External Debt Tracking with Python, PostgreSQL, and Grafana
AI Store에서 AI코딩으로 만들어진 앱을 만나보세요!
지금 바로 방문하기

API에서 대시보드까지: 파이썬, PostgreSQL 및 Grafana를 활용한 키티아 외채 추적

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

데이터 분석

대상자

  • 데이터 엔지니어, 분석가, 개발자
  • 중간 난이도: Python, SQL, 데이터 시각화 도구(Grafana) 기초 이해 필요

핵심 요약

  • 데이터 파이프라인 구축: World Bank API에서 데이터 추출 → Pandas로 변환 → PostgreSQL 저장 → Grafana 대시보드 시각화
  • 데이터 처리 핵심: df.dropna()로 결측치 제거, pd.to_datetime()으로 날짜 형식 통일
  • 시각화 도구: Grafana로 연간 외채 추이(折线图) 및 연간 변화(柱状图) 분석

섹션별 세부 요약

1. 데이터 추출 및 변환

  • API 호출: requests.get()으로 World Bank API에서 외채 데이터(DT.DOD.DECT.CD) 추출
  • 데이터 변환: Pandas의 리스트 컴프리헨션으로 country, date, value 필드 추출
  • 결측치 처리: df.dropna()valuenull인 행 제거

2. PostgreSQL 데이터베이스 설정

  • 환경 변수 관리: .env 파일에서 DB_USER, DB_PASS, DB_HOST, DB_PORT, DB_NAME 설정
  • 연결 생성: sqlalchemy.create_engine()으로 PostgreSQL 연결 문자열 생성
  • 데이터 저장: df.to_sql()external_debtKe 테이블에 데이터 로드

3. Grafana 대시보드 시각화

  • 시간 시리즈 분석: Line Chart로 2010~2024 연간 외채 추이 시각화
  • 연간 변화 분석: Bar Chartyear-over-year 차이 계산 후 시각화
  • 데이터 통합: PostgreSQL 데이터소스 연결 후 Grafana에서 실시간 분석 가능

결론

  • 실무 적용 팁: .env 파일로 보안 강화, PandasSQLAlchemy 활용한 효율적인 데이터 파이프라인 구축, Grafana의 시간 시리즈 분석 기능 활용
  • 핵심 결과: 키티아 외채는 2010~2024 연간 증가 추세, 재무부채 상환에 한계 가능성 시사