	PBCT_STAT_NM
0	1	015	001	040	매각	20180419110000	6,237,000	취소
1	2	014	001	040	매각	20180412110000	7,484,000	취소
2	3	013	001	040	매각	20180405110000	8,732,000	취소
3	4	012	001	040	매각	20180329110000	9,979,000	취소
4	5	011	001	040	매각	20180322110000	11,226,000	취소

통합용도별물건 주주정보 상세조회

service = "물건정보"
function = "통합용도별물건주주정보상세"
params = {
    "CLTR_NO": "1176660",
    "PBCT_NO": "9272855",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	SCRT_STHL_NO	STHL_NM	POSN_STK_CNT	PCOS
0	1	97075	김길웅	166687	66.4092
1	2	97076	국(기획재정부)	23700	9.4422
2	3	97077	이진섭	20613	8.2124
3	4	97078	신천우	20000	7.9681
4	5	97079	김영환	20000	7.9681

통합용도별물건 법인현황정보 상세조회

service = "물건정보"
function = "통합용도별물건법인현황정보상세"
params = {
    "CLTR_NO": "1176660",
    "PBCT_NO": "9272855",
}

df = API.get_data(service, function, **params)
df.head()

	RNUM	FNCL_YR	CRCT_AST_AMT	IVTR_AST_AMT	IVSM_AST_AMT	TYPE_AST_AMT	DFD_AST_AMT	LQDY_LBT_AMT	FIXD_LBT_AMT	...	SALS_AMT_NPRF_RT	TOT_CPTL_BIZ_GAIN_RT	SELF_CPTL_NPRF_RT	TOT_CPTL_NPRF_RT	SALS_AMT_INCRT	NPRF_INCRT	LQDY_RT	LBT_RT	TOT_AST_ROTN_RT	ETC_ICLS_LSNG_CMLT_AMT
0	1	2013	17178271748	783442712	2765560000	1376891464	3732285600	4593806668	3860000000	...	2.99	None	None	None	93.95	74.78	391	48.63	None	246258000
1	2	2014	2776614826	671000000	695830000	540082544	2043320876	1150039411	1165000000	...	1.25	None	None	None	-25.26	-68.75	299.78	52.47	None	66004500
2	3	2015	18012625872	2684000000	0	2156669848	7261737568	10161955172	4528000000	...	None	None	None	None	-20.52	None	203.67	95.23	None	264018000

3 rows × 40 columns

참고

Pandas MultiIndex 컬럼 정렬 및 레벨 스왑 방법

Sun, 27 Nov 2022 00:00:00 +0900

판다스 멀티 인덱스 컬럼을 정렬하고 레벨 스왑하는 방법

보통 Pandas DataFrame을 다룰 때, 단일 레벨의 컬럼을 다루지만, 상황에 따라 다중 레벨로 이루어진 MultiIndex 컬럼을 다뤄야할 수도 있다. 이 때, sort_index()를 이용해 레벨 별로 컬럼의 순서를 정렬할 수 있고, swaplevel()을 이용해 레벨 간 컬럼의 위치를 서로 바꿀 수 있다.

라이브러리 임포트하기

실습에 사용할 Pandas와 NumPy를 임포트한다.

import numpy as np
import pandas as pd

튜플 컬럼 리스트 생성

멀티 인덱스 컬럼을 만들기 위해 다음과 같은 튜플 리스트를 만들어 준다. 레벨1은 영문 컬럼이 되고, 레벨2는 숫자 컬럼으로 만든다.

# 튜플 컬럼 리스트 생성
tuple_columns_list = [("A", "1"),
                      ("A", "2"),
                      ("A", "3"),
                      ("B", "1"),
                      ("B", "2"),
                      ("B", "3"),
                      ]
print(tuple_columns_list)

[('A', '1'), ('A', '2'), ('A', '3'), ('B', '1'), ('B', '2'), ('B', '3')]

멀티 인덱스 컬럼 생성

pandas의 MultiIndex.from_tuples() 메서드를 이용해 위에서 정의한 튜플 리스트를 멀티 인덱스 객체로 만든다.

# 멀티 인덱스 컬럼 생성
multi_index_columns = pd.MultiIndex.from_tuples(tuple_columns_list)
print(multi_index_columns)

MultiIndex([('A', '1'),
            ('A', '2'),
            ('A', '3'),
            ('B', '1'),
            ('B', '2'),
            ('B', '3')],
           )

넘파이 배열 생성

넘파이를 이용해 다음과 같이 데이터 프레임에 들어갈 샘플 데이터를 만든다.

# 넘파이 배열 생성
values = np.array([
    [200, 400, 800, 200, 400, 800],
    [300, 600, 1200, 300, 600, 1200],
])
print(values)

[[ 200  400  800  200  400  800]
 [ 300  600 1200  300  600 1200]]

판다스 데이터 프레임 생성

pandas의 DataFrame() 메서드를 이용해 위에서 정의한 멀티 인덱스를 컬럼으로 지정하고, 넘파이 배열을 값으로 지정하여 데이터 프레임을 생성한다.

# 판다스 데이터 프레임 생성
df = pd.DataFrame(data=values, columns=multi_index_columns)
df

	A			B
	1	2	3	1	2	3
0	200	400	800	200	400	800
1	300	600	1200	300	600	1200

멀티 인덱스 컬럼 정렬

데이터 프레임의 sort_index() 속성을 이용하면 멀티 인덱스 컬럼의 순서를 정렬할 수 있다. axis 옵션을 1로 지정하는 것은 컬럼의 순서를 바꾸겠다는 의미이다. 그리고 level 옵션은 정렬할 컬럼의 목록을 의미한다. 여기서는 인덱스로 0과 1을 입력하였는데, 이는 각각 0번째 인덱스(영문 컬럼)와 1번째 인덱스(숫자 컬럼)를 의미한다.

레벨1 내림차순, 레벨2 오름차순 정렬

ascending은 앞에서 지정한 level의 순서와 매핑이 되며, 아래와 같이 False, True로 설정된 경우 0번 인덱스는 내림차순, 1번 인덱스는 오름차순으로 정렬하게 된다.

