[데이터분석]진짜 요즘 초, 중, 고등학생들은 키가 더 클까?

요즘 길거리를 다니다보면 초, 중, 고등학생들의 키가 굉장히 커서 깜짝깜짝 놀라곤 한다.

라떼는 안그랬던 것 같은데...

 

급궁금해져서 아래의 사이트에 있는 데이터를 활용해서 키를 분석했다.

서울시 학생 체격 현황(키. 몸무게) 통계

열린데이터광장 메인

 

 위 데이터는 2001년부터 2019년까지 있으며 역시나 공적 기관에서 다루는 데이터라 그런지 데이터에 오류가 없었다.

 바로 분석 시작!

---

#참고

-그래프에 보이는 점 : 통계사이트에서 가져온 데이터 값

-꺾은선 : 위 데이터 값을 연결한 것

-직선 : 위 데이터 값을 회귀분석하여 년도와 키의 상관관계를 살펴본 것

---

*초, 중, 고등학교 남학생 키(Height)

(2001~2019)남학생 키 변화

 초, 중학교 남학생 키는 지속적으로 증가했다.

 고등학교 남학생 키는 변화가 없었다.

---

*초, 중, 고등학교 여학생 키(Height)

(2001~2019)여학생 키 변화

 초, 중학교 여학생 키는 지속적으로 증가했다.

 고등학교 여학생 키는 변화가 없었다.

---

 여기에 추가적으로 요즘 학생들의 비만율도 문제가 된다는 이야기를 들어 BMI를 살펴보기로 했다.

 *BMI(Body Mass Index, 체질량지수) : 몸무게를 키 제곱으로 나눈 값으로 국내에서 사용되는 비만 측정 지표

 대한비만학회에 따르면 BMI 기준은

-과체중 : BMI >= 23

-1단계 비만 : 29.9 > BMI >= 25

-2단계 비만 : 34.9 > BMI >= 30

-3단계 비만 : BMI >= 35

 이다.

---

*초, 중, 고등학교 남학생 BMI

(2001~2019)남학생 BMI 변화

 초, 중, 고등학교 남학생 모두 BMI 수치가 증가하고 있다.

 특히 고등학교 남학생의 경우 평균적으로 과체중에 해당한다.

---

*초, 중, 고등학교 여학생 BMI

(2001~2019)여학생 BMI 변화

 초, 중, 고등학교 여학생 모두 BMI 수치가 증가하고 있다.

 남학생과 달리 여학생의 BMI 평균은 정상에 해당한다.

---

 의외의 결과!

 나는 초, 중, 고등학교 학생들 모두 예전과 비교해 키가 더 커졌을 거라 생각했다.

 하지만 분석한 결과는 초, 중학생의 키는 증가하였으나 고등학생은 키는 그대로였다.

 

 역시나!

 비만율을 나타내는 BMI의 값은 초, 중, 고등학생 모두 증가했다.

 

---

아래는 소스코드.

 소스코드 작성 후 반복문 쓸까 했는데... 반복문 안써도 크게 수정이 번거롭지 않아 그냥 여러번 반복해서 코드를 적음.

import os
path_dir = os.getcwd() #현재 디렉토리 확인
os.listdir(path_dir) #존재하는 파일 확인

import pandas as pd
import matplotlib.pyplot as plt

import seaborn as sns #회귀분석을 위함

df = pd.read_csv(os.listdir(path_dir)[2]) #CSV 파일 불러오기
df_trans = df.transpose() #행, 열 바꾸기
df_trans.head() #5행까지 추출

#키_남자
year = np.array([float(i) for i in df_trans.iloc[3:, 0].index], dtype=float)

#초등
plt.figure(figsize=(len(df_trans.iloc[3:, 0].index)/3,5)) #그래프 크기 설정
plt.subplot(3,1,1) #그래프 전체 크기는 3행, 1열(1번째 그리기)
plt.plot(year, np.array(df_trans.iloc[3:, 0].values, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 0].values, dtype=float))
plt.xticks([], []) #x축 안보이게 설정
plt.title("Height_Male_Ele", size=25)
plt.tight_layout() #그래프 겹치는 부분 없도록 설정

#중등
plt.subplot(3,1,2)
plt.plot(year, np.array(df_trans.iloc[3:, 4].values, dtype=float), c="r")
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 4].values, dtype=float))
plt.xticks([], []) 
plt.title("Height_Male_Mid", size=25)
plt.tight_layout()

