Overview

Dataset statistics

Number of variables16
Number of observations100
Missing cells179
Missing cells (%)11.2%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory13.1 KiB
Average record size in memory134.3 B

Variable types

Numeric4
Text7
Categorical5

Alerts

middl_sbjt_nm is highly overall correlated with regist_de and 1 other fieldsHigh correlation
sbjt_nm is highly overall correlated with regist_de and 1 other fieldsHigh correlation
data_manage_no is highly overall correlated with opn_deHigh correlation
ctlstt_la is highly overall correlated with ctprvn_nmHigh correlation
regist_de is highly overall correlated with sbjt_nm and 1 other fieldsHigh correlation
ctprvn_nm is highly overall correlated with ctlstt_laHigh correlation
opn_de is highly overall correlated with data_manage_noHigh correlation
main_thumb_url has 43 (43.0%) missing valuesMissing
signgu_nm has 34 (34.0%) missing valuesMissing
addr has 34 (34.0%) missing valuesMissing
ctlstt_la has 34 (34.0%) missing valuesMissing
ctlstt_lo has 34 (34.0%) missing valuesMissing
data_manage_no has unique valuesUnique
data_title_nm has unique valuesUnique
cntnts_url has unique valuesUnique
core_kwrd_cn has unique valuesUnique

Reproduction

Analysis started2023-12-10 09:52:14.859685
Analysis finished2023-12-10 09:52:21.791634
Duration6.93 seconds
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

data_manage_no
Real number (ℝ)

HIGH CORRELATION  UNIQUE 

Distinct100
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean3321.18
Minimum3240
Maximum3383
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.0 KiB
2023-12-10T18:52:22.021571image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum3240
5-th percentile3244.95
Q13264.75
median3333.5
Q33358.25
95-th percentile3378.05
Maximum3383
Range143
Interquartile range (IQR)93.5

Descriptive statistics

Standard deviation46.172575
Coefficient of variation (CV)0.013902461
Kurtosis-1.1429078
Mean3321.18
Median Absolute Deviation (MAD)28
Skewness-0.5531879
Sum332118
Variance2131.9067
MonotonicityNot monotonic
2023-12-10T18:52:22.436960image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
3312 1
 
1.0%
3376 1
 
1.0%
3242 1
 
1.0%
3241 1
 
1.0%
3240 1
 
1.0%
3383 1
 
1.0%
3382 1
 
1.0%
3381 1
 
1.0%
3380 1
 
1.0%
3379 1
 
1.0%
Other values (90) 90
90.0%
ValueCountFrequency (%)
3240 1
1.0%
3241 1
1.0%
3242 1
1.0%
3243 1
1.0%
3244 1
1.0%
3245 1
1.0%
3246 1
1.0%
3247 1
1.0%
3248 1
1.0%
3249 1
1.0%
ValueCountFrequency (%)
3383 1
1.0%
3382 1
1.0%
3381 1
1.0%
3380 1
1.0%
3379 1
1.0%
3378 1
1.0%
3377 1
1.0%
3376 1
1.0%
3375 1
1.0%
3374 1
1.0%

data_title_nm
Text

UNIQUE 

Distinct100
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
2023-12-10T18:52:23.228334image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length32
Median length26.5
Mean length19.79
Min length8

Characters and Unicode

Total characters1979
Distinct characters320
Distinct categories8 ?
Distinct scripts2 ?
Distinct blocks4 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique100 ?
Unique (%)100.0%

Sample

1st row서울과 삼남 지역을 연결하던 안성장
2nd row인천 개항 이후 형성된 신포국제시장
3rd row전통시장을 구성한 다양한 사람들의 이름들
4th row조선시대 갈산장에서 기원한 양평장
5th row보부상들의 운반 도구 지게
ValueCountFrequency (%)
조선시대 10
 
2.1%
시장 7
 
1.5%
만드는 7
 
1.5%
잇는 6
 
1.3%
다양한 5
 
1.0%
한 4
 
0.8%
3대 3
 
0.6%
개설된 3
 
0.6%
장터에서 3
 
0.6%
보부상들의 3
 
0.6%
Other values (392) 428
89.4%
2023-12-10T18:52:24.385134image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
379
 
19.2%
장 102
 
5.2%
시 79
 
4.0%
는 42
 
2.1%
의 40
 
2.0%
을 39
 
2.0%
한 34
 
1.7%
대 32
 
1.6%
상 26
 
1.3%
이 22
 
1.1%
Other values (310) 1184
59.8%

Most occurring categories

ValueCountFrequency (%)
Other Letter 1566
79.1%
Space Separator 379
 
19.2%
Decimal Number 11
 
0.6%
Other Punctuation 9
 
0.5%
Open Punctuation 6
 
0.3%
Close Punctuation 6
 
0.3%
Initial Punctuation 1
 
0.1%
Final Punctuation 1
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
장 102
 
6.5%
시 79
 
5.0%
는 42
 
2.7%
의 40
 
2.6%
을 39
 
2.5%
한 34
 
2.2%
대 32
 
2.0%
상 26
 
1.7%
이 22
 
1.4%
에 22
 
1.4%
Other values (298) 1128
72.0%
Decimal Number
ValueCountFrequency (%)
5 4
36.4%
3 3
27.3%
1 2
18.2%
2 1
 
9.1%
4 1
 
9.1%
Other Punctuation
ValueCountFrequency (%)
, 8
88.9%
· 1
 
11.1%
Space Separator
ValueCountFrequency (%)
379
100.0%
Open Punctuation
ValueCountFrequency (%)
「 6
100.0%
Close Punctuation
ValueCountFrequency (%)
」 6
100.0%
Initial Punctuation
ValueCountFrequency (%)
‘ 1
100.0%
Final Punctuation
ValueCountFrequency (%)
’ 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 1566
79.1%
Common 413
 
20.9%

Most frequent character per script

Hangul
ValueCountFrequency (%)
장 102
 
6.5%
시 79
 
5.0%
는 42
 
2.7%
의 40
 
2.6%
을 39
 
2.5%
한 34
 
2.2%
대 32
 
2.0%
상 26
 
1.7%
이 22
 
1.4%
에 22
 
1.4%
Other values (298) 1128
72.0%
Common
ValueCountFrequency (%)
379
91.8%
, 8
 
1.9%
「 6
 
1.5%
」 6
 
1.5%
5 4
 
1.0%
3 3
 
0.7%
1 2
 
0.5%
2 1
 
0.2%
‘ 1
 
0.2%
’ 1
 
0.2%
Other values (2) 2
 
0.5%

Most occurring blocks

ValueCountFrequency (%)
Hangul 1566
79.1%
ASCII 398
 
20.1%
None 13
 
0.7%
Punctuation 2
 
0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
379
95.2%
, 8
 
2.0%
5 4
 
1.0%
3 3
 
0.8%
1 2
 
0.5%
2 1
 
0.3%
4 1
 
0.3%
Hangul
ValueCountFrequency (%)
장 102
 
6.5%
시 79
 
5.0%
는 42
 
2.7%
의 40
 
2.6%
을 39
 
2.5%
한 34
 
2.2%
대 32
 
2.0%
상 26
 
1.7%
이 22
 
1.4%
에 22
 
1.4%
Other values (298) 1128
72.0%
None
ValueCountFrequency (%)
「 6
46.2%
」 6
46.2%
· 1
 