# 멀티 인덱스 컬럼 정렬
df.sort_index(axis=1, level=[0, 1], ascending=[False, True])

	B			A
	1	2	3	1	2	3
0	200	400	800	200	400	800
1	300	600	1200	300	600	1200

레벨1 오름차순, 레벨2 내림차순 정렬

# 멀티 인덱스 컬럼 정렬
df.sort_index(axis=1, level=[0, 1], ascending=[True, False])

	A			B
	3	2	1	3	2	1
0	800	400	200	800	400	200
1	1200	600	300	1200	600	300

레벨1 내림차순, 레벨2 내림차순 정렬

# 멀티 인덱스 컬럼 정렬
df.sort_index(axis=1, level=[0, 1], ascending=[False, False])

	B			A
	3	2	1	3	2	1
0	800	400	200	800	400	200
1	1200	600	300	1200	600	300

멀티 인덱스 레벨 간 위치 변경

멀티 인덱스 컬럼의 레벨 내 순서를 정렬하는 것 외에도 레벨 간 순서를 변경하는 것도 가능하다. 데이터 프레임의 swaplevel() 속성을 이용하면 되는데, 이 때, 서로 위치를 변경할 인덱스들(0, 1)를 입력하고, axis 옵션을 1로 설정하면 된다.

레벨1과 레벨2 스왑

아래와 같이 명령을 실행하면 영문 컬럼과 숫자 컬럼의 위치가 서로 바뀐 것을 알 수 있다.

df2 = df.swaplevel(0,1,axis=1)
df2

	1	2	3	1	2	3
	A	A	A	B	B	B
0	200	400	800	200	400	800
1	300	600	1200	300	600	1200

응용

위에서 살펴본 방법들을 응용하면 다음과 같이 멀티 인덱스 컬럼의 레벨 간 위치 변경 후 레벨 내 순서를 정렬할 수 있다.

df2.sort_index(axis=1, level=[0,1], ascending=[True,True])

	1		2		3
	A	B	A	B	A	B
0	200	200	400	400	800	800
1	300	300	600	600	1200	1200

Python Folium 첫 오픈소스 기여 후기

Sat, 12 Nov 2022 00:00:00 +0900

Python Folium 첫 오픈소스 기여 후기

Folium의 Contributor가 되다

leaflet.js 기반으로 지도를 시각화해주는 파이썬 라이브러리인 Folium 프로젝트에 오픈소스를 기여해봤다. Folium은 오래 전부터 줄곧 공간 데이터 시각화 작업을 할 때 즐겨 사용해왔던 라이브러리이다. 대체로 만족하며 사용해왔지만, 일부 아쉬운 점도 있었다. folium GitHub 저장소에서 소스코드를 살펴보니 간단하게 해결할 수 있을 것으로 판단했고 PR을 날려봤다. 몇 번의 리뷰 과정을 거쳐 최근 main 브랜치에 merge되었다. 결과적으로 내가 처음 작성한 소스코드는 모두 네덜란드의 Frank(@Conengmo)님의 코드로 대체되었지만, 어찌 되었든 문제는 해결되었다. 문제해결 과정에서 더 괜찮은 방식을 고민했던 경험을 복기해보고자 이 글을 적는다.

최근 배포된 folium v0.14.0 릴리즈 노트의 Minor improvements에 나도 언급이 되었다. 약간의 도움이라도 되었다니 다행이다.

지도를 이미지로 저장하고 싶은데 잘 안 된다

주피터 노트북에서 folium을 이용해 지도를 출력하는 건 문제없이 잘 되지만, 출력된 결과를 png 파일과 같은 이미지로 저장하고 싶었다.

folium.folium.Map._to_png 메서드를 이용하면 이미지 객체로 불러올 수 있다는 것을 알게 되었고, 윈도우 환경에서 바로 적용해보았다.

그러나 아래와 같은 오류가 발생했다.

문제의 소스코드를 살펴봤다

보아하니, folium은 지도를 html 형식으로 만들기 때문에 이를 이미지로 변환하기 위해서는 Selenium을 이용하는 모양이었다. 즉, 브라우저로 지도 html을 열어 스크린샷을 찍는 방식을 사용하는 것 같았다. 문제는 이 기능은 웹 브라우저로 firefox를 사용할 경우에만 사용할 수 있다는 것이었다. Chrome으로 설정을 바꾸고 싶어도 방법이 없었다.

크롬 드라이버를 사용할 수 있게 바꿔보았다

직접 기능을 수정하기로 마음 먹고 호기롭게 folium 프로젝트를 클론하여 소스코드를 일부 수정했다. folium.folium.Map._to_png 메서드에 chrome 항목을 추가하여 이 값이 True이면 기본값인 firefox 브라우저 대신 chrome 브라우저를 selenium의 웹 드라이버로 설정할 수 있도록 변경했다. 보통 chrome 브라우저를 웹 드라이버로 설정할 때, OS에 설치된 chrome의 버전과 일치하는 드라이버 파일을 다운받아 해당 파일의 경로를 selenium에서 사용하는데, 이 과정이 생각보다 꽤 번거로운 작업이다. 따라서 자동으로 설치된 chrome의 버전과 일치하는 웹드라이버를 다운로드받아 selenium을 이용할 수 있도록 도와주는 webdriver_manager 라는 파이썬 라이브러리를 활용하는 로직을 소스코드에 추가시켰다. 수정한 로직을 적용해 아래 코드를 실행해보니 정상적으로 이미지를 캡처할 수 있었다.

import io
import folium
from PIL import Image

m = folium.Map(location = [37.53, 127.054],
               zoom_start = 14)

img_data = m._to_png(delay=5,
                     chrome=True)
img = Image.open(io.BytesIO(img_data))

(피드백1) 직관적이지 않은 것 같아

위에서 수정한 내용을 바탕으로 folium 프로젝트에 Pull Request를 날렸다. 얼마 뒤 어느 리뷰어에게 피드백을 받았다. folium 지도 이미지 캡처 기능에 문제가 있다는 점에는 동의하지만, 내가 작성한 소스코드에 대해서는 두 가지 사항이 마음에 들지 않는다는 것이었다.

chrome의 값으로 True, False를 주는 것이 직관적이지 않은 것 같다.
webdriver_manager를 사용하는 건 좋은 생각이 아닌 것 같다.

생각해보니 chrome 브라우저를 사용하지 않겠다는 것이 firefox 브라우저를 사용하겠다는 것을 의미한다는 것이 부자연스럽긴 했다. 사실 selenium에서는 chrome과 firefox 말고도 edge, safari 같은 다른 브라우저들도 일부 지원하고 있기 때문에 사용자 입장에서 혼동할 여지가 있었다. 또, webdriver_manager의 경우 자동으로 웹 드라이버를 설치해준다는 점은 매우 편리하긴 하지만 설치 과정이 캡처 기능과 함께 실행된다는 점이 부담스러울 수도 있겠다는 생각이 들었다.

