🏠 Apartment Sales Visualization & Analysis

대한민국 아파트 실거래·소득 데이터를 기반으로 한 시각화 및 내 집 마련 시뮬레이션 프로젝트

이 프로젝트는 대한민국 아파트 실거래 데이터와 개인 소득 데이터를 결합하여
지역별 아파트 거래 흐름, 소득 대비 주거 접근성,
그리고 내 집 마련까지 걸리는 시간을 직관적으로 보여주는
Streamlit 기반 데이터 분석 대시보드입니다.

지도 시각화, 지수 비교, 시뮬레이션을 통해

“집값과 소득의 격차가 실제 삶에 어떤 의미인지”
를 체감하는 것을 목표로 합니다.

---

✨ 주요 기능

📍 지도 기반 시각화

• 법정동별 아파트 거래량
• 광역시도별 거래금액·평당가격 중앙값

📊 소득 vs 아파트 가격 지수 비교

• 2010년 기준 지수화
• 연도별 격차 시각화 (Dumbbell Chart)

📏 구매 가능 면적 & 1평 구매에 필요한 기간

🧮 내 집 마련 시뮬레이터

• 저축률, 연봉 상승률 조정
• 외벌이 / 맞벌이 시나리오 비교

🖥️ Streamlit 기반 인터랙티브 대시보드

---

🚀 실행 방법

이 프로젝트는 pip 기반 실행과 Docker 기반 실행
두 가지 방식 모두를 지원합니다.

---

1️⃣ 로컬 실행 (pip 기반)

Python 환경에서 바로 실행하는 방식입니다.

1. 의존성 설치

pip install -r requirements.txt

2. 앱 실행

streamlit run app.py

3. 브라우저 접속

http://localhost:8501

💡 Python 3.11 환경을 권장합니다.

---

2️⃣ Docker 기반 실행 (배포 / 재현용 추천)

환경 차이 없이 동일하게 실행하고 싶을 때 가장 안정적인 방법입니다.

1. Docker 이미지 빌드

docker build --no-cache -t visual_project .

2. 컨테이너 실행

docker run --rm -p 8501:8501 visual_project

3. 브라우저 접속

http://localhost:8501

• --rm 옵션은 컨테이너 종료 시 자동 삭제를 의미합니다.
• 로컬 테스트 및 배포 환경에서 컨테이너 관리를 깔끔하게 해줍니다.

---

🌐 Streamlit Cloud 배포 버전

별도의 설치 없이 바로 체험할 수 있는 공식 배포 버전입니다.

👉 Live Demo 🔗 https://apartment-sales-visualization-analysis.streamlit.app/

• Streamlit Cloud 환경에서 실행
• 로컬 / Docker 버전과 동일한 기능 제공
• 데이터 시각화 및 시뮬레이션 전체 포함

---

📁 프로젝트 구조

.
├── app.py                 # Streamlit 메인 애플리케이션
├── requirements.txt       # Python 의존성
├── Dockerfile             # Docker 배포 설정
├── .dockerignore
├── data/                  # 데이터 파일
│   ├── 1인당_개인소득.csv
│   ├── 시도_apart_2010_data.csv
│   ├── 시도_apart_2015_data.csv
│   ├── 시도_apart_2020_data.csv
│   ├── 시도_apart_2025_data.csv
│   ├── 시도_apart_all_data.csv
│   ├── 대한민국_광역자치단체_경계.geojson
│   ├── ...
│   └── 법정동주소 거래량 데이터.csv
└── README.md

---

🛠️ 기술 스택

• Python
• Streamlit
• Pandas / NumPy
• Plotly
• PyDeck
• Docker

---

📮 마무리

이 프로젝트는 **“집값 문제를 데이터로 이해하고, 개인의 현실에 대입해보는 시도”**입니다.

피드백, 개선 아이디어, 확장 제안은 언제든 환영합니다 🙂

• 서울대학교 빅데이터 AI 핀테크 고급 전문가 과정 12기 시각화웹개발 프로젝트 1조