7.7%
Punctuation
ValueCountFrequency (%)
‘ 1
50.0%
’ 1
50.0%

sumry_cn
Text

Distinct99
Distinct (%)99.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
2023-12-10T18:52:25.253031image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length344
Median length215.5
Mean length194.85
Min length103

Characters and Unicode

Total characters19485
Distinct characters687
Distinct categories12 ?
Distinct scripts4 ?
Distinct blocks8 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique98 ?
Unique (%)98.0%

Sample

1st row안성맞춤이란 말로 유명한 안성시에 '안성장'이 있다. 안성장은 '조선시대 3대 시장'으로 불릴 만큼 전국적으로 유명했으며, 삼남의 물화가 모이는 집산지이기도 했다. 안성장은 매월 2일과 7일에 장이 열린다. 또한 안성유기와 안성포도가 전국적으로 유명하다.
2nd row신포국제시장은 인천광역시 중구 신포동에 자리하고 있는 시장으로 인천에서 가장 오래된 상설시장이다. 1833년 개항과 더불어 많은 외국인들이 들어오면서 자연스럽게 시장이 형성되었다. 처음에는 야채를 파는 노점 형태의 푸성귀전으로 개설되었지만, 일제 강점기에 접어들면서 상설시장화 되었다. 현재는 생활에 필요한 상품들뿐만 아니라 다양한 먹거리를 판매하고 있다.
3rd row우리나라 전통시장에는 다양한 사람들이 모인다. 물건을 판매하는 사람, 물건을 구매하는 사람, 가격을 흥정하는 사람, 물건을 운반해주는 전문 짐꾼, 시세를 알아보기 위해 나온 장꾼 등이다. 이들은 각기 나름의 이름을 가지고 있었다. 그러나 현대 시장에서는 듣기 어려운 이름이 되었다. 
4th row양평장은 읍내 상설종합상가 골목 인근에 조성된 장터에서 열리며, 양평장과 오일장으로 구분된다. 물맑음시장은 상설시장이고, 양평장은 매월 3일과 8일 열리는 정기시장이다. 양평장은 갈산장에서 비롯된 것으로 보이며, 현재는 친환경 농산물의 중심지로 많은 사람들이 방문하는 전통시장이다.
5th row보부상들은 봇짐이나 지게를 운반도구로 이용하여 전국의 장터를 누볐다. 특히 부피가 크고 무거운 품목을 취급하던 부상들이 주로 지게를 썼으며, 지역에 따라 쪽지게나 바지게 등을 사용하였다.
ValueCountFrequency (%)
있다 71
 
1.7%
조선시대 30
 
0.7%
다양한 27
 
0.6%
수 27
 
0.6%
있는 23
 
0.5%
매월 19
 
0.4%
한다 18
 
0.4%
주로 17
 
0.4%
시장 16
 
0.4%
판매하고 15
 
0.4%
Other values (2791) 3986
93.8%
2023-12-10T18:52:26.271109image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
4152
 
21.3%
다 459
 
2.4%
이 457
 
2.3%
장 412
 
2.1%
. 384
 
2.0%
는 359
 
1.8%
시 355
 
1.8%
을 313
 
1.6%
에 299
 
1.5%
하 289
 
1.5%
Other values (677) 12006
61.6%

Most occurring categories

ValueCountFrequency (%)
Other Letter 13939
71.5%
Space Separator 4152
 
21.3%
Other Punctuation 735
 
3.8%
Decimal Number 367
 
1.9%
Lowercase Letter 68
 
0.3%
Final Punctuation 61
 
0.3%
Initial Punctuation 61
 
0.3%
Open Punctuation 47
 
0.2%
Close Punctuation 47
 
0.2%
Other Number 6
 
< 0.1%
Other values (2) 2
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
다 459
 
3.3%
이 457
 
3.3%
장 412
 
3.0%
는 359
 
2.6%
시 355
 
2.5%
을 313
 
2.2%
에 299
 
2.1%
하 289
 
2.1%
의 249
 
1.8%
상 229
 
1.6%
Other values (635) 10518
75.5%
Decimal Number
ValueCountFrequency (%)
1 72
19.6%
0 66
18.0%
9 42
11.4%
5 34
9.3%
3 32
8.7%
2 31
8.4%
8 24
 
6.5%
6 23
 
6.3%
4 22
 
6.0%
7 21
 
5.7%
Other Punctuation
ValueCountFrequency (%)
. 384
52.2%
, 226
30.7%
' 64
 
8.7%
& 17
 
2.3%
; 17
 
2.3%
? 12
 
1.6%
% 9
 
1.2%
· 5
 
0.7%
: 1
 
0.1%
Other Number
ValueCountFrequency (%)
① 1
16.7%
② 1
16.7%
③ 1
16.7%
④ 1
16.7%
⑤ 1
16.7%
⑥ 1
16.7%
Open Punctuation
ValueCountFrequency (%)
( 31
66.0%
「 11
 
23.4%
『 3
 
6.4%
[ 2
 
4.3%
Close Punctuation
ValueCountFrequency (%)
) 31
66.0%
」 11
 
23.4%
』 3
 
6.4%
] 2
 
4.3%
Lowercase Letter
ValueCountFrequency (%)
b 17
25.0%
s 17
25.0%
p 17
25.0%
n 17
25.0%
Space Separator
ValueCountFrequency (%)
4152
100.0%
Final Punctuation
ValueCountFrequency (%)
’ 61
100.0%
Initial Punctuation
ValueCountFrequency (%)
‘ 61
100.0%
Math Symbol
ValueCountFrequency (%)
∼ 1
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 13871
71.2%
Common 5478
 
28.1%
Latin 68
 
0.3%
Han 68
 
0.3%

Most frequent character per script

Hangul
ValueCountFrequency (%)
다 459
 
3.3%
이 457
 
3.3%
장 412
 
3.0%
는 359
 
2.6%
시 355
 
2.6%
을 313
 
2.3%
에 299
 
2.2%
하 289
 
2.1%
의 249
 
1.8%
상 229
 
1.7%
Other values (579) 10450
75.3%
Han
ValueCountFrequency (%)
商 5
 
7.4%
稅 3
 
4.4%
市 3
 
4.4%
場 2
 
2.9%
祭 2
 
2.9%
公 2
 
2.9%
相 2
 
2.9%
藥 1
 
1.5%
令 1
 
1.5%
成 1
 
1.5%
Other values (46) 46
67.6%
Common
ValueCountFrequency (%)
4152
75.8%
. 384
 
7.0%
, 226
 
4.1%
1 72
 
1.3%
0 66
 
1.2%
' 64
 
1.2%
’ 61
 
1.1%
‘ 61
 
1.1%
9 42
 
0.8%
5 34
 
0.6%
Other values (28) 316
 
5.8%
Latin
ValueCountFrequency (%)
b 17
25.0%
s 17
25.0%
p 17
25.0%
n 17
25.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 13871
71.2%
ASCII 5384
 
27.6%
Punctuation 122
 
0.6%
CJK 67
 
0.3%
None 33
 
0.2%
Enclosed Alphanum 6
 
< 0.1%
Math Operators 1
 
< 0.1%
CJK Compat Ideographs 1
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
4152
77.1%
. 384
 