웹 드라이버를 선택할 수 있도록 바꿔 보았다

리뷰어의 피드백을 받은 후 사용자가 사용하는 웹 드라이버를 선택할 수 있도록 webdriver_type 항목과 웹드라이버의 경로를 의미하는 webdriver_path 항목을 추가했다. 다만, 브라우저 마다 웹드라이버를 설정하는 방식이 조금씩 달라 chrome과 firefox 이외의 브라우저 선택 시 실행되는 로직은 다른 기여자의 목으로 남겨두기로 하였다. 변경한 방식대로 이미지를 캡처하는 예시는 다음과 같다.

import io
import folium
from PIL import Image

m = folium.Map(location = [37.53, 127.054],
               zoom_start = 14)

img_data = m._to_png(delay=5,
                     webdriver_type='chrome',
                     webdriver_path='./chromedriver.exe')
img = Image.open(io.BytesIO(img_data))

(피드백2) 드라이버 객체를 입력받도록 변경했어

얼마간 시간이 지난뒤 다시 리뷰어에게 피드백을 받았다. 아예 driver 항목 하나만 추가하여, 이 값이 None이면 기존 로직대로 firefox 브라우저 기반의 웹드라이버를 구동시키도록 수정하였다. firefox가 아닌 다른 브라우저 기반의 웹드라이버를 사용하기 위해서는 driver 항목에 메서드 밖에서 생성한 웹드라이버 객체 자체를 입력받도록 변경한 것이다. 이렇게 하면 사용자가 자신이 사용하는 브라우저에 맞는 selenium 웹드라이버 객체를 만들고 해당 객체만 넘겨주기만 하면 된다. 결과적으로 생각하면 정말 간단하지만 처음부터 이런 접근을 하지 못했던 것이 오히려 놀라웠다. 코드의 부담은 줄이고 selenium이 지원하는 모든 브라우저를 사용할 수 있게 되었다.

테스트를 해보자

현재 변경된 소스코드는 folium v0.14.0 버전에 반영되었으므로, 이전 버전을 사용하고 있을 경우 아래와 같이 업그레이드를 한다.

pip install folium --upgrade

Windows 10에서 아래 버전의 Chrome을 사용하고 있으므로 그에 맞는 웹드라이버를 C:/chromedriver/chromedriver.exe 와 같이 다운로드 받았다.

버전 107.0.5304.107(공식 빌드) (64비트)

import io
import folium
from PIL import Image

# folium 지도 객체 생성
m = folium.Map(location = [37.53, 127.054],
               zoom_start = 14)

# 크롬 웹드라이버 객체 생성
from selenium import webdriver
options = webdriver.ChromeOptions()
options.add_argument('--headless')
driver_path = "C:/chromedriver/chromedriver.exe"
driver = webdriver.Chrome(driver_path, options=options)

# 이미지 캡처
img_data = m._to_png(5, driver=driver)
img = Image.open(io.BytesIO(img_data))
img

정답이 없는 상황에서 더 나은 방법을 찾아가는 과정이 굉장히 흥미로웠다. 무엇보다도 누군가가 내가 생각한 접근 방법에 대해 여과없이 피드백을 해주고 더 나은 방향을 함께 고민해준다는 사실이 마음에 들었다. 새로운 취미가 생긴 것 같아 기분이 좋다. 끝.

참고

PublicDataReader - 미분양주택현황 데이터 조회하기

Sun, 23 Oct 2022 00:00:00 +0900

파이썬으로 미분양주택현황 데이터 조회하기

Python 라이브러리 PublicDataReader를 이용하면 최신 지역별 주민등록인구 데이터를 쉽게 가져올 수 있다. 해당 데이터는 국가통계포털(KOSIS) 웹 사이트에 접속해 직접 조회할 수도 있지만, KOSIS 공유서비스 Open API를 이용해서도 조회할 수 있다. PublicDataReader는 KOSIS 공유서비스 Open API의 데이터 조회 기능을 포함하고 있어, 이를 활용하면 원하는 데이터를 쉽게 찾고 조회할 수 있다. KOSIS 공유서비스 Open API 신청 방법과 PublicDataReader에서 제공하는 KOSIS 공유서비스 Open API의 모든 기능을 살펴보려면 Python으로 KOSIS 데이터 조회하기를 참고하면 된다. 여기서는 ‘미분양주택현황(시도/시/군/구)’ 데이터를 조회하는 방법을 다루기로 한다.

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택한다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행한다.

pip install PublicDataReader --upgrade

라이브러리 임포트하기

앞에서 설치한 PublicDataReader에서 Kosis 클래스를 임포트한다. KOSIS 공유서비스에서 발급받은 오픈 API 사용자 인증키 정보를 service_key 변수에 할당한다. Kosis의 인자료 service_key를 입력하여 데이터 조회 인스턴스 api를 만든다.

from PublicDataReader import Kosis

# KOSIS 공유서비스 Open API 사용자 인증키
service_key = "사용자 인증키"

# 인스턴스 생성하기
api = Kosis(service_key)

조회할 데이터 찾기

api.get_data() 메서드의 첫 번째 인자로 ‘KOSIS통합검색’을 지정한다. searchNm에는 조회할 데이터를 찾기 위한 키워드를 입력한다. 반환된 데이터프레임에서 조회할 데이터를 찾아 기관ID(ORG_ID)와 통계표ID(TBL_ID) 값을 확인한다. ‘미분양주택현황(시도/시/군/구)’ 데이터의 기관ID는 101이고, 통계표ID는 DT_1YL202001E 이므로 이 값들을 데이터를 조회할 때 사용한다. 참고로 api.get_data() 메서드에 translate=False 옵션을 지정하면 영문 컬럼명으로 데이터를 조회할 수 있다. 이 인자의 기본값은 True이므로 국문 컬럼명으로 조회한다.

df = api.get_data(
    "KOSIS통합검색",
    searchNm="시군구 미분양"
)
df.head(1)