#고등
plt.subplot(3,1,3) #그래프 전체 크기는 3행, 1열(1번째 그리기)
plt.plot(year, np.array(df_trans.iloc[3:, 8].values, dtype=float), c="y")
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 8].values, dtype=float))
plt.title("Height_Male_High", size=25)
plt.xticks(rotation=90, size = 15)
plt.tight_layout() #그래프 겹치는 부분 없도록 설정


#키_여자
#초등
plt.figure(figsize=(len(df_trans.iloc[3:, 0].index)/3,5)) #그래프 크기 설정
plt.subplot(3,1,1) #그래프 전체 크기는 3행, 1열(1번째 그리기)
plt.plot(year, np.array(df_trans.iloc[3:, 1].values, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 1].values, dtype=float))
plt.xticks([], []) #x축 안보이게 설정
plt.title("Height_Female_Ele", size=25)
plt.tight_layout() #그래프 겹치는 부분 없도록 설정

#중등
plt.subplot(3,1,2)
plt.plot(year, np.array(df_trans.iloc[3:, 5].values, dtype=float), c="r")
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 5].values, dtype=float))
plt.xticks([], []) 
plt.title("Height_Female_Mid", size=25)
plt.tight_layout()

#고등
plt.subplot(3,1,3)
plt.plot(year, np.array(df_trans.iloc[3:, 9].values, dtype=float), c="y")
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 9].values, dtype=float))
plt.xticks(rotation=90, size = 15)
plt.title("Height_Female_High", size=25)
plt.tight_layout() 


#BMI_남자
#초등
plt.figure(figsize=(len(df_trans.iloc[3:, 0].index)/3,5)) #그래프 크기 설정
plt.subplot(3,1,1) #그래프 전체 크기는 3행, 1열(1번째 그리기)
plt.plot(year, np.array(df_trans.iloc[3:, 2]/(df_trans.iloc[3:, 0]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 2]/(df_trans.iloc[3:, 0]/100)**2, dtype=float))
plt.xticks([], []) #x축 안보이게 설정
plt.title("BMI_Male_Ele", size=25)
plt.tight_layout() #그래프 겹치는 부분 없도록 설정

#중등
plt.subplot(3,1,2)
plt.plot(year, np.array(df_trans.iloc[3:, 6]/(df_trans.iloc[3:, 4]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 6]/(df_trans.iloc[3:, 4]/100)**2, dtype=float))
plt.xticks([], []) 
plt.title("BMI_Male_Mid", size=25)
plt.tight_layout()

#고등
plt.subplot(3,1,3)
plt.plot(year, np.array(df_trans.iloc[3:, 10]/(df_trans.iloc[3:, 8]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 10]/(df_trans.iloc[3:, 8]/100)**2, dtype=float))
plt.xticks(rotation=90, size = 15)
plt.title("BMI_Male_High", size=25)
plt.tight_layout() 


#BMI_여자
#초등
plt.figure(figsize=(len(df_trans.iloc[3:, 0].index)/3,5)) #그래프 크기 설정
plt.subplot(3,1,1) #그래프 전체 크기는 3행, 1열(1번째 그리기)
plt.plot(year, np.array(df_trans.iloc[3:, 3]/(df_trans.iloc[3:, 1]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 3]/(df_trans.iloc[3:, 1]/100)**2, dtype=float))
plt.xticks([], []) #x축 안보이게 설정
plt.title("BMI_Female_Ele", size=25)
plt.tight_layout() #그래프 겹치는 부분 없도록 설정

#중등
plt.subplot(3,1,2)
plt.plot(year, np.array(df_trans.iloc[3:, 7]/(df_trans.iloc[3:, 5]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 7]/(df_trans.iloc[3:, 5]/100)**2, dtype=float))
plt.xticks([], []) 
plt.title("BMI_Female_Mid", size=25)
plt.tight_layout()

#고등
plt.subplot(3,1,3)
plt.plot(year, np.array(df_trans.iloc[3:, 11]/(df_trans.iloc[3:, 9]/100)**2, dtype=float))
sns.regplot(x=year, y= np.array(df_trans.iloc[3:, 11]/(df_trans.iloc[3:, 9]/100)**2, dtype=float))
plt.xticks(rotation=90, size = 15)
plt.title("BMI_Female_High", size=25)
plt.tight_layout()