7.1%
, 226
 
4.2%
1 72
 
1.3%
0 66
 
1.2%
' 64
 
1.2%
9 42
 
0.8%
5 34
 
0.6%
3 32
 
0.6%
( 31
 
0.6%
Other values (18) 281
 
5.2%
Hangul
ValueCountFrequency (%)
다 459
 
3.3%
이 457
 
3.3%
장 412
 
3.0%
는 359
 
2.6%
시 355
 
2.6%
을 313
 
2.3%
에 299
 
2.2%
하 289
 
2.1%
의 249
 
1.8%
상 229
 
1.7%
Other values (579) 10450
75.3%
Punctuation
ValueCountFrequency (%)
’ 61
50.0%
‘ 61
50.0%
None
ValueCountFrequency (%)
「 11
33.3%
」 11
33.3%
· 5
15.2%
』 3
 
9.1%
『 3
 
9.1%
CJK
ValueCountFrequency (%)
商 5
 
7.5%
稅 3
 
4.5%
市 3
 
4.5%
場 2
 
3.0%
祭 2
 
3.0%
公 2
 
3.0%
相 2
 
3.0%
藥 1
 
1.5%
令 1
 
1.5%
成 1
 
1.5%
Other values (45) 45
67.2%
Math Operators
ValueCountFrequency (%)
∼ 1
100.0%
CJK Compat Ideographs
ValueCountFrequency (%)
露 1
100.0%
Enclosed Alphanum
ValueCountFrequency (%)
① 1
16.7%
② 1
16.7%
③ 1
16.7%
④ 1
16.7%
⑤ 1
16.7%
⑥ 1
16.7%

sbjt_nm
Categorical

HIGH CORRELATION 

Distinct4
Distinct (%)4.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
한국 시장의 구성과 운영
43 
한국의 지역별 대표 상설시장과 오일장
33 
문헌과 문학작품에 표현된 시장
19 
한국 시장의 형성과 변화
5 

Length

Max length20
Median length16
Mean length15.88
Min length13

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row한국의 지역별 대표 상설시장과 오일장
2nd row한국의 지역별 대표 상설시장과 오일장
3rd row문헌과 문학작품에 표현된 시장
4th row한국의 지역별 대표 상설시장과 오일장
5th row한국 시장의 구성과 운영

Common Values

ValueCountFrequency (%)
한국 시장의 구성과 운영 43
43.0%
한국의 지역별 대표 상설시장과 오일장 33
33.0%
문헌과 문학작품에 표현된 시장 19
19.0%
한국 시장의 형성과 변화 5
 
5.0%

Length

2023-12-10T18:52:26.546537image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-10T18:52:26.744480image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
한국 48
11.1%
시장의 48
11.1%
구성과 43
9.9%
운영 43
9.9%
한국의 33
7.6%
지역별 33
7.6%
대표 33
7.6%
상설시장과 33
7.6%
오일장 33
7.6%
문헌과 19
 
4.4%
Other values (5) 67
15.5%

middl_sbjt_nm
Categorical

HIGH CORRELATION 

Distinct15
Distinct (%)15.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
전통시장 판매 물품과 장인
13 
대구, 부산, 울산, 경상도의 대표 상설시장과 오일장
10 
한국 전통시장에서의 거래방식
10 
시장을 배경으로 한 이야기
9 
서울, 인천, 경기도의 대표 상설시장과 오일장
8 
Other values (10)
50 

Length

Max length29
Median length25
Mean length17.93
Min length6

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row서울, 인천, 경기도의 대표 상설시장과 오일장
2nd row서울, 인천, 경기도의 대표 상설시장과 오일장
3rd row시장에서 사용하던 구비단문
4th row서울, 인천, 경기도의 대표 상설시장과 오일장
5th row한국의 전문 상인 집단 보부상

Common Values

ValueCountFrequency (%)
전통시장 판매 물품과 장인 13
13.0%
대구, 부산, 울산, 경상도의 대표 상설시장과 오일장 10
10.0%
한국 전통시장에서의 거래방식 10
10.0%
시장을 배경으로 한 이야기 9
9.0%
서울, 인천, 경기도의 대표 상설시장과 오일장 8
8.0%
광주, 전라도, 제주도의 대표 상설시장과 오일장 8
8.0%
강원, 대전, 충청도의 대표 상설시장과 오일장 7
7.0%
전국적으로 소문 난 시장음식 7
7.0%
시장과 놀이 6
 
6.0%
시장에서 사용하던 구비단문 5
 
5.0%
Other values (5) 17
17.0%

Length

2023-12-10T18:52:26.966292image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
대표 33
 
7.2%
오일장 33
 
7.2%
상설시장과 33
 
7.2%
한 14
 
3.1%
배경으로 14
 
3.1%
시장을 14
 
3.1%
전통시장 13
 
2.8%
판매 13
 
2.8%
물품과 13
 
2.8%
장인 13
 
2.8%
Other values (43) 266
58.0%

main_thumb_url
Text

MISSING 

Distinct56
Distinct (%)98.2%
Missing43
Missing (%)43.0%
Memory size932.0 B
2023-12-10T18:52:27.387994image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length162
Median length151
Mean length91.824561
Min length72

Characters and Unicode

Total characters5234
Distinct characters51
Distinct categories9 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique55 ?
Unique (%)96.5%

Sample

1st rowhttps://minio.nculture.org/amsweb-opt/multimedia_assets/119/28938/8854/c/28938-thumb.jpg
2nd rowhttps://minio.nculture.org/amsweb-opt/multimedia_assets/46/70820/64299/c/신포국제시장-(2)-thumb.jpg
3rd rowhttps://minio.nculture.org/amsweb-opt/multimedia_assets/36/24973/10471/c/24973-thumb.jpg
4th rowhttps://minio.nculture.org/amsweb-opt/multimedia_assets/111/85806/93576/c/%EA%B9%A1%ED%86%B5%EC%8B%9C%EC%9E%A5-%EC%A0%84%EA%B2%BD-%283%29_rev-thumb.jpg
5th rowhttps://minio.nculture.org/amsweb-opt/multimedia_assets/233/26196/18854/c/26196-thumb.jpg
ValueCountFrequency (%)
https://minio.nculture.org/amsweb-opt/multimedia_assets/76/25405/10603/c/25405-thumb.jpg 2
 
3.5%
https://minio.nculture.org/amsweb-opt/multimedia_assets/186/25828/10721/c/25828-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/70/25398/10596/c/25398-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/119/28938/8854/c/28938-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/61/22812/5983/c/22812-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/103/25442/10640/c/25442-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/1/24674/21207/c/24674-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/239/24643/6914/c/24643-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/multimedia_assets/127/29017/11481/c/29017-thumb.jpg 1
 
1.8%
https://minio.nculture.org/amsweb-opt/pdfs/189/27347/27347_thumbnail.jpg 1
 
1.8%
Other values (46) 46
80.7%
2023-12-10T18:52:27.980592image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
/ 509
 
9.7%
t 395
 
7.5%
s 281
 
5.4%
m 281
 
5.4%
e 228
 
4.4%
i 226
 
4.3%
u 226
 
4.3%
2 176
 
3.4%
p 173
 
3.3%
. 171
 
3.3%
Other values (41) 2568
49.1%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter 3129
59.8%
Decimal Number 1003
 