	기관ID	기관명	통계표ID	통계표명	조사ID	조사명	KOSIS목록구분	KOSIS통계표위치	통계표위치	통계표주요내용	수록기간시작일	수록기간종료일	통계표주석	추천통계표여부	KOSIS목록URL	KOSIS통계표URL	검색결과건수	검색어명
0	116	국토교통부	DT_MLTM_5328	공사완료후 미분양현황	1998033	미분양주택현황보고	MT_ZTITLE	주거 > 미분양주택현황보고	I1 > I1_2	구분 시군구 부문 규모 울산 대전 전남 경기 충남 세종 경남 제주 전국 광주 강원 ...	2007	2022	자료 : 국토교통부 주택토지실 주택정책관 주택정책과	N	https://kosis.kr/statisticsList/statisticsList...	http://kosis.kr/statHtml/statHtml.do?orgId=116...	251	시군구 미분양

데이터 수록 주기와 시점 확인

api.get_data() 메서드의 첫 번째 인자로 ‘통계표설명’을 지정한다. 통계표설명의 경우 상세기능도 추가적으로 지정해야 한다. 두 번째 인자로 ‘자료갱신일’을 입력하고, 위에서 복사해둔 기관ID와 통계표ID의 값들을 api.get_data()의 인자로 입력해 데이터 수록주기와 수록시점을 확인한다. 수록주기(PRD_SE) 별 최근 수록시점(PRD_DE) 값을 조회하면 수록주기는 월 기준이며, 2000년 12월 ~ 2022년 11월 데이터가 수록되어 있는 것을 알 수 있다.

df = api.get_data(
    "통계표설명",
    "자료갱신일",
    orgId="101",
    tblId="DT_1YL202001E"
)

df.groupby(by=['수록주기']).agg({"수록시점": ["min", "max"]})

	수록시점
	min	max
수록주기
월	200012	202211

데이터 항목 및 분류 확인하기

api.get_data() 메서드의 첫 번째 인자로 ‘통계표설명’을 지정한다. 두 번째 인자로 ‘분류항목’을 입력하고, 이번에도 기관ID와 통계표ID를 api.get_data()의 인자로 입력해 결과를 확인한다. 분류ID의 값이 ‘ITEM’ 이면 항목을 뜻하고 이 때, 분류값ID의 값을 통계자료 조회 시 itmId의 값으로 입력한다. 분류ID 값이 ITEM 이 아니고, 분류값순번 값에 숫자가 입력되어 있는 경우 이는 분류를 뜻하고, 분류값순번의 숫자 값이 분류 수준을 뜻한다. 예를 들어, 분류ID 값이 A이고, 분류값순번 값이 1이라면, 분류ID 값을 통계자료 조회 시 objL1의 값으로 입력한다.

item = api.get_data(
    "통계표설명",
    "분류항목",
    orgId="101",
    tblId="DT_1YL202001E",
)
item.head()

	기관ID	통계표ID	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	분류값순번
0	101	DT_1YL202001E	ITEM	항목	Item code list	13103871087T1	미분양현황	Unsold Housing	NaN
1	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0001	총계	Total	1
2	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0002	전국	Whole Country	1
3	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0003	서울	Seoul	1
4	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0004	부산	Busan	1

항목을 조회한 결과를 살펴보면 ‘미분양현황’ 하나만 선택 가능하다. 분류값ID의 값인 13103871087T1를 복사해둔다.

item.loc[item["분류값순번"].isna()]

	기관ID	통계표ID	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	분류값순번
0	101	DT_1YL202001E	ITEM	항목	Item code list	13103871087T1	미분양현황	Unsold Housing	NaN

다음은 분류1의 조회 결과다. 분류1은 구분을 뜻하며 전국, 서울, 부산, 대구 등 여러 시도 단위 지역 기준들이 존재한다. 전체 선택할 것이므로 별도로 분류값ID(ITM_ID)를 복사하지 않아도 된다.

item.loc[item["분류값순번"]=="1"]

	기관ID	통계표ID	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	분류값순번
1	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0001	총계	Total	1
2	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0002	전국	Whole Country	1
3	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0003	서울	Seoul	1
4	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0004	부산	Busan	1
5	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0005	대구	Daegu	1
6	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0006	인천	Incheon	1
7	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0007	광주	Gwangju	1
8	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0008	대전	Daejeon	1
9	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0009	울산	Ulsan	1
10	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0019	세종	Sejong	1
11	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0010	경기	Gyeonggi	1
12	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0011	강원	Gangwon-do	1
13	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0012	충북	Chungcheongbuk-do	1
14	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0013	충남	Chungcheongnam-do	1
15	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0014	전북	Jeollabuk-do	1
16	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0015	전남	Jeollanam-do	1
17	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0016	경북	Gyeongsangbuk-do	1
18	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0017	경남	Gyeongsangnam-do	1
19	101	DT_1YL202001E	13101871087A	구분	SiGunGu	13102871087A.0018	제주	Jeju	1

다음은 분류2의 조회 결과다. 분류2는 시군구를 뜻하며 종로구, 강남구 등 여러 시군구 단위 지역 기준들이 존재한다. 분류1에서와 마찬가지로 전체 선택하기로 한다. 분류값ID(ITM_ID)를 따로 복사하지 않아도 된다.

item.loc[item["분류값순번"]=="2"]

