공공데이터 API로 분석하는 지속가능 발전과 대한민국의 미래

1. 프로젝트 주제

2. 활용 가능한 공공데이터 예시

• 환경: 온실가스 배출량, 대기오염, 미세먼지, 에너지 소비량
• 에너지: 전력 사용량, 신재생에너지 발전량, 지역별 에너지 자립률
• 사회: 인구 변화, 고령화율, 청년 인구, 지역 소멸 위험
• 경제: 지역별 일자리, 산업 구조, 녹색산업 성장 지표

3. 분석 절차

4. 파이썬 전체 코드

# ============================================================
# 공공데이터 API 인증키 활용 프로젝트
# 주제: 지속가능 발전과 대한민국의 미래
# 분석: 지난 20년 + 앞으로 10년 추세선, 인사이트, 정책 개발
# ============================================================

import requests
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from xml.etree import ElementTree as ET
from sklearn.linear_model import LinearRegression

SERVICE_KEY = "여기에_공공데이터_API_인증키를_입력하세요"
API_URL = "https://apis.data.go.kr/B551177/AirportGreenGas/getGreenGasInfo"

def fetch_public_data():
    params = {"serviceKey": SERVICE_KEY, "pageNo": 1, "numOfRows": 100, "type": "xml"}
    try:
        response = requests.get(API_URL, params=params, timeout=10)
        response.raise_for_status()
        root = ET.fromstring(response.content)
        rows = []
        for item in root.iter("item"):
            year = item.findtext("year") or item.findtext("stdYear") or item.findtext("baseYear") or item.findtext("yr")
            value = item.findtext("emission") or item.findtext("ghgEmis") or item.findtext("totEmis") or item.findtext("value")
            if year and value:
                rows.append({"year": int(year), "value": float(str(value).replace(",", ""))})
        df = pd.DataFrame(rows)
        if df.empty:
            return make_sample_data()
        return df
    except Exception as e:
        print("API 호출 또는 XML 파싱 실패:", e)
        print("수업용 샘플 데이터를 사용합니다.")
        return make_sample_data()

def make_sample_data():
    years = np.arange(2006, 2026)
    # 값이 높을수록 지속가능성 위험이 크다고 가정한 수업용 예시 지표
    values = [62,64,66,69,71,73,75,76,78,79,81,82,80,79,77,75,73,71,69,67]
    return pd.DataFrame({"year": years, "value": values})

df = fetch_public_data()
df = df.dropna().sort_values("year")
current_year = df["year"].max()
df_20 = df[df["year"] >= current_year - 19].copy()

X = df_20[["year"]]
y = df_20["value"]
model = LinearRegression()
model.fit(X, y)

future_years = np.arange(df_20["year"].min(), current_year + 11)
future_X = pd.DataFrame({"year": future_years})
predicted = model.predict(future_X)

first_value = df_20.iloc[0]["value"]
last_value = df_20.iloc[-1]["value"]
future_value = predicted[-1]
past_change_rate = (last_value - first_value) / first_value * 100
future_change_rate = (future_value - last_value) / last_value * 100

print("[핵심 인사이트]")
print(f"지난 20년 변화율: {past_change_rate:.2f}%")
print(f"현재 값: {last_value:.2f}")
print(f"10년 후 예측값: {future_value:.2f}")
print(f"현재 대비 10년 후 예측 변화율: {future_change_rate:.2f}%")

if future_change_rate > 0:
    print("판단: 현재 추세가 이어지면 지속가능성 위험이 커질 수 있습니다.")
else:
    print("판단: 현재 추세가 이어지면 지속가능성 위험이 완화될 가능성이 있습니다.")

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False
plt.figure(figsize=(12, 7))
plt.plot(df_20["year"], df_20["value"], marker="o", linewidth=2, label="실제 지표")
plt.plot(future_years, predicted, linestyle="--", linewidth=2, label="추세선 및 10년 예측")
plt.axvline(current_year, linestyle=":", label="현재 기준 연도")
plt.title("지속가능 발전과 대한민국의 미래: 20년 추세와 10년 전망")
plt.xlabel("연도")
plt.ylabel("지속가능 미래지표")
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.savefig("korea_sustainable_future_trend.png", dpi=200)
plt.show()

policies = [
    "탄소중립 전환 가속 정책",
    "미래세대 인구·교육 정책",
    "지역균형 지속가능 도시 정책",
    "데이터 공개형 정책 평가",
    "학교 참여형 지속가능 프로젝트",
    "녹색산업 일자리 육성 정책"
]
print("\n[정책 개발안]")
for i, policy in enumerate(policies, start=1):
    print(f"{i}. {policy}")

5. 도출할 수 있는 인사이트

1. 미래는 현재 추세의 연장선이다. 20년 추세가 개선되지 않으면 10년 뒤 위험이 커질 수 있습니다.
2. 지속가능 발전은 환경만의 문제가 아니다. 에너지, 인구, 지역, 산업 정책이 함께 연결되어야 합니다.
3. 정책은 데이터로 검증되어야 한다. 매년 지표를 공개하고 정책 효과를 수치로 확인해야 합니다.
4. 학교 교육도 미래 정책의 일부이다. 학생이 공공데이터를 분석하면 지역 문제 해결 역량이 커집니다.

6. 대한민국의 미래를 위한 정책 개발안