19.2%
Other Punctuation 818
 
15.6%
Dash Punctuation 121
 
2.3%
Uppercase Letter 94
 
1.8%
Connector Punctuation 61
 
1.2%
Other Letter 6
 
0.1%
Open Punctuation 1
 
< 0.1%
Close Punctuation 1
 
< 0.1%

Most frequent character per category

Lowercase Letter
ValueCountFrequency (%)
t 395
12.6%
s 281
 
9.0%
m 281
 
9.0%
e 228
 
7.3%
i 226
 
7.2%
u 226
 
7.2%
p 173
 
5.5%
o 171
 
5.5%
a 169
 
5.4%
r 118
 
3.8%
Other values (11) 861
27.5%
Decimal Number
ValueCountFrequency (%)
2 176
17.5%
4 119
11.9%
1 116
11.6%
8 116
11.6%
5 97
9.7%
6 87
8.7%
9 84
8.4%
0 75
7.5%
3 74
7.4%
7 59
 
5.9%
Uppercase Letter
ValueCountFrequency (%)
E 30
31.9%
C 24
25.5%
B 20
21.3%
A 17
18.1%
D 2
 
2.1%
F 1
 
1.1%
Other Letter
ValueCountFrequency (%)
신 1
16.7%
포 1
16.7%
국 1
16.7%
제 1
16.7%
시 1
16.7%
장 1
16.7%
Other Punctuation
ValueCountFrequency (%)
/ 509
62.2%
. 171
 
20.9%
% 81
 
9.9%
: 57
 
7.0%
Dash Punctuation
ValueCountFrequency (%)
- 121
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 61
100.0%
Open Punctuation
ValueCountFrequency (%)
( 1
100.0%
Close Punctuation
ValueCountFrequency (%)
) 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Latin 3223
61.6%
Common 2005
38.3%
Hangul 6
 
0.1%

Most frequent character per script

Latin
ValueCountFrequency (%)
t 395
12.3%
s 281
 
8.7%
m 281
 
8.7%
e 228
 
7.1%
i 226
 
7.0%
u 226
 
7.0%
p 173
 
5.4%
o 171
 
5.3%
a 169
 
5.2%
r 118
 
3.7%
Other values (17) 955
29.6%
Common
ValueCountFrequency (%)
/ 509
25.4%
2 176
 
8.8%
. 171
 
8.5%
- 121
 
6.0%
4 119
 
5.9%
1 116
 
5.8%
8 116
 
5.8%
5 97
 
4.8%
6 87
 
4.3%
9 84
 
4.2%
Other values (8) 409
20.4%
Hangul
ValueCountFrequency (%)
신 1
16.7%
포 1
16.7%
국 1
16.7%
제 1
16.7%
시 1
16.7%
장 1
16.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII 5228
99.9%
Hangul 6
 
0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
/ 509
 
9.7%
t 395
 
7.6%
s 281
 
5.4%
m 281
 
5.4%
e 228
 
4.4%
i 226
 
4.3%
u 226
 
4.3%
2 176
 
3.4%
p 173
 
3.3%
. 171
 
3.3%
Other values (35) 2562
49.0%
Hangul
ValueCountFrequency (%)
신 1
16.7%
포 1
16.7%
국 1
16.7%
제 1
16.7%
시 1
16.7%
장 1
16.7%

cntnts_url
Text

UNIQUE 

Distinct100
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
2023-12-10T18:52:28.594046image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length43
Median length43
Mean length43
Min length43

Characters and Unicode

Total characters4300
Distinct characters29
Distinct categories3 ?
Distinct scripts2 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique100 ?
Unique (%)100.0%

Sample

1st rowhttps://ncms.nculture.org/market/story/3312
2nd rowhttps://ncms.nculture.org/market/story/3313
3rd rowhttps://ncms.nculture.org/market/story/3314
4th rowhttps://ncms.nculture.org/market/story/3315
5th rowhttps://ncms.nculture.org/market/story/3316
ValueCountFrequency (%)
https://ncms.nculture.org/market/story/3312 1
 
1.0%
https://ncms.nculture.org/market/story/3374 1
 
1.0%
https://ncms.nculture.org/market/story/3241 1
 
1.0%
https://ncms.nculture.org/market/story/3240 1
 
1.0%
https://ncms.nculture.org/market/story/3383 1
 
1.0%
https://ncms.nculture.org/market/story/3382 1
 
1.0%
https://ncms.nculture.org/market/story/3381 1
 
1.0%
https://ncms.nculture.org/market/story/3380 1
 
1.0%
https://ncms.nculture.org/market/story/3379 1
 
1.0%
https://ncms.nculture.org/market/story/3378 1
 
1.0%
Other values (90) 90
90.0%
2023-12-10T18:52:29.281340image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
/ 500
 
11.6%
t 500
 
11.6%
r 400
 
9.3%
s 300
 
7.0%
o 200
 
4.7%
n 200
 
4.7%
c 200
 
4.7%
m 200
 
4.7%
. 200
 
4.7%
u 200
 
4.7%
Other values (19) 1400
32.6%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter 3100
72.1%
Other Punctuation 800
 
18.6%
Decimal Number 400
 
9.3%

Most frequent character per category

Lowercase Letter
ValueCountFrequency (%)
t 500
16.1%
r 400
12.9%
s 300
9.7%
o 200
 
6.5%
n 200
 
6.5%
c 200
 
6.5%
m 200
 
6.5%
u 200
 
6.5%
e 200
 
6.5%
a 100
 
3.2%
Other values (6) 600
19.4%
Decimal Number
ValueCountFrequency (%)
3 193
48.2%
2 49
 
12.2%
4 30
 
7.5%
5 30
 
7.5%
6 28
 
7.0%
7 20
 
5.0%
1 18
 
4.5%
8 13
 
3.2%
0 10
 
2.5%
9 9
 
2.2%
Other Punctuation
ValueCountFrequency (%)
/ 500
62.5%
. 200
 
25.0%
: 100
 
12.5%

Most occurring scripts

ValueCountFrequency (%)
Latin 3100
72.1%
Common 1200
 
27.9%

Most frequent character per script

Latin
ValueCountFrequency (%)
t 500
16.1%
r 400
12.9%
s 300
9.7%
o 200
 
6.5%
n 200
 
6.5%
c 200
 
6.5%
m 200
 
6.5%
u 200
 
6.5%
e 200
 
6.5%
a 100
 
3.2%
Other values (6) 600
19.4%
Common
ValueCountFrequency (%)
/ 500
41.7%
. 200
 
16.7%
3 193
 
16.1%
: 100
 
8.3%
2 49
 
4.1%
4 30
 
2.5%
5 30
 
2.5%
6 28
 
2.3%
7 20
 
1.7%
1 18
 
1.5%
Other values (3) 32
 
2.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII 4300
100.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
/ 500
 
11.6%
t 500
 
11.6%
r 400
 
9.3%
s 300
 
7.0%
o 200
 
4.7%
n 200
 
4.7%
c 200
 
4.7%
m 200
 
4.7%
. 200
 
4.7%
u 200
 
4.7%
Other values (19) 1400
32.6%

era_nm
Categorical

Distinct10
Distinct (%)10.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
조선-조선 후기(1593~1863)
41 
현대-현대(1945.8.15~현재)
32 
<NA>
5 
근대-개항기(1864~1910)
 
