Overview

Dataset statistics

Number of variables3
Number of observations44
Missing cells0
Missing cells (%)0.0%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory1.2 KiB
Average record size in memory28.9 B

Variable types

Text1
Numeric2

Dataset

Description주택도시기금 수요자대출 상품 대출자의 분기별 대출금 종합, 연령별 지수* 수요자대출 상품: 내집마련디딤돌 대출(단, 주택금융공사 직접심사 분 제외)- 주택도시기금 수요자 대출상품의 대출대상인 무주택 서민이 주택 구입시 차입한 대출금의 분기별 변동과 추세 파악을 통해 무주택 서민이 구입 가능한 주택시장 현황 및 시장 관측정보 제공- 국민주택기금 전산자료의 경우 시계열별로 새로운 표본을 추출하여 작성, 소재 지역, 주택유형(단독주택, 아파트, 연립 등), 주택규모(면적, 방의 개수) 등의 주택특성별 차이를 구분하지 않은 지수로써 타 가격지수와 차이가 있을 수 있음
Author주택도시보증공사
URLhttps://www.data.go.kr/data/15060322/fileData.do

Alerts

중위수 is highly overall correlated with 평균High correlation
평균 is highly overall correlated with 중위수High correlation
대출일(분기) has unique valuesUnique

Reproduction

Analysis started2024-03-14 14:43:30.280555
Analysis finished2024-03-14 14:43:31.849937
Duration1.57 second
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

대출일(분기)
Text

UNIQUE 

Distinct44
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size480.0 B
2024-03-14T23:43:32.367946image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length9
Median length9
Mean length9
Min length9

Characters and Unicode

Total characters396
Distinct characters14
Distinct categories3 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique44 ?
Unique (%)100.0%

Sample

1st row2013년 1분기
2nd row2013년 2분기
3rd row2013년 3분기
4th row2013년 4분기
5th row2014년 1분기
ValueCountFrequency (%)
1분기 11
12.5%
2분기 11
12.5%
3분기 11
12.5%
4분기 11
12.5%
2013년 4
 
4.5%
2015년 4
 
4.5%
2014년 4
 
4.5%
2018년 4
 
4.5%
2016년 4
 
4.5%
2017년 4
 
4.5%
Other values (5) 20
22.7%
2024-03-14T23:43:33.316738image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
2 75
18.9%
0 48
12.1%
년 44
11.1%
44
11.1%
분 44
11.1%
기 44
11.1%
1 43
10.9%
3 19
 
4.8%
4 15
 
3.8%
5 4
 
1.0%
Other values (4) 16
 
4.0%

Most occurring categories

ValueCountFrequency (%)
Decimal Number 220
55.6%
Other Letter 132
33.3%
Space Separator 44
 
11.1%

Most frequent character per category

Decimal Number
ValueCountFrequency (%)
2 75
34.1%
0 48
21.8%
1 43
19.5%
3 19
 
8.6%
4 15
 
6.8%
5 4
 
1.8%
8 4
 
1.8%
6 4
 
1.8%
7 4
 
1.8%
9 4
 
1.8%
Other Letter
ValueCountFrequency (%)
년 44
33.3%
분 44
33.3%
기 44
33.3%
Space Separator
ValueCountFrequency (%)
44
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common 264
66.7%
Hangul 132
33.3%

Most frequent character per script

Common
ValueCountFrequency (%)
2 75
28.4%
0 48
18.2%
44
16.7%
1 43
16.3%
3 19
 
7.2%
4 15
 
5.7%
5 4
 
1.5%
8 4
 
1.5%
6 4
 
1.5%
7 4
 
1.5%
Hangul
ValueCountFrequency (%)
년 44
33.3%
분 44
33.3%
기 44
33.3%

Most occurring blocks

ValueCountFrequency (%)
ASCII 264
66.7%
Hangul 132
33.3%

Most frequent character per block

ASCII
ValueCountFrequency (%)
2 75
28.4%
0 48
18.2%
44
16.7%
1 43
16.3%
3 19
 
7.2%
4 15
 
5.7%
5 4
 
1.5%
8 4
 
1.5%
6 4
 
1.5%
7 4
 
1.5%
Hangul
ValueCountFrequency (%)
년 44
33.3%
분 44
33.3%
기 44
33.3%

중위수
Real number (ℝ)