	기관ID	통계표ID	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	분류값순번
20	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0001	총계	NaN	2
21	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0002	계	NaN	2
22	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0003	소계	Sub Total	2
23	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0004	종로구	Jongno-gu	2
24	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0005	강남구	NaN	2
25	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0006	중구	NaN	2
26	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0007	강동구	NaN	2
27	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0008	용산구	NaN	2
28	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0009	강북구	Gangbuk-gu	2
29	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0010	성동구	Seongdong-gu	2
30	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0011	강서구	NaN	2
31	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0012	광진구	NaN	2
32	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0013	동대문구	Dongdaemun-gu	2
33	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0014	관악구	Gwanak-gu	2
34	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0015	중랑구	Jungnang-gu	2
35	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0016	성북구	Seongbuk-gu	2
36	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0017	구로구	Guro-gu	2
37	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0018	금천구	Geumcheon-gu	2
38	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0019	노원구	Nowon-gu	2
39	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0020	도봉구	Dobong-gu	2
40	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0021	은평구	Eunpyeong-gu	2
41	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0022	서대문구	Seodaemun-gu	2
42	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0023	동작구	Dongjak-gu	2
43	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0024	마포구	Mapo-gu	2
44	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0025	양천구	Yangcheon-gu	2
45	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0026	서초구	Seocho-gu	2
46	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0027	영등포구	Yeongdeungpo-gu	2
47	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0028	송파구	Songpa-gu	2
48	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0029	서구	Seo-gu	2
49	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0030	동구	NaN	2
50	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0031	금정구	NaN	2
51	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0032	영도구	NaN	2
52	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0033	기장군	NaN	2
53	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0034	남구	Nam-gu	2
54	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0035	부산진구	Busanjin-gu	2
55	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0036	동래구	Dongnae-gu	2
56	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0037	북구	Buk-gu	2
57	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0038	해운대구	Haeundae-gu	2
58	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0039	사상구	NaN	2
59	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0040	사하구	NaN	2
60	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0041	연제구	Yeonje-gu	2
61	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0042	수영구	Suyeong-gu	2
62	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0043	수성구	Suseong-gu	2
63	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0044	달서구	Dalseo-gu	2
64	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0045	달성군	Dalseong-gun	2
65	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0046	남동구	Namdong-gu	2
66	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0047	연수구	Yeonsu-gu	2
67	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0048	미추홀구	Michuhol-gu	2
68	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0049	부평구	Bupyeong-gu	2
69	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0050	계양구	Gyeyang-gu	2
70	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0051	강화군	Ganghwa-gun	2
71	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0052	옹진군	Ongjin-gun	2
72	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0053	광산구	Gwangsan-gu	2
73	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0054	유성구	Yuseong-gu	2
74	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0055	대덕구	Daedeok-gu	2
75	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0056	울주군	Ulju-gun	2
76	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0057	수원시	Suwon-si	2
77	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0058	세종시	NaN	2
78	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0059	가평군	Gapyeong-gun	2
79	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0060	성남시	NaN	2
80	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0061	고양시	NaN	2
81	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0062	의정부시	NaN	2
82	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0063	과천시	NaN	2
83	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0064	안양시	NaN	2
84	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0065	광명시	Gwangmyeong-si	2
85	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0066	부천시	NaN	2
86	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0067	광주시	NaN	2
87	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0068	구리시	Guri-si	2
88	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0069	평택시	NaN	2
89	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0070	동두천시	NaN	2
90	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0071	군포시	NaN	2
91	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0072	김포시	NaN	2
92	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0073	안산시	NaN	2
93	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0074	남양주시	NaN	2
94	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0075	시흥시	NaN	2
95	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0076	오산시	NaN	2
96	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0077	안성시	NaN	2
97	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0078	의왕시	NaN	2
98	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0079	하남시	NaN	2
99	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0080	양주시	NaN	2
100	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0081	양평군	NaN	2
101	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0082	용인시	NaN	2
102	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0083	여주군	Yeoju-gun	2
103	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0084	파주시	NaN	2
104	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0085	이천시	NaN	2
105	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0086	연천군	NaN	2
106	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0087	여주시	NaN	2
107	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0088	화성시	NaN	2
108	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0089	포천시	NaN	2
109	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0090	춘천시	NaN	2
110	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0091	원주시	NaN	2
111	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0092	강릉시	NaN	2
112	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0093	동해시	NaN	2
113	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0094	태백시	NaN	2
114	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0095	속초시	NaN	2
115	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0096	삼척시	NaN	2
116	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0097	홍천군	NaN	2
117	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0098	횡성군	NaN	2
118	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0099	영월군	NaN	2
119	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0100	평창군	NaN	2
120	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0101	정선군	NaN	2
121	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0102	철원군	NaN	2
122	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0103	화천군	NaN	2
123	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0104	양구군	NaN	2
124	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0105	인제군	NaN	2
125	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0106	고성군	NaN	2
126	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0107	양양군	NaN	2
127	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0108	청주시	NaN	2
128	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0109	괴산군	NaN	2
129	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0110	충주시	NaN	2
130	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0111	단양군	Danyang-gun	2
131	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0112	제천시	NaN	2
132	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0113	보은군	NaN	2
133	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0114	청원군	NaN	2
134	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0115	옥천군	NaN	2
135	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0116	영동군	NaN	2
136	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0117	증평군	NaN	2
137	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0118	음성군	NaN	2
138	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0119	진천군	NaN	2
139	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0120	천안시	NaN	2
140	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0121	공주시	NaN	2
141	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0122	보령시	NaN	2
142	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0123	계룡시	NaN	2
143	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0124	아산시	NaN	2
144	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0125	금산군	NaN	2
145	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0126	서산시	NaN	2
146	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0127	논산시	NaN	2
147	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0128	당진시	NaN	2
148	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0129	부여군	NaN	2
149	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0130	연기군	NaN	2
150	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0131	서천군	NaN	2
151	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0132	청양군	NaN	2
152	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0133	홍성군	NaN	2
153	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0134	예산군	NaN	2
154	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0135	태안군	NaN	2
155	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0136	당진군	NaN	2
156	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0137	전주시	Jeonju-si	2
157	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0138	조치원읍	Jochiwon-eup	2
158	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0139	군산시	Gunsan-si	2
159	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0140	익산시	Iksan-si	2
160	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0141	정읍시	Jeongeup-si	2
161	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0142	남원시	Namwon-si	2
162	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0143	김제시	Gimje-si	2
163	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0144	완주군	Wanju-gun	2
164	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0145	진안군	Jinan-gun	2
165	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0146	무주군	Muju-gun	2
166	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0147	장수군	Jangsu-gun	2
167	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0148	임실군	Imsil-gun	2
168	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0149	순창군	Sunchang-gun	2
169	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0150	고창군	Gochang-gun	2
170	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0151	부안군	Buan-gun	2
171	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0152	목포시	Mokpo-si	2
172	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0153	여수시	Yeosu-si	2
173	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0154	순천시	Suncheon-si	2
174	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0155	나주시	Naju-si	2
175	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0156	광양시	Gwangyang-si	2
176	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0157	담양군	Damyang-gun	2
177	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0158	곡성군	Gokseong-gun	2
178	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0159	구례군	Gurye-gun	2
179	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0160	고흥군	Goheung-gun	2
180	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0161	보성군	Boseong-gun	2
181	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0162	화순군	Hwasun-gun	2
182	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0163	장흥군	Jangheung-gun	2
183	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0164	강진군	Gangjin-gun	2
184	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0165	해남군	Haenam-gun	2
185	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0166	영암군	Yeongam-gun	2
186	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0167	무안군	Muan-gun	2
187	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0168	함평군	Hampyeong-gun	2
188	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0169	영광군	Yeonggwang-gun	2
189	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0170	장성군	Jangseong-gun	2
190	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0171	완도군	Wando-gun	2
191	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0172	진도군	Jindo-gun	2
192	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0173	신안군	Sinan-gun	2
193	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0174	포항시	Pohang-si	2
194	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0175	경주시	Gyeongju-si	2
195	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0176	김천시	Gimcheon-si	2
196	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0177	안동시	Andong-si	2
197	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0178	구미시	Gumi-si	2
198	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0179	영주시	Yeongju-si	2
199	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0180	영천시	Yeongcheon-si	2
200	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0181	상주시	Sangju-si	2
201	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0182	문경시	Mungyeong-si	2
202	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0183	경산시	Gyeongsan-si	2
203	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0184	군위군	Gunwi-gun	2
204	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0185	의성군	Uiseong-gun	2
205	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0186	청송군	Cheongsong-gun	2
206	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0187	영양군	Yeongyang-gun	2
207	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0188	영덕군	Yeongdeok-gun	2
208	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0189	청도군	Cheongdo-gun	2
209	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0190	고령군	Goryeong-gun	2
210	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0191	성주군	Seongju-gun	2
211	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0192	칠곡군	Chilgok-gun	2
212	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0193	예천군	Yecheon-gun	2
213	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0194	봉화군	Bonghwa-gun	2
214	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0195	울진군	Uljin-gun	2
215	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0196	울릉군	Ulleung-gun	2
216	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0197	창원시	Changwon-si	2
217	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0198	진주시	Jinju-si	2
218	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0199	마산시	Masan-si	2
219	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0200	통영시	Tongyeong-si	2
220	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0201	사천시	Sacheon-si	2
221	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0202	진해시	Jinhae-si	2
222	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0203	김해시	Gimhae-si	2
223	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0204	밀양시	Miryang-si	2
224	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0205	거제시	Geoje-si	2
225	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0206	양산시	Yangsan-si	2
226	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0207	의령군	Uiryeong-gun	2
227	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0208	함안군	Haman-gun	2
228	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0209	창녕군	Changnyeong-gun	2
229	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0210	남해군	Namhae-gun	2
230	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0211	하동군	Hadong-gun	2
231	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0212	산청군	Sancheong-gun	2
232	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0213	함양군	Hamyang-gun	2
233	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0214	거창군	Geochang-gun	2
234	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0215	합천군	Hapcheon-gun	2
235	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0216	제주시	Jeju-si	2
236	101	DT_1YL202001E	13101871087B	시군구	SiGunGu	13102871087B.0217	서귀포시	Seogwipo-si	2

