[국회 데이터 시각화] plotly와 함께하는 대한민국 의회민주주의 발전사 - 어느 국회의원이 영향력이 있을까?

본 게시물은 데이콘 대회에 제출하였던 코드를 기반으로 작성되었습니다 :)

plotly와 함께하는 대한민국 의회민주주의 발전사 - 어느 국회의원이 영향력이 있을까?

안녕하세요. 새파란입니다.
데이터 시각화 공부도 할 겸 겸사겸사 위의 대회를 나가게 되었는데요.

평소에 matplotlib과 seaborn 만 써봤었는데, plotly가 깔끔해서 앞으로도 자주 이용할 것 같다는 생각이 드네요.

plotly 그래프를 티스토리에 올리기가 생각보다 쉽지 않은 것 같은데, 추가로 해당 내용들이 계속 변경될 수 있어 우선 이번 포스팅에서는 대회 및 플랫폼 소개와 그 전반적인 과정에 대해서 알아보도록 하겠습니다. 결과물은 본 포스팅 위와 아래에 있는 링크에서 확인하실 수 있습니다:)
(티스토리에도 jupyter notebook 플러그인이 있으면 좋을 것 같은데, 답답하면 제가 만들게 될지도 모르겠네요 )

1. 데이콘 소개

우선 데이터 관련 가장 유명한 플랫폼인 캐글이 대기업이라면, 데이콘은 약간 비슷한 길을 걷고자 하는 스타트업 느낌입니다. 
항상 참가해야지 해야지 했다가 드디어 최근부터 참가를 시작하게 되었습니다. 이 전에 소설 작가 분류 AI 경진대회를 참여했었는데 (전에 관심이 없었던) NLP 관련 이론들에 대해 익숙해질 수 있는 좋은 계기였습니다.

2. 대회 소개

이번 대회의 목적은 (공지에서 참조했습니다.)

- 국회 활동이 쉽고 명확하게 보이도록 시각화

- 국회 활동에 대한 일반인의 관심을 제고할 수 있는 인사이트 발굴

이었습니다. 정당별 분류 혹은 인사이트는 많은 분들께서 해주시고 계신 것 같았기에, 저는 개개인의 국회의원을 조명하고 싶었습니다. 따라서 한때 유튜브에서 즐겨봤던 네고왕/발명왕 시리즈와 엮어서 국회 입법과 관련한 부문별로 '왕'을 뽑아보기로 했습니다. 

1. 네트워크왕
2. 입안왕
3. 통과왕
4. ??왕 (업데이트예정)

분명 우리 생활과 국회는 아주 밀접한 관련이 있는데, 그 사실을 자주 까먹고 살아가는건 아닐까요?

 

3. 사용한 라이브러리 소개

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import networkx as nx
import plotly.io as pio
pio.renderers.default = "notebook_connected"

 

데이터 분석의 기본적인 pandas 라이브러리, 네트워크 분석시에 자주 사용하는 networkx 라이브러리, 그리고 위에서 언급했던 plotly 라이브러리를 사용했습니다.

plotly 라이브러리는 친해지는 중인데, (모든 기술이 다 그렇겠지만) 잘 쓸려면 시간이 조금 필요하겠네요. 
plotly.graph_object 로 직접 설정을 해주기에는 번거로울 때가 많은데, plotly.express 를 이용하면 함수 하나로 그래프를 그릴 수 있습니다. 저도 많이 애용했습니다ㅎ.ㅎ

 

  

[결과물 미리보기]

(바로 이동하셔도 무방합니다.)

---

[국회 입법활동 빅데이터 시각화 경진대회]

우리나라 의회민주주의의 큰 축을 담당했던 인물은 누구일까요? 크게 4가지 측면에서 뽑아보았습니다. (혹시 더 좋은 조건이 생각나시면 댓글 주셔도 좋습니다.)

1. 네트워크왕
2. 입안왕
3. 통과왕
4. ??왕 (업데이트예정)

 

1. 네트워크왕 찾기

네트워크왕이란 국회의원들 사이에서 가장 영향력 있는 사람을 의미합니다. 법안 발의자-공동 발의자 관계로 법안을 제출해서 통과가 된 적이 있으면 그 횟수를 1로 셌습니다.