HIGH CORRELATION 

Distinct28
Distinct (%)63.6%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean167.56818
Minimum100
Maximum287
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size524.0 B
2024-03-14T23:43:33.664146image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum100
5-th percentile115
Q1131.25
median170
Q3186
95-th percentile274.55
Maximum287
Range187
Interquartile range (IQR)54.75

Descriptive statistics

Standard deviation45.424815
Coefficient of variation (CV)0.27108258
Kurtosis1.0556382
Mean167.56818
Median Absolute Deviation (MAD)27
Skewness0.99500252
Sum7373
Variance2063.4138
MonotonicityNot monotonic
2024-03-14T23:43:34.074639image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=28)
ValueCountFrequency (%)
186 4
 
9.1%
115 4
 
9.1%
172 3
 
6.8%
201 2
 
4.5%
191 2
 
4.5%
179 2
 
4.5%
143 2
 
4.5%
142 2
 
4.5%
275 2
 
4.5%
129 2
 
4.5%
Other values (18) 19
43.2%
ValueCountFrequency (%)
100 1
 
2.3%
108 1
 
2.3%
115 4
9.1%
117 1
 
2.3%
119 1
 
2.3%
125 1
 
2.3%
129 2
4.5%
132 1
 
2.3%
141 1
 
2.3%
142 2
4.5%
ValueCountFrequency (%)
287 1
 
2.3%
275 2
4.5%
272 1
 
2.3%
201 2
4.5%
194 2
4.5%
191 2
4.5%
186 4
9.1%
183 1
 
2.3%
181 1
 
2.3%
179 2
4.5%

평균
Real number (ℝ)

HIGH CORRELATION 

Distinct36
Distinct (%)81.8%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean163.36364
Minimum100
Maximum273
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size524.0 B
2024-03-14T23:43:34.475803image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum100
5-th percentile121
Q1131.25
median165
Q3179.25
95-th percentile252.05
Maximum273
Range173
Interquartile range (IQR)48

Descriptive statistics

Standard deviation39.117052
Coefficient of variation (CV)0.23944773
Kurtosis1.1314695
Mean163.36364
Median Absolute Deviation (MAD)23.5
Skewness0.99318059
Sum7188
Variance1530.1438
MonotonicityNot monotonic
2024-03-14T23:43:34.903466image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=36)
ValueCountFrequency (%)
121 4
 
9.1%
177 2
 
4.5%
171 2
 
4.5%
124 2
 
4.5%
166 2
 
4.5%
179 2
 
4.5%
169 1
 
2.3%
180 1
 
2.3%
158 1
 
2.3%
167 1
 
2.3%
Other values (26) 26
59.1%
ValueCountFrequency (%)
100 1
 
2.3%
112 1
 
2.3%
121 4
9.1%
123 1
 
2.3%
124 2
4.5%
128 1
 
2.3%
129 1
 
2.3%
132 1
 
2.3%
135 1
 
2.3%
136 1
 
2.3%
ValueCountFrequency (%)
273 1
2.3%
258 1
2.3%
254 1
2.3%
241 1
2.3%
196 1
2.3%
193 1
2.3%
190 1
2.3%
187 1
2.3%
185 1
2.3%
184 1
2.3%

Interactions

2024-03-14T23:43:30.912564image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2024-03-14T23:43:30.398535image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2024-03-14T23:43:31.174685image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2024-03-14T23:43:30.657200image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Correlations

2024-03-14T23:43:35.170170image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
대출일(분기)중위수평균
대출일(분기)1.0001.0001.000
중위수1.0001.0000.907
평균1.0000.9071.000
2024-03-14T23:43:35.408415image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
중위수평균
중위수1.0000.985
평균0.9851.000

Missing values

2024-03-14T23:43:31.508353image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2024-03-14T23:43:31.750259image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.

Sample

대출일(분기)중위수평균
02013년 1분기100100
12013년 2분기108112
22013년 3분기129128
32013년 4분기141138
42014년 1분기125124
52014년 2분기115121
62014년 3분기117121
72014년 4분기115121
82015년 1분기119124
92015년 2분기115121
대출일(분기)중위수평균
342021년 3분기171169
352021년 4분기194187
362022년 1분기201196
372022년 2분기179179
382022년 3분기191190
392022년 4분기183193
402023년 1분기287273
412023년 2분기272258
422023년 3분기275254
432023년 4분기275241