통계표 조회하기

api.get_data() 메서드의 첫 번째 인자로 ‘통계자료’를 지정한다. 미분양현황_종합 통계표를 조회를 위해 위에서 복사해둔 값들을 순서대로 api.get_data()의 인자로 입력한다. itmId의 값으로 선택 항목을 직접 나열해도 되지만 전체 선택 시 ‘ALL’이라는 값을 입력하면 된다.

df = api.get_data(
    "통계자료",
    orgId="101",
    tblId="DT_1YL202001E",
    objL1="ALL",
    objL2="ALL",
    itmId="ALL",
    prdSe="M",
    startPrdDe="202205",
    endPrdDe="202211",
)
df.head()

	기관ID	통계표ID	통계표명	분류명1	분류영문명1	분류값명1	분류값영문명1	분류값ID1	분류명2	분류영문명2	분류값명2	분류값영문명2	분류값ID2	항목ID	항목명	항목영문명	단위명	단위영문명	수록주기	수록시점	수치값
0	101	DT_1YL202001E	미분양주택현황(시도/시/군/구)	구분	SiGunGu	서울	Seoul	13102871087A.0003	시군구	SiGunGu	계	NaN	13102871087B.0002	13103871087T1	미분양현황	Unsold Housing	호	House	M	202205	688
1	101	DT_1YL202001E	미분양주택현황(시도/시/군/구)	구분	SiGunGu	서울	Seoul	13102871087A.0003	시군구	SiGunGu	계	NaN	13102871087B.0002	13103871087T1	미분양현황	Unsold Housing	호	House	M	202206	719
2	101	DT_1YL202001E	미분양주택현황(시도/시/군/구)	구분	SiGunGu	서울	Seoul	13102871087A.0003	시군구	SiGunGu	계	NaN	13102871087B.0002	13103871087T1	미분양현황	Unsold Housing	호	House	M	202207	592
3	101	DT_1YL202001E	미분양주택현황(시도/시/군/구)	구분	SiGunGu	서울	Seoul	13102871087A.0003	시군구	SiGunGu	계	NaN	13102871087B.0002	13103871087T1	미분양현황	Unsold Housing	호	House	M	202208	610
4	101	DT_1YL202001E	미분양주택현황(시도/시/군/구)	구분	SiGunGu	서울	Seoul	13102871087A.0003	시군구	SiGunGu	계	NaN	13102871087B.0002	13103871087T1	미분양현황	Unsold Housing	호	House	M	202209	719

피벗 테이블 만들기

통계표 조회 결과를 아래와 같이 원하는 형태로 재구조화하여 분석 목적에 맞게 사용하면 된다.

target = df.loc[df['분류값명2']=='계']
target['수록시점'] = pd.to_datetime(target['수록시점'], format="%Y%m")
target['수치값'] = pd.to_numeric(target['수치값'])
pv = target.pivot(index=["수록시점"], columns=["분류값명1","분류값명2"], values="수치값")
newCols = list(map(lambda x: x[0]+"_"+x[1], pv.columns))
pv.columns = newCols
pv = pv.reset_index()
pv['수록시점'] = pd.to_datetime(pv['수록시점'], format="%Y%m")
for col in pv.columns[1:]:
    pv[col] = pd.to_numeric(pv[col])
pv = pv.set_index("수록시점")
pv

	서울_계	부산_계	대구_계	인천_계	광주_계	대전_계	울산_계	경기_계	강원_계	충북_계	충남_계	전북_계	전남_계	경북_계	경남_계	제주_계	세종_계
수록시점
2022-05-01	688	1220	6816	426	46	460	641	2449	1242	1088	1386	107	2327	5369	1979	1119	12
2022-06-01	719	1267	6718	418	198	523	627	3319	1303	862	1326	103	2585	4823	2044	1063	12
2022-07-01	592	1503	7523	544	198	509	788	3393	1239	885	1406	178	2534	6517	2238	1227	10
2022-08-01	610	1799	8301	1222	198	668	775	3180	1348	619	1386	157	2503	6693	2042	1213	8
2022-09-01	719	1973	10539	1541	163	1430	1426	5553	1262	1107	2418	621	2627	6520	2401	1299	5
2022-10-01	866	2514	10830	1666	161	1374	1414	5080	2287	1732	2840	1383	2797	6369	4176	1722	6
2022-11-01	865	2574	11700	2471	161	1853	2999	7037	2365	2632	5046	1951	2925	7667	4076	1699	6