데이터 전처리

먼저 국회의원들의 의안 처리 결과가 나와있는 suggest 데이터를 활용합니다. 그 중에서 의안 처리 결과인 PROC_RESULT의 행을 관찰해봅시다.

 

In [2]:

suggest_raw = pd.read_csv("open/suggest.csv", encoding = "utf-8")
suggest_raw.info()

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 62658 entries, 0 to 62657
Data columns (total 12 columns):
 #   Column         Non-Null Count  Dtype 
---  ------         --------------  ----- 
 0   BILL_ID        62658 non-null  object
 1   BILL_NO        62658 non-null  int64 
 2   BILL_NAME      62658 non-null  object
 3   COMMITTEE      61821 non-null  object
 4   PROPOSE_DT     62651 non-null  object
 5   PROC_RESULT    58842 non-null  object
 6   AGE            62658 non-null  int64 
 7   DETAIL_LINK    62658 non-null  object
 8   PROPOSER       62657 non-null  object
 9   MEMBER_LIST    62658 non-null  object
 10  RST_PROPOSER   62566 non-null  object
 11  PUBL_PROPOSER  59950 non-null  object
dtypes: int64(2), object(10)
memory usage: 5.7+ MB

 

Null data 가 조금 있음을 알 수 있네요. 제거해서 자세히 데이터를 관찰해봅시다.

In [3]:

suggest_raw.dropna(axis=0).head(3)

Out[3]:

	BILL_ID	BILL_NO	BILL_NAME	COMMITTEE	PROPOSE_DT	PROC_RESULT	AGE	DETAIL_LINK	PROPOSER	MEMBER_LIST	RST_PROPOSER	PUBL_PROPOSER
557	PRC_L2Y0T0X9V1K1V1Z5T3N3B2Q7D3Q2H3	2103783	119구조·구급에 관한 법률 일부개정법률안	행정안전위원회	2020-09-11	대안반영폐기	21	http://likms.assembly.go.kr/bill/billDetail.do...	서영교의원 등 11인	http://likms.assembly.go.kr/bill/coactorListPo...	서영교	강준현,김민철,김승원,박성준,송기헌,양정숙,윤미향,이상직,이성만,이수진
862	PRC_X2Y0Y0M8A2E5P1R0P5S3J2Q4Z6T7I0	2103449	여권법 일부개정법률안	외교통일위원회	2020-09-02	철회	21	http://likms.assembly.go.kr/bill/billDetail.do...	최종윤의원등13인	http://likms.assembly.go.kr/bill/coactorListPo...	최종윤	기동민,김승남,박성준,서동용,양정숙,양향자,오영환,이용빈,이인영,인재근,조승래,허종식
881	PRC_T2X0G0B9J0T2S1G0I2F2Q1P4G4O5O0	2103430	가정폭력범죄의 처벌 등에 관한 특례법 일부개정법률안	법제사법위원회	2020-09-02	대안반영폐기	21	http://likms.assembly.go.kr/bill/billDetail.do...	송기헌의원 등 10인	http://likms.assembly.go.kr/bill/coactorListPo...	송기헌	김남국,김민기,김성주,김승원,김종민,이광재,이탄희,조승래,황운하

 

'PROC_RESULT' 행이 아무래도 중요한 의미를 담고 있는 것 같아요. 자세히 살펴봅시다.

In [4]:

suggest_raw['PROC_RESULT'].value_counts()

Out[4]:

임기만료폐기       34736
대안반영폐기       15479
수정가결          3189
폐기            2306
원안가결          1629
철회            1181
회기불계속폐기        228
수정안반영폐기         41
비상국무회의로이관       30
부결              23
Name: PROC_RESULT, dtype: int64

 

법안 통과를 i) '원안가결 + 수정가결', 또는 ii) '원안가결,수정가결,대안반영폐기'로 볼 수 있는데, 두 경우에 대해서 모두 데이터 프레임을 준비해둡시다.

In [5]:

suggest = suggest_raw[['AGE','PROC_RESULT','RST_PROPOSER','PUBL_PROPOSER']].dropna(axis=0)
suggest_approved_strong = suggest[(suggest['PROC_RESULT'] =='원안가결') | (suggest['PROC_RESULT'] =='수정가결')]
suggest_approved_weak = suggest[(suggest['PROC_RESULT'] =='원안가결') | (suggest['PROC_RESULT'] =='수정가결') | (suggest['PROC_RESULT'] =='대안반영폐기')]

 

먼저 dataframe이 주어지면 network를 만드는 함수, 그리고 그 결과 이미지를 반환하는 함수를 만들어봅시다. (보조 함수도 하나 만들었습니다.)