4
조선-조선 전기(1392~1592)
 
4
Other values (5)
14 

Length

Max length29
Median length19
Mean length17.23
Min length4

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row조선-조선 후기(1593~1863)
2nd row근대-개항기(1864~1910)
3rd row조선-조선 후기(1593~1863)
4th row조선-조선 후기(1593~1863)
5th row조선-조선 전기(1392~1592)

Common Values

ValueCountFrequency (%)
조선-조선 후기(1593~1863) 41
41.0%
현대-현대(1945.8.15~현재) 32
32.0%
<NA> 5
 
5.0%
근대-개항기(1864~1910) 4
 
4.0%
조선-조선 전기(1392~1592) 4
 
4.0%
근대-일제강점기(1910.8.22~1945.8.14) 4
 
4.0%
해당없음 4
 
4.0%
조선-조선 전체 2
 
2.0%
고대-남북국시대 2
 
2.0%
시대미상 2
 
2.0%

Length

2023-12-10T18:52:29.528830image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-10T18:52:29.749102image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
조선-조선 47
32.0%
후기(1593~1863 41
27.9%
현대-현대(1945.8.15~현재 32
21.8%
na 5
 
3.4%
근대-개항기(1864~1910 4
 
2.7%
전기(1392~1592 4
 
2.7%
근대-일제강점기(1910.8.22~1945.8.14 4
 
2.7%
해당없음 4
 
2.7%
전체 2
 
1.4%
고대-남북국시대 2
 
1.4%

ctprvn_nm
Categorical

HIGH CORRELATION 

Distinct16
Distinct (%)16.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
<NA>
34 
전라북도
10 
경기도
9 
경상북도
7 
경상남도
7 
Other values (11)
33 

Length

Max length7
Median length4
Mean length4.07
Min length3

Unique

Unique3 ?
Unique (%)3.0%

Sample

1st row경기도
2nd row인천광역시
3rd row<NA>
4th row경기도
5th row<NA>

Common Values

ValueCountFrequency (%)
<NA> 34
34.0%
전라북도 10
 
10.0%
경기도 9
 
9.0%
경상북도 7
 
7.0%
경상남도 7
 
7.0%
부산광역시 5
 
5.0%
충청남도 5
 
5.0%
전라남도 5
 
5.0%
충청북도 5
 
5.0%
서울특별시 4
 
4.0%
Other values (6) 9
 
9.0%

Length

2023-12-10T18:52:30.072720image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
na 34
34.0%
전라북도 10
 
10.0%
경기도 9
 
9.0%
경상북도 7
 
7.0%
경상남도 7
 
7.0%
부산광역시 5
 
5.0%
충청남도 5
 
5.0%
전라남도 5
 
5.0%
충청북도 5
 
5.0%
서울특별시 4
 
4.0%
Other values (6) 9
 
9.0%

signgu_nm
Text

MISSING 

Distinct51
Distinct (%)77.3%
Missing34
Missing (%)34.0%
Memory size932.0 B
2023-12-10T18:52:30.612203image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length4
Median length3
Mean length2.8787879
Min length2

Characters and Unicode

Total characters190
Distinct characters56
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique43 ?
Unique (%)65.2%

Sample

1st row안성시
2nd row중구
3rd row양평군
4th row대덕구
5th row중구
ValueCountFrequency (%)
중구 5
 
7.6%
안성시 5
 
7.6%
전주시 3
 
4.5%
창원시 2
 
3.0%
남원시 2
 
3.0%
예산군 2
 
3.0%
안동시 2
 
3.0%
나주시 2
 
3.0%
고령군 1
 
1.5%
여주시 1
 
1.5%
Other values (41) 41
62.1%
2023-12-10T18:52:31.428632image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
시 38
20.0%
군 15
 
7.9%
구 14
 
7.4%
주 13
 
6.8%
안 8
 
4.2%
천 8
 
4.2%
산 7
 
3.7%
성 7
 
3.7%
동 7
 
3.7%
중 5
 
2.6%
Other values (46) 68
35.8%

Most occurring categories

ValueCountFrequency (%)
Other Letter 190
100.0%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
시 38
20.0%
군 15
 
7.9%
구 14
 
7.4%
주 13
 
6.8%
안 8
 
4.2%
천 8
 
4.2%
산 7
 
3.7%
성 7
 
3.7%
동 7
 
3.7%
중 5
 
2.6%
Other values (46) 68
35.8%

Most occurring scripts

ValueCountFrequency (%)
Hangul 190
100.0%

Most frequent character per script

Hangul
ValueCountFrequency (%)
시 38
20.0%
군 15
 
7.9%
구 14
 
7.4%
주 13
 
6.8%
안 8
 
4.2%
천 8
 
4.2%
산 7
 
3.7%
성 7
 
3.7%
동 7
 
3.7%
중 5
 
2.6%
Other values (46) 68
35.8%

Most occurring blocks

ValueCountFrequency (%)
Hangul 190
100.0%

Most frequent character per block

Hangul
ValueCountFrequency (%)
시 38
20.0%
군 15
 
7.9%
구 14
 
7.4%
주 13
 
6.8%
안 8
 
4.2%
천 8
 
4.2%
산 7
 
3.7%
성 7
 
3.7%
동 7
 
3.7%
중 5
 
2.6%
Other values (46) 68
35.8%

addr
Text

MISSING 

Distinct62
Distinct (%)93.9%
Missing34
Missing (%)34.0%
Memory size932.0 B
2023-12-10T18:52:32.028566image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length26
Median length23.5
Mean length18.69697
Min length12

Characters and Unicode

Total characters1234
Distinct characters142
Distinct categories7 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique59 ?
Unique (%)89.4%

Sample

1st row경기도 안성시 안성2동 101-1
2nd row인천광역시 중구 우현로49번길 11-5
3rd row경기도 양평군 양평읍 양근리 166-8
4th row대전광역시 대덕구 신탄진동
5th row부산광역시 중구 부평동2가 16
ValueCountFrequency (%)
전라북도 10
 
3.5%
경기도 9
 
3.2%
경상남도 7
 
2.5%
경상북도 7
 
2.5%
전라남도 5
 
1.8%
부산광역시 5
 
1.8%
안성시 5
 
1.8%
중구 5
 
1.8%
복평리 4
 
1.4%
충청남도 4
 
1.4%
Other values (195) 224
78.6%
2023-12-10T18:52:33.155158image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
219
 
17.7%
시 54
 
4.4%
도 50
 
4.1%
동 50
 
4.1%
1 48
 
3.9%
- 40
 
3.2%
2 29
 
2.4%
산 27
 
2.2%
북 24
 
1.9%
남 24
 
1.9%
Other values (132) 669
54.2%

Most occurring categories

ValueCountFrequency (%)
Other Letter 765
62.0%
Space Separator 219
 
17.7%
Decimal Number 207
 
16.8%
Dash Punctuation 40
 
3.2%
Open Punctuation 1
 
0.1%
Close Punctuation 1
 
0.1%
Other Punctuation 1
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
시 54
 