시각화

import plotly.express as px

fig = px.line(target, 
              x="수록시점", 
              y="수치값", 
              color='분류값영문명1')
fig

참고

PublicDataReader - 주민등록인구 데이터 조회하기

Sun, 23 Oct 2022 00:00:00 +0900

파이썬으로 주민등록인구 데이터 조회하기

Python 라이브러리 PublicDataReader를 이용하면 최신 지역별 주민등록인구 데이터를 쉽게 가져올 수 있다. 해당 데이터는 국가통계포털(KOSIS) 웹 사이트에 접속해 직접 조회할 수도 있지만, KOSIS 공유서비스 Open API를 이용해서도 조회할 수 있다. PublicDataReader는 KOSIS 공유서비스 Open API의 데이터 조회 기능을 포함하고 있어, 이를 활용하면 원하는 데이터를 쉽게 찾고 조회할 수 있다. KOSIS 공유서비스 Open API 신청 방법과 PublicDataReader에서 제공하는 KOSIS 공유서비스 Open API의 모든 기능을 살펴보려면 Python으로 KOSIS 데이터 조회하기를 참고하면 된다. 여기서는 주민등록인구 데이터를 조회하는 방법을 다루기로 한다.

설치하기

운영체제(OS)에 따라 아래 중 하나를 선택한다.
- Windows: CMD(명령 프롬프트) 실행
- Mac: Terminal(터미널) 실행

아래 Shell 명령어를 입력 후 실행한다.

pip install PublicDataReader --upgrade

라이브러리 임포트하기

앞에서 설치한 PublicDataReader에서 Kosis 클래스를 임포트한다. KOSIS 공유서비스에서 발급받은 오픈 API 사용자 인증키 정보를 service_key 변수에 할당한다. Kosis의 인자료 service_key를 입력하여 데이터 조회 인스턴스 api를 만든다.

from PublicDataReader import Kosis

# KOSIS 공유서비스 Open API 사용자 인증키
service_key = "사용자 인증키"

# 인스턴스 생성하기
api = Kosis(service_key)

조회할 데이터 찾기

api.get_data() 메서드의 첫 번째 인자로 ‘KOSIS통합검색’을 지정한다. searchNm에는 조회할 데이터를 찾기 위한 키워드를 입력한다. 반환된 데이터프레임에서 조회할 데이터를 찾아 기관ID(ORG_ID)와 통계표ID(TBL_ID) 값을 확인한다. ‘행정구역(읍면동)별/5세별 주민등록인구(2011년~)’ 데이터의 기관ID는 101이고, 통계표ID는 DT_1B04005N 이므로 이 값들을 데이터를 조회할 때 사용한다. 참고로 api.get_data() 메서드에 translate=False 옵션을 지정하면 영문 컬럼명으로 데이터를 조회할 수 있다. 이 인자의 기본값은 True이므로 국문 컬럼명으로 조회한다.

df = api.get_data(
    "KOSIS통합검색",
    searchNm="읍면동 주민등록 인구"
)
df.head(1)

	기관ID	기관명	통계표ID	통계표명	조사ID	조사명	KOSIS목록구분	KOSIS통계표위치	통계표위치	통계표주요내용	수록기간시작일	수록기간종료일	통계표주석	추천통계표여부	KOSIS목록URL	KOSIS통계표URL	검색결과건수	검색어명
0	101	행정안전부	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	2008001	주민등록인구현황	MT_ZTITLE	인구 > 주민등록인구현황	A > A_7	행정구역(동읍면)별 5세별 남자인구수 여자인구수 총인구수 개포3동 신당제4동 중림동...	2011	2022	* 등록구분의 ＂전체＂는 ＂거주자＂, ＂거주불명자＂, ＂재외국민＂이 포함된 자료입니...	N	https://kosis.kr/statisticsList/statisticsList...	http://kosis.kr/statHtml/statHtml.do?orgId=101...	573	읍면동 주민등록 인구

데이터 수록 주기와 시점 확인

api.get_data() 메서드의 첫 번째 인자로 ‘통계표설명’을 지정한다. 통계표설명의 경우 상세기능도 추가적으로 지정해야 한다. 두 번째 인자로 ‘자료갱신일’을 입력하고, 위에서 복사해둔 기관ID와 통계표ID의 값들을 api.get_data()의 인자로 입력해 데이터 수록주기와 수록시점을 확인한다. 수록주기(PRD_SE) 별 최근 수록시점(PRD_DE) 값을 조회하면 수록주기가 년인 경우는 2022년, 수록주기가 월인 경우는 2022년 11월이 최신 데이터임을 알 수 있다.

df = api.get_data(
    "통계표설명",
    "자료갱신일",
    orgId="101",
    tblId="DT_1B04005N"
)

df.groupby(by=['수록주기']).agg({"수록시점": ["min", "max"]})

	수록시점
	min	max
수록주기
년	2011	2022
월	201207	202212

데이터 항목 및 분류 확인하기

item = api.get_data(
    "통계표설명",
    "분류항목",
    orgId="101",
    tblId="DT_1B04005N",
)
item.head()

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
0	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T2	총인구수	Population	NaN	NaN	Person
1	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T3	남자인구수	Male	NaN	NaN	Person
2	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T4	여자인구수	Female	NaN	NaN	Person
3	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	00	전국	Whole country	NaN	1	NaN
4	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11	서울특별시	Seoul	NaN	1	NaN

통계표 조회 시 항목은 총인구수, 남자인구수 그리고 여자인구수 모두 사용하기로 한다. 분류값ID의 값인 T2, T3 그리고 T4를 모두 복사해둔다.

item.loc[item["분류ID"]=="ITEM"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
0	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T2	총인구수	Population	NaN	NaN	Person
1	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T3	남자인구수	Male	NaN	NaN	Person
2	101	DT_1B04005N	14STD04553	명	ITEM	항목	Item code list	T4	여자인구수	Female	NaN	NaN	Person

분류1의 경우 전체 선택하기로 한다. 분류값ID를 일부 선택하려면 ‘00 11 11110’ 과 같이 공백으로 구분해 입력해야 하지만 전체 선택의 경우 ‘ALL’ 이라고 입력한다. 여기에서는 종류가 많으므로 직접 값을 복사하지 않고 넘어간다.

