[Tableau] Real Estate Prices in Korea

Real Estate Prices Visualization

Data source

• 국토교통부 실거래가 공개시스템

• 검색 조건
  • 계약일자: 2025-06-01 ~ 2025-06-30
  • 실거래구분: 아파트 (매매)
  • 주소: 전체
  • 면적: 전체
  • 금액: 전체
• 데이터 수: 48,799건

Data preprocessing with Python

# Import libraries
import pandas as pd

# Load csv file
df = pd.read_csv(
    "./아파트(매매)_실거래가_20250709002717.csv",
    encoding="cp949",
)

df

# Drop unnecessary columns
df = df.drop(
    columns=[
        "NO",
        "번지",
        "본번",
        "부번",
        "단지명",
        "동",
        "층",
        "도로명",
        "중개사소재지",
        "등기일자",
    ]
)

df.describe()

	전용면적(㎡)	계약년월	계약일	건축년도
count	48799.000000	48799.0	48799.000000	48799.000000
mean	76.164064	202506.0	15.002275	2006.256173
std	22.983061	0.0	8.064604	10.965883
min	9.260000	202506.0	1.000000	1962.000000
25%	59.895950	202506.0	8.000000	1997.000000
50%	83.250000	202506.0	14.000000	2006.000000
75%	84.960000	202506.0	21.000000	2017.000000
max	273.940000	202506.0	30.000000	2025.000000

# Remove commas from '거래금액(만원)' and convert to float
df["거래금액(만원)"] = df["거래금액(만원)"].str.replace(",", "")
df["거래금액(만원)"] = df["거래금액(만원)"].astype(float)

# Create new column '면적당거래금액(㎡/만원)'
df["면적당거래금액(㎡/만원)"] = df["거래금액(만원)"] / df["전용면적(㎡)"]

# Split the address into words and store the first two in separate columns for geojson matching
df[["주소_1", "주소_2"]] = df["시군구"].str.split().str[:2].apply(pd.Series)
df["주소_1"] = df["주소_1"].replace("전북특별자치도", "전라북도")

df

df.to_csv(
    "./realestate_processed.csv",
    index=False,
    encoding="cp949",
)

Data visualization: Overview map

Data visualization: Top prices by region