7.1%
도 50
 
6.5%
동 50
 
6.5%
산 27
 
3.5%
북 24
 
3.1%
남 24
 
3.1%
구 23
 
3.0%
경 23
 
3.0%
리 22
 
2.9%
전 21
 
2.7%
Other values (117) 447
58.4%
Decimal Number
ValueCountFrequency (%)
1 48
23.2%
2 29
14.0%
3 21
10.1%
4 18
 
8.7%
0 17
 
8.2%
8 16
 
7.7%
5 16
 
7.7%
9 16
 
7.7%
6 16
 
7.7%
7 10
 
4.8%
Space Separator
ValueCountFrequency (%)
219
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 40
100.0%
Open Punctuation
ValueCountFrequency (%)
( 1
100.0%
Close Punctuation
ValueCountFrequency (%)
) 1
100.0%
Other Punctuation
ValueCountFrequency (%)
. 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 765
62.0%
Common 469
38.0%

Most frequent character per script

Hangul
ValueCountFrequency (%)
시 54
 
7.1%
도 50
 
6.5%
동 50
 
6.5%
산 27
 
3.5%
북 24
 
3.1%
남 24
 
3.1%
구 23
 
3.0%
경 23
 
3.0%
리 22
 
2.9%
전 21
 
2.7%
Other values (117) 447
58.4%
Common
ValueCountFrequency (%)
219
46.7%
1 48
 
10.2%
- 40
 
8.5%
2 29
 
6.2%
3 21
 
4.5%
4 18
 
3.8%
0 17
 
3.6%
8 16
 
3.4%
5 16
 
3.4%
9 16
 
3.4%
Other values (5) 29
 
6.2%

Most occurring blocks

ValueCountFrequency (%)
Hangul 765
62.0%
ASCII 469
38.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
219
46.7%
1 48
 
10.2%
- 40
 
8.5%
2 29
 
6.2%
3 21
 
4.5%
4 18
 
3.8%
0 17
 
3.6%
8 16
 
3.4%
5 16
 
3.4%
9 16
 
3.4%
Other values (5) 29
 
6.2%
Hangul
ValueCountFrequency (%)
시 54
 
7.1%
도 50
 
6.5%
동 50
 
6.5%
산 27
 
3.5%
북 24
 
3.1%
남 24
 
3.1%
구 23
 
3.0%
경 23
 
3.0%
리 22
 
2.9%
전 21
 
2.7%
Other values (117) 447
58.4%

ctlstt_la
Real number (ℝ)

HIGH CORRELATION  MISSING 

Distinct65
Distinct (%)98.5%
Missing34
Missing (%)34.0%
Infinite0
Infinite (%)0.0%
Mean36.176188
Minimum33.437159
Maximum37.892702
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.0 KiB
2023-12-10T18:52:33.562763image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum33.437159
5-th percentile34.877532
Q135.20607
median36.051193
Q337.031277
95-th percentile37.56541
Maximum37.892702
Range4.4555434
Interquartile range (IQR)1.8252073

Descriptive statistics

Standard deviation1.0021833
Coefficient of variation (CV)0.027702845
Kurtosis-0.80473096
Mean36.176188
Median Absolute Deviation (MAD)0.914236
Skewness-0.12173891
Sum2387.6284
Variance1.0043714
MonotonicityNot monotonic
2023-12-10T18:52:33.832056image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
35.8127656 2
 
2.0%
35.404849 1
 
1.0%
37.031307 1
 
1.0%
37.4389034 1
 
1.0%
35.064233 1
 
1.0%
35.137484 1
 
1.0%
33.4371586 1
 
1.0%
35.390612 1
 
1.0%
37.076774 1
 
1.0%
35.719428 1
 
1.0%
Other values (55) 55
55.0%
(Missing) 34
34.0%
ValueCountFrequency (%)
33.4371586 1
1.0%
34.739751 1
1.0%
34.801265 1
1.0%
34.8386517 1
1.0%
34.9941709 1
1.0%
34.9994538 1
1.0%
35.064233 1
1.0%
35.069479 1
1.0%
35.1001101 1
1.0%
35.101857 1
1.0%
ValueCountFrequency (%)
37.892702 1
1.0%
37.878138 1
1.0%
37.578888 1
1.0%
37.5674458 1
1.0%
37.559303 1
1.0%
37.49315 1
1.0%
37.490648 1
1.0%
37.482535 1
1.0%
37.47125 1
1.0%
37.4389034 1
1.0%

ctlstt_lo
Real number (ℝ)

MISSING 

Distinct65
Distinct (%)98.5%
Missing34
Missing (%)34.0%
Infinite0
Infinite (%)0.0%
Mean127.61321
Minimum126.4935
Maximum129.20518
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.0 KiB
2023-12-10T18:52:34.098526image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum126.4935
5-th percentile126.6545
Q1126.98726
median127.34408
Q3128.20495
95-th percentile129.05222
Maximum129.20518
Range2.711675
Interquartile range (IQR)1.2176938

Descriptive statistics

Standard deviation0.80244087
Coefficient of variation (CV)0.0062880706
Kurtosis-0.89783475
Mean127.61321
Median Absolute Deviation (MAD)0.5364825
Skewness0.58828895
Sum8422.4718
Variance0.64391135
MonotonicityNot monotonic
2023-12-10T18:52:34.403503image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
127.1475776 2
 
2.0%
127.375345 1
 
1.0%
127.309112 1
 
1.0%
126.6884244 1
 
1.0%
126.523135 1
 
1.0%
126.797191 1
 
1.0%
126.6707855 1
 
1.0%
126.493502 1
 
1.0%
127.884113 1
 
1.0%
128.271063 1
 
1.0%
Other values (55) 55
55.0%
(Missing) 34
34.0%
ValueCountFrequency (%)
126.493502 1
1.0%
126.523135 1
1.0%
126.627201 1
1.0%
126.651715 1
1.0%
126.6628667 1
1.0%
126.6707855 1
1.0%
126.6884244 1
1.0%
126.700762 1
1.0%
126.7100055 1
1.0%
126.715852 1
1.0%
ValueCountFrequency (%)
129.205177 1
1.0%
129.126125 1
1.0%
129.085942 1
1.0%
129.058804 1
1.0%
129.0324781 1
1.0%
129.02515 1
1.0%
128.998076 1
1.0%
128.938509 1
1.0%
128.7532309 1
1.0%
128.7282763 1
1.0%

regist_de
Real number (ℝ)

HIGH CORRELATION 

Distinct44
Distinct (%)44.0%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean20180729
Minimum20180327
Maximum20181210
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.0 KiB
2023-12-10T18:52:34.690587image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum20180327
5-th percentile20180330
Q120180529
median20180702
Q320180945
95-th percentile20181128
Maximum20181210
Range883
Interquartile range (IQR)416.5

Descriptive statistics

Standard deviation255.79143
Coefficient of variation (CV)1.2675034 × 10-5
Kurtosis-1.1029179
Mean20180729
Median Absolute Deviation (MAD)201.5
Skewness0.18606691
Sum2.0180729 × 109
Variance65429.258
MonotonicityNot monotonic
2023-12-10T18:52:34.991246image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=44)
ValueCountFrequency (%)
20181128 6
 