덧붙여 아래 참고문헌 [3] 에 논리를 참고해, 대표 발의에 비중을 두었습니다. 즉 A 국회의원이 B, C, D의원과 함께 법을 제출하면 관계가 A-B, A-C, A-D 이렇게 한 번만 생기게 됩니다.

In [6]:

def add_or_set(item,my_dict):
    if item in my_dict:
        my_dict[item] += 1
    else:
        my_dict[item] = 1

        
def make_network(dataframe):
    edge = {}
    node = {}

    for idx,row in dataframe.iterrows():
        proposer = row['RST_PROPOSER']
        add_or_set(proposer,node)

        if proposer in edge:
            for publ_proposer in row['PUBL_PROPOSER'].split(","):
                add_or_set(publ_proposer,edge[proposer])
                add_or_set(publ_proposer,node)

        else:
            temp_dict = {}
            for publ_proposer in row['PUBL_PROPOSER'].split(","):
                temp_dict[publ_proposer] = 1
                add_or_set(publ_proposer,node)
            edge[proposer] = temp_dict
    return node,edge


def draw_network(node,edge):
    poli_graph = nx.Graph()
    for congressman in node.keys():
        poli_graph.add_node(congressman, size = node[congressman])
    for proposer in edge.keys():
        for publ_proposer in edge[proposer].keys():
            poli_graph.add_edge(proposer,publ_proposer,weight = edge[proposer][publ_proposer])
    pos_ = nx.spring_layout(poli_graph)

    edge_x = []
    edge_y = []
    for edge in poli_graph.edges():
        char_1 = edge[0]
        char_2 = edge[1]
        x0, y0 = pos_[char_1]
        x1, y1 = pos_[char_2]
        edge_x.append(x0)
        edge_x.append(x1)
        edge_x.append(None)
        edge_y.append(y0)
        edge_y.append(y1)
        edge_y.append(None)

    edge_trace = go.Scatter(
    x=edge_x, y=edge_y,
    line=dict(width=0.5, color='#888'),
    hoverinfo='none',
    mode='lines')

    node_x = []
    node_y = []
    for node in poli_graph.nodes():
        x, y = pos_[node]
        node_x.append(x)
        node_y.append(y)

    node_trace = go.Scatter(
        x=node_x, y=node_y,
        mode='markers',
        hoverinfo='text',
        marker=dict(
            showscale=True,
            colorscale='YlGnBu',
            reversescale=True,
            color=[],
            size=10,
            colorbar=dict(
                thickness=15,
                title='누적 공동 발의자 수',
                xanchor='left',
                titleside='right'
            ),
            line_width=2))

    node_adjacencies = []
    node_text = []
    for node, adjacencies in enumerate(poli_graph.adjacency()):
        node_adjacencies.append(len(adjacencies[1]))
        node_text.append(str(adjacencies[0]) + '# of connections: '+str(len(adjacencies[1])))

    node_trace.marker.color = node_adjacencies
    node_trace.text = node_text
    
    fig = go.Figure(data=[edge_trace, node_trace],
                 layout=go.Layout(
                    showlegend=False,
                    hovermode='closest',
                    margin=dict(b=20,l=5,r=5,t=40),
                    xaxis=dict(showgrid=False, zeroline=False, showticklabels=False),
                    yaxis=dict(showgrid=False, zeroline=False, showticklabels=False))
                    )
    return fig

def show_network(dataframe,age):
    node,edge = make_network(dataframe[dataframe['AGE']==age])
    return draw_network(node,edge).show()

 

이렇게 함수로 만들고 나서, 네트워크 시각화를 하면 어떤 모습일까요?

대회 코드 공유 게시물 페이지에서 확인하실 수 있습니다 :)
(참고로 아직 대회가 끝나지 않아서, 계속 업데이트될 예정입니다)

plotly와 함께하는 대한민국 의회민주주의 발전사 - 어느 국회의원이 영향력이 있을까?