item.loc[item["분류ID"]=="A"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
3	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	00	전국	Whole country	NaN	1	NaN
4	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11	서울특별시	Seoul	NaN	1	NaN
5	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	11110	종로구	Jongno-gu	11	1	NaN
6	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	1111051500	청운효자동	Cheongunhyoja-dong	11110	1	NaN
7	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	1111053000	사직동	Sajik-dong	11110	1	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...
4182	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013058000	서홍동	Seohong-dong	50130	1	NaN
4183	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013059000	대륜동	Daeryun-dong	50130	1	NaN
4184	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013060000	대천동	Daecheon-dong	50130	1	NaN
4185	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013061000	중문동	Jungmun-dong	50130	1	NaN
4186	101	DT_1B04005N	NaN	NaN	A	행정구역(동읍면)별	By Administrative District	5013062000	예래동	Yerae-dong	50130	1	NaN

4184 rows × 13 columns

분류2의 경우 연령별 구분은 사용하지 않고 총계만 조회하기로 한다. 따라서 분류값ID 값이 0인 경우만 해당하므로 0을 복사해둔다.

item.loc[item["분류ID"]=="B"]

	기관ID	통계표ID	코드ID	코드명	분류ID	분류명	분류영문명	분류값ID	분류값명	분류값영문명	상위분류값ID	분류값순번	CD_ENG_NM
4187	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	0	계	Total	NaN	2	NaN
4188	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	5	0 - 4세	0-4 Years old	NaN	2	NaN
4189	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	10	5 - 9세	5-9 Years old	NaN	2	NaN
4190	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	15	10 - 14세	10-14 Years old	NaN	2	NaN
4191	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	20	15 - 19세	15-19 Years old	NaN	2	NaN
4192	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	25	20 - 24세	20-24 Years old	NaN	2	NaN
4193	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	30	25 - 29세	25-29 Years old	NaN	2	NaN
4194	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	35	30 - 34세	30-34 Years old	NaN	2	NaN
4195	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	40	35 - 39세	35-39 Years old	NaN	2	NaN
4196	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	45	40 - 44세	40-44 Years old	NaN	2	NaN
4197	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	50	45 - 49세	45-49 Years old	NaN	2	NaN
4198	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	55	50 - 54세	50-54 Years old	NaN	2	NaN
4199	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	60	55 - 59세	55-59 Years old	NaN	2	NaN
4200	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	65	60 - 64세	60-64 Years old	NaN	2	NaN
4201	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	70	65 - 69세	65-69 Years old	NaN	2	NaN
4202	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	75	70 - 74세	70-74 Years old	NaN	2	NaN
4203	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	80	75 - 79세	75-79 Years old	NaN	2	NaN
4204	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	85	80 - 84세	80-84 Years old	NaN	2	NaN
4205	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	90	85 - 89세	85-89 Years old	NaN	2	NaN
4206	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	95	90 - 94세	90-94 Years old	NaN	2	NaN
4207	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	100	95 - 99세	95-99 Years old	NaN	2	NaN
4208	101	DT_1B04005N	NaN	NaN	B	5세별	By Age Group (Five-Year)	105	100+	100 Years old ＆ over	NaN	2	NaN

통계표 조회하기

api.get_data() 메서드의 첫 번째 인자로 ‘통계자료’를 지정한다. 행정구역(읍면동)별/5세별 주민등록인구(2011년~) 통계표를 조회를 위해 위에서 복사해둔 값들을 순서대로 api.get_data()의 인자로 입력한다. itmId의 값으로 모든 항목값을 입력했지만, objL1과 같이 ‘ALL’이라고 입력해도 전체 선택이 된다.

df = api.get_data(
    "통계자료",
    orgId="101",
    tblId="DT_1B04005N",
    objL1="ALL",
    objL2="0",
    itmId="T2 T3 T4",
    prdSe="M",
    startPrdDe="202211",
    endPrdDe="202211",
)
df.head()

	기관ID	통계표ID	통계표명	분류명1	분류영문명1	분류값명1	분류값영문명1	분류값ID1	분류명2	분류영문명2	분류값명2	분류값영문명2	항목ID	항목명	항목영문명	단위명	단위영문명	수록주기	수록시점	수치값
0	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T2	총인구수	Population	명	Person	M	202211	51450829
1	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T3	남자인구수	Male	명	Person	M	202211	25643889
2	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	전국	Whole country	00	5세별	By Age Group (Five-Year)	계	Total	T4	여자인구수	Female	명	Person	M	202211	25806940
3	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	서울특별시	Seoul	11	5세별	By Age Group (Five-Year)	계	Total	T2	총인구수	Population	명	Person	M	202211	9436836
4	101	DT_1B04005N	행정구역(읍면동)별/5세별 주민등록인구(2011년~)	행정구역(동읍면)별	By Administrative District	서울특별시	Seoul	11	5세별	By Age Group (Five-Year)	계	Total	T3	남자인구수	Male	명	Person	M	202211	4574781

피벗 테이블 만들기

통계표 조회 결과를 아래와 같이 원하는 형태로 재구조화하여 분석 목적에 맞게 사용하면 된다.

pv = df.pivot(index=["분류값ID1","분류값명1","수록시점"], columns=["항목명"], values="수치값").reset_index()
pv.columns.name = None
pv['수록시점'] = pd.to_datetime(pv['수록시점'], format="%Y%m")
numCols = ["남자인구수","여자인구수","총인구수"]
for col in numCols:
    pv[col] = pd.to_numeric(pv[col])
pv

	분류값ID1	분류값명1	수록시점	남자인구수	여자인구수	총인구수
0	00	전국	2022-11-01	25643889	25806940	51450829
1	11	서울특별시	2022-11-01	4574781	4862055	9436836
2	11110	종로구	2022-11-01	68488	73162	141650
3	1111051500	청운효자동	2022-11-01	5366	6311	11677
4	1111053000	사직동	2022-11-01	4041	5065	9106
...	...	...	...	...	...	...
3853	5013058000	서홍동	2022-11-01	5555	5670	11225
3854	5013059000	대륜동	2022-11-01	7846	7734	15580
3855	5013060000	대천동	2022-11-01	7030	6828	13858
3856	5013061000	중문동	2022-11-01	6227	6055	12282
3857	5013062000	예래동	2022-11-01	1987	1896	3883

3858 rows × 6 columns