Overview

Dataset statistics

Number of variables4
Number of observations3289
Missing cells0
Missing cells (%)0.0%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory102.9 KiB
Average record size in memory32.0 B

Variable types

Categorical2
Text2

Dataset

Description2010년~2022년 기간 시군구별 온열질환자 수1. 진료일기준(한의분류 제외, 약국 제외)2. 건강보험 급여실적(의료급여 제외)이며, 비급여는 제외- 2023년 6월 지급분까지 반영3. 아래 질병통계 자료는 요양기관에서 환자 진료 중 진단명이 확정되지 않은 상태에서의 호소, 증세 등에 따라 일차진단명을 부여하고 청구한 내역중 주진단명 기준으로 발췌한 것이므로최종 확정된 질병과는 다를 수 있음- 주상병코드: 열사병(T67.0), 열실신(T67.1), 열경련(T67.2), 열탈진(T67.3~T67.5), 열부종(T67.7), 기타(T67.8~T67.9)4. 시군구 단위의 5인 미만 자료는 개인정보 보호를 위해 '*' 처리
Author국민건강보험공단
URLhttps://www.data.go.kr/data/15122589/fileData.do

Reproduction

Analysis started2023-12-12 20:41:37.490216
Analysis finished2023-12-12 20:41:37.884739
Duration0.39 seconds
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

진료년도
Categorical

Distinct13
Distinct (%)0.4%
Missing0
Missing (%)0.0%
Memory size25.8 KiB
2013년
257 
2016년
257 
2015년
256 
2018년
255 
2010년
254 
Other values (8)
2010 

Length

Max length5
Median length5
Mean length5
Min length5

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2010년
2nd row2010년
3rd row2010년
4th row2010년
5th row2010년

Common Values

ValueCountFrequency (%)
2013년 257
 
7.8%
2016년 257
 
7.8%
2015년 256
 
7.8%
2018년 255
 
7.8%
2010년 254
 
7.7%
2012년 254
 
7.7%
2014년 254
 
7.7%
2011년 252
 
7.7%
2017년 252
 
7.7%
2021년 251
 
7.6%
Other values (3) 747
22.7%

Length

2023-12-13T05:41:38.263482image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2013년 257
 
7.8%
2016년 257
 
7.8%
2015년 256
 
7.8%
2018년 255
 
7.8%
2010년 254
 
7.7%
2012년 254
 
7.7%
2014년 254
 
7.7%
2011년 252
 
7.7%
2017년 252
 
7.7%
2021년 251
 
7.6%
Other values (3) 747
22.7%

시도
Categorical

Distinct17
Distinct (%)0.5%
Missing0
Missing (%)0.0%
Memory size25.8 KiB
경기도
579 
서울특별시
325 
경상북도
307 
경상남도
289 
전라남도
286 
Other values (12)
1503 

Length

Max length7
Median length5
Mean length4.0799635
Min length3

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row서울특별시
2nd row서울특별시
3rd row서울특별시
4th row서울특별시
5th row서울특별시

Common Values

ValueCountFrequency (%)
경기도 579
17.6%
서울특별시 325
9.9%
경상북도 307
9.3%
경상남도 289
8.8%
전라남도 286
8.7%
강원도 232
7.1%
충청남도 222
 
6.7%
부산광역시 208
 
6.3%
전라북도 194
 
5.9%
충청북도 180
 
5.5%
Other values (7) 467
14.2%

Length

2023-12-13T05:41:38.417583image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
경기도 579
17.6%
서울특별시 325
9.9%
경상북도 307
9.3%
경상남도 289
8.8%
전라남도 286
8.7%
강원도 232
7.1%
충청남도 222
 
6.7%
부산광역시 208
 
6.3%
전라북도 194
 
5.9%
충청북도 180
 
5.5%
Other values (7) 467
14.2%

시군구
Text

Distinct243
Distinct (%)7.4%
Missing0
Missing (%)0.0%
Memory size25.8 KiB
2023-12-13T05:41:38.834826image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length9
Median length3
Mean length3.4749164
Min length1

Characters and Unicode

Total characters11429
Distinct characters144
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

Unique5 ?
Unique (%)0.2%

Sample

1st row종로구
2nd row중구
3rd row용산구
4th row성동구
5th row광진구
ValueCountFrequency (%)
중구 78
 
2.1%
동구 78
 
2.1%
남구 74
 
2.0%
창원시 66
 
1.8%
서구 65
 
1.7%
북구 65
 
1.7%
수원시 52
 
1.4%
청주시 44
 
1.2%
성남시 39
 
1.0%
고양시 39
 
1.0%
Other values (239) 3122
83.9%
2023-12-13T05:41:39.446020image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
구 1400
 
12.2%
시 1315
 
11.5%
군 1116
 
9.8%
433
 
3.8%
천 327
 
2.9%
산 310
 
2.7%
주 306
 
2.7%
양 285
 
2.5%
성 273
 
2.4%
동 260
 
2.3%
Other values (134) 5404
47.3%

Most occurring categories

ValueCountFrequency (%)
Other Letter 10985
96.1%
Space Separator 433
 
3.8%
Connector Punctuation 11
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
구 1400
 