6.0%
20180829 5
 
5.0%
20180601 5
 
5.0%
20181010 5
 
5.0%
20180330 5
 
5.0%
20181210 4
 
4.0%
20180703 4
 
4.0%
20180527 4
 
4.0%
20180905 3
 
3.0%
20180603 3
 
3.0%
Other values (34) 56
56.0%
ValueCountFrequency (%)
20180327 2
 
2.0%
20180328 1
 
1.0%
20180330 5
5.0%
20180406 1
 
1.0%
20180407 3
3.0%
20180408 3
3.0%
20180413 1
 
1.0%
20180501 1
 
1.0%
20180504 1
 
1.0%
20180527 4
4.0%
ValueCountFrequency (%)
20181210 4
4.0%
20181128 6
6.0%
20181030 2
 
2.0%
20181016 3
3.0%
20181010 5
5.0%
20181008 3
3.0%
20181003 2
 
2.0%
20180926 1
 
1.0%
20180908 1
 
1.0%
20180907 1
 
1.0%

core_kwrd_cn
Text

UNIQUE 

Distinct100
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
2023-12-10T18:52:35.551125image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length70
Median length43
Mean length32.28
Min length16

Characters and Unicode

Total characters3228
Distinct characters342
Distinct categories4 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique100 ?
Unique (%)100.0%

Sample

1st row안성, 안성장, 안성시장, 안성유기, 안성포도
2nd row인천, 개항, 신포시장, 신포국제시장, 신포닭강정
3rd row시장, 상인, 명칭, 전통시장
4th row양평군, 갈산장, 양평장, 물맑음시장, 양평우시장, 양평해장국
5th row보부상, 부상, 지게, 쪽지게, 바지게
ValueCountFrequency (%)
시장 26
 
3.9%
보부상 12
 
1.8%
상인 9
 
1.4%
무형재 7
 
1.1%
부산 5
 
0.8%
설화 5
 
0.8%
전통시장 5
 
0.8%
시장음식 5
 
0.8%
오일장 4
 
0.6%
놀이 4
 
0.6%
Other values (531) 582
87.7%
2023-12-10T18:52:36.464066image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
565
 
17.5%
, 516
 
16.0%
장 184
 
5.7%
시 144
 
4.5%
상 61
 
1.9%
주 39
 
1.2%
산 37
 
1.1%
부 34
 
1.1%
동 33
 
1.0%
전 31
 
1.0%
Other values (332) 1584
49.1%

Most occurring categories

ValueCountFrequency (%)
Other Letter 2132
66.0%
Space Separator 565
 
17.5%
Other Punctuation 517
 
16.0%
Decimal Number 14
 
0.4%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
장 184
 
8.6%
시 144
 
6.8%
상 61
 
2.9%
주 39
 
1.8%
산 37
 
1.7%
부 34
 
1.6%
동 33
 
1.5%
전 31
 
1.5%
인 28
 
1.3%
이 28
 
1.3%
Other values (322) 1513
71.0%
Decimal Number
ValueCountFrequency (%)
5 6
42.9%
1 3
21.4%
3 1
 
7.1%
9 1
 
7.1%
4 1
 
7.1%
2 1
 
7.1%
6 1
 
7.1%
Other Punctuation
ValueCountFrequency (%)
, 516
99.8%
. 1
 
0.2%
Space Separator
ValueCountFrequency (%)
565
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 2132
66.0%
Common 1096
34.0%

Most frequent character per script

Hangul
ValueCountFrequency (%)
장 184
 
8.6%
시 144
 
6.8%
상 61
 
2.9%
주 39
 
1.8%
산 37
 
1.7%
부 34
 
1.6%
동 33
 
1.5%
전 31
 
1.5%
인 28
 
1.3%
이 28
 
1.3%
Other values (322) 1513
71.0%
Common
ValueCountFrequency (%)
565
51.6%
, 516
47.1%
5 6
 
0.5%
1 3
 
0.3%
3 1
 
0.1%
9 1
 
0.1%
4 1
 
0.1%
2 1
 
0.1%
. 1
 
0.1%
6 1
 
0.1%

Most occurring blocks

ValueCountFrequency (%)
Hangul 2132
66.0%
ASCII 1096
34.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
565
51.6%
, 516
47.1%
5 6
 
0.5%
1 3
 
0.3%
3 1
 
0.1%
9 1
 
0.1%
4 1
 
0.1%
2 1
 
0.1%
. 1
 
0.1%
6 1
 
0.1%
Hangul
ValueCountFrequency (%)
장 184
 
8.6%
시 144
 
6.8%
상 61
 
2.9%
주 39
 
1.8%
산 37
 
1.7%
부 34
 
1.6%
동 33
 
1.5%
전 31
 
1.5%
인 28
 
1.3%
이 28
 
1.3%
Other values (322) 1513
71.0%

opn_de
Categorical

HIGH CORRELATION 

Distinct2
Distinct (%)2.0%
Missing0
Missing (%)0.0%
Memory size932.0 B
20220630
72 
20220330
28 

Length

Max length8
Median length8
Mean length8
Min length8

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row20220630
2nd row20220630
3rd row20220630
4th row20220630
5th row20220630

Common Values

ValueCountFrequency (%)
20220630 72
72.0%
20220330 28
 
28.0%

Length

2023-12-10T18:52:36.731016image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-10T18:52:36.889821image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
20220630 72
72.0%
20220330 28
 
28.0%

Interactions

2023-12-10T18:52:19.682419image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:17.514806image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.235981image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.962378image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:19.863214image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:17.711119image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.416326image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:19.146579image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:20.075032image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:17.872366image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.628240image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:19.344337image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:20.277117image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.051759image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:18.779903image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-10T18:52:19.516474image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Correlations