12.7%
시 1315
 
12.0%
군 1116
 
10.2%
천 327
 
3.0%
산 310
 
2.8%
주 306
 
2.8%
양 285
 
2.6%
성 273
 
2.5%
동 260
 
2.4%
원 241
 
2.2%
Other values (132) 5152
46.9%
Space Separator
ValueCountFrequency (%)
433
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 11
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 10985
96.1%
Common 444
 
3.9%

Most frequent character per script

Hangul
ValueCountFrequency (%)
구 1400
 
12.7%
시 1315
 
12.0%
군 1116
 
10.2%
천 327
 
3.0%
산 310
 
2.8%
주 306
 
2.8%
양 285
 
2.6%
성 273
 
2.5%
동 260
 
2.4%
원 241
 
2.2%
Other values (132) 5152
46.9%
Common
ValueCountFrequency (%)
433
97.5%
_ 11
 
2.5%

Most occurring blocks

ValueCountFrequency (%)
Hangul 10985
96.1%
ASCII 444
 
3.9%

Most frequent character per block

Hangul
ValueCountFrequency (%)
구 1400
 
12.7%
시 1315
 
12.0%
군 1116
 
10.2%
천 327
 
3.0%
산 310
 
2.8%
주 306
 
2.8%
양 285
 
2.6%
성 273
 
2.5%
동 260
 
2.4%
원 241
 
2.2%
Other values (132) 5152
46.9%
ASCII
ValueCountFrequency (%)
433
97.5%
_ 11
 
2.5%

진료인원(명)
Text

Distinct317
Distinct (%)9.6%
Missing0
Missing (%)0.0%
Memory size25.8 KiB
2023-12-13T05:41:39.840627image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length4
Median length2
Mean length2.0185467
Min length1

Characters and Unicode

Total characters6639
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique123 ?
Unique (%)3.7%

Sample

1st row19
2nd row10
3rd row16
4th row24
5th row108
ValueCountFrequency (%)
162
 
4.9%
21 64
 
1.9%
14 64
 
1.9%
19 60
 
1.8%
9 59
 
1.8%
6 58
 
1.8%
12 57
 
1.7%
18 57
 
1.7%
17 56
 
1.7%
13 55
 
1.7%
Other values (307) 2597
79.0%
2023-12-13T05:41:40.387266image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
1 1223
18.4%
2 936
14.1%
3 756
11.4%
4 663
10.0%
6 568
8.6%
5 559
8.4%
7 511
7.7%
9 442
 
6.7%
8 441
 
6.6%
0 378
 
5.7%

Most occurring categories

ValueCountFrequency (%)
Decimal Number 6477
97.6%
Other Punctuation 162
 
2.4%

Most frequent character per category

Decimal Number
ValueCountFrequency (%)
1 1223
18.9%
2 936
14.5%
3 756
11.7%
4 663
10.2%
6 568
8.8%
5 559
8.6%
7 511
7.9%
9 442
 
6.8%
8 441
 
6.8%
0 378
 
5.8%
Other Punctuation
ValueCountFrequency (%)
* 162
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common 6639
100.0%

Most frequent character per script

Common
ValueCountFrequency (%)
1 1223
18.4%
2 936
14.1%
3 756
11.4%
4 663
10.0%
6 568
8.6%
5 559
8.4%
7 511
7.7%
9 442
 
6.7%
8 441
 
6.6%
0 378
 
5.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII 6639
100.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
1 1223
18.4%
2 936
14.1%
3 756
11.4%
4 663
10.0%
6 568
8.6%
5 559
8.4%
7 511
7.7%
9 442
 
6.7%
8 441
 
6.6%
0 378
 
5.7%

Correlations

2023-12-13T05:41:40.529100image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
진료년도시도
진료년도1.0000.000
시도0.0001.000
2023-12-13T05:41:40.648777image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
진료년도시도
진료년도1.0000.000
시도0.0001.000
2023-12-13T05:41:40.750359image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
진료년도시도
진료년도1.0000.000
시도0.0001.000

Missing values

2023-12-13T05:41:37.741696image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2023-12-13T05:41:37.835366image/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

진료년도시도시군구진료인원(명)
02010년서울특별시종로구19
12010년서울특별시중구10
22010년서울특별시용산구16
32010년서울특별시성동구24
42010년서울특별시광진구108
52010년서울특별시동대문구28
62010년서울특별시중랑구40
72010년서울특별시성북구34
82010년서울특별시강북구19
92010년서울특별시도봉구31
진료년도시도시군구진료인원(명)
32792022년경상남도창녕군157
32802022년경상남도고성군22
32812022년경상남도남해군20
32822022년경상남도하동군10
32832022년경상남도산청군11
32842022년경상남도함양군18
32852022년경상남도거창군19
32862022년경상남도합천군42
32872022년제주특별자치도제주시265
32882022년제주특별자치도서귀포시759