2023-12-10T18:52:37.025605image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
data_manage_nodata_title_nmsumry_cnsbjt_nmmiddl_sbjt_nmmain_thumb_urlcntnts_urlera_nmctprvn_nmsigngu_nmaddrctlstt_lactlstt_loregist_decore_kwrd_cnopn_de
data_manage_no1.0001.0000.9180.0000.0000.9141.0000.0000.0000.0000.7960.0000.2030.0001.0001.000
data_title_nm1.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.000
sumry_cn0.9181.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.000
sbjt_nm0.0001.0001.0001.0001.0000.0001.0000.5240.0000.6480.0000.7300.0000.6991.0000.127
middl_sbjt_nm0.0001.0001.0001.0001.0000.0001.0000.7250.7270.8870.8860.6230.5090.8531.0000.000
main_thumb_url0.9141.0001.0000.0000.0001.0001.0000.8961.0001.0001.0001.0001.0000.9651.0001.000
cntnts_url1.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.000
era_nm0.0001.0001.0000.5240.7250.8961.0001.0000.2920.8500.9580.0130.0000.6011.0000.154
ctprvn_nm0.0001.0001.0000.0000.7271.0001.0000.2921.0000.9871.0000.9020.8370.2991.0000.000
signgu_nm0.0001.0001.0000.6480.8871.0001.0000.8500.9871.0001.0000.9950.9800.0001.0000.832
addr0.7961.0001.0000.0000.8861.0001.0000.9581.0001.0001.0001.0001.0000.8711.0000.741
ctlstt_la0.0001.0001.0000.7300.6231.0001.0000.0130.9020.9951.0001.0000.4330.5741.0000.000
ctlstt_lo0.2031.0001.0000.0000.5091.0001.0000.0000.8370.9801.0000.4331.0000.0731.0000.000
regist_de0.0001.0001.0000.6990.8530.9651.0000.6010.2990.0000.8710.5740.0731.0001.0000.000
core_kwrd_cn1.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.0001.000
opn_de1.0001.0001.0000.1270.0001.0001.0000.1540.0000.8320.7410.0000.0000.0001.0001.000
2023-12-10T18:52:37.305696image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
era_nmopn_dectprvn_nmmiddl_sbjt_nmsbjt_nm
era_nm1.0000.1450.1050.3820.352
opn_de0.1451.0000.0000.0000.082
ctprvn_nm0.1050.0001.0000.3490.000
middl_sbjt_nm0.3820.0000.3491.0000.941
sbjt_nm0.3520.0820.0000.9411.000
2023-12-10T18:52:37.496129image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
data_manage_noctlstt_lactlstt_loregist_desbjt_nmmiddl_sbjt_nmera_nmctprvn_nmopn_de
data_manage_no1.000-0.090-0.099-0.1010.0000.0000.0000.0000.974
ctlstt_la-0.0901.000-0.065-0.1880.4130.3370.0000.6250.000
ctlstt_lo-0.099-0.0651.0000.1600.0000.1710.0000.4750.000
regist_de-0.101-0.1880.1601.0000.5160.5340.2230.1290.000
sbjt_nm0.0000.4130.0000.5161.0000.9410.3520.0000.082
middl_sbjt_nm0.0000.3370.1710.5340.9411.0000.3820.3490.000
era_nm0.0000.0000.0000.2230.3520.3821.0000.1050.145
ctprvn_nm0.0000.6250.4750.1290.0000.3490.1051.0000.000
opn_de0.9740.0000.0000.0000.0820.0000.1450.0001.000

Missing values

2023-12-10T18:52:20.506902image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2023-12-10T18:52:20.896276image/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.
2023-12-10T18:52:21.506205image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
The correlation heatmap measures nullity correlation: how strongly the presence or absence of one variable affects the presence of another.

Sample

data_manage_nodata_title_nmsumry_cnsbjt_nmmiddl_sbjt_nmmain_thumb_urlcntnts_urlera_nmctprvn_nmsigngu_nmaddrctlstt_lactlstt_loregist_decore_kwrd_cnopn_de
03312서울과 삼남 지역을 연결하던 안성장안성맞춤이란 말로 유명한 안성시에 '안성장'이 있다. 안성장은 '조선시대 3대 시장'으로 불릴 만큼 전국적으로 유명했으며, 삼남의 물화가 모이는 집산지이기도 했다. 안성장은 매월 2일과 7일에 장이 열린다. 또한 안성유기와 안성포도가 전국적으로 유명하다.한국의 지역별 대표 상설시장과 오일장서울, 인천, 경기도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/119/28938/8854/c/28938-thumb.jpghttps://ncms.nculture.org/market/story/3312조선-조선 후기(1593~1863)경기도안성시경기도 안성시 안성2동 101-137.010161127.24605520180501안성, 안성장, 안성시장, 안성유기, 안성포도20220630
13313인천 개항 이후 형성된 신포국제시장신포국제시장은 인천광역시 중구 신포동에 자리하고 있는 시장으로 인천에서 가장 오래된 상설시장이다. 1833년 개항과 더불어 많은 외국인들이 들어오면서 자연스럽게 시장이 형성되었다. 처음에는 야채를 파는 노점 형태의 푸성귀전으로 개설되었지만, 일제 강점기에 접어들면서 상설시장화 되었다. 현재는 생활에 필요한 상품들뿐만 아니라 다양한 먹거리를 판매하고 있다.한국의 지역별 대표 상설시장과 오일장서울, 인천, 경기도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/46/70820/64299/c/신포국제시장-(2)-thumb.jpghttps://ncms.nculture.org/market/story/3313근대-개항기(1864~1910)인천광역시중구인천광역시 중구 우현로49번길 11-537.47125126.62720120180903인천, 개항, 신포시장, 신포국제시장, 신포닭강정20220630
23314전통시장을 구성한 다양한 사람들의 이름들우리나라 전통시장에는 다양한 사람들이 모인다. 물건을 판매하는 사람, 물건을 구매하는 사람, 가격을 흥정하는 사람, 물건을 운반해주는 전문 짐꾼, 시세를 알아보기 위해 나온 장꾼 등이다. 이들은 각기 나름의 이름을 가지고 있었다. 그러나 현대 시장에서는 듣기 어려운 이름이 되었다.&nbsp;문헌과 문학작품에 표현된 시장시장에서 사용하던 구비단문<NA>https://ncms.nculture.org/market/story/3314조선-조선 후기(1593~1863)<NA><NA><NA><NA><NA>20180829시장, 상인, 명칭, 전통시장20220630
33315조선시대 갈산장에서 기원한 양평장양평장은 읍내 상설종합상가 골목 인근에 조성된 장터에서 열리며, 양평장과 오일장으로 구분된다. 물맑음시장은 상설시장이고, 양평장은 매월 3일과 8일 열리는 정기시장이다. 양평장은 갈산장에서 비롯된 것으로 보이며, 현재는 친환경 농산물의 중심지로 많은 사람들이 방문하는 전통시장이다.한국의 지역별 대표 상설시장과 오일장서울, 인천, 경기도의 대표 상설시장과 오일장<NA>https://ncms.nculture.org/market/story/3315조선-조선 후기(1593~1863)경기도양평군경기도 양평군 양평읍 양근리 166-837.490648127.49262120180803양평군, 갈산장, 양평장, 물맑음시장, 양평우시장, 양평해장국20220630
43316보부상들의 운반 도구 지게보부상들은 봇짐이나 지게를 운반도구로 이용하여 전국의 장터를 누볐다. 특히 부피가 크고 무거운 품목을 취급하던 부상들이 주로 지게를 썼으며, 지역에 따라 쪽지게나 바지게 등을 사용하였다.한국 시장의 구성과 운영한국의 전문 상인 집단 보부상<NA>https://ncms.nculture.org/market/story/3316조선-조선 전기(1392~1592)<NA><NA><NA><NA><NA>20180601보부상, 부상, 지게, 쪽지게, 바지게20220630
53317금강 유역에 자리한 역사 깊은 신탄진 시장신탄진장은 금강 유역에 자리한 신탄진에서 열리는 오일장으로 남아 있는 기록으로 볼 때 18세기 중반부터 형성되어 현재까지 이어지고 있다. 매월 3일과 8일에 신탄진역 광장을 중심으로 장이 열리는데, 인근 지역의 주민들과 대청댐을 찾는 관광객들이 주로 이용한다.한국의 지역별 대표 상설시장과 오일장강원, 대전, 충청도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/36/24973/10471/c/24973-thumb.jpghttps://ncms.nculture.org/market/story/3317조선-조선 후기(1593~1863)대전광역시대덕구대전광역시 대덕구 신탄진동36.451678127.42901220180406금강 유역, 신탄진, 신탄진 시장, 5일장, 신탄진 담배20220630
63318부산의 3대 시장 중 한 곳인 부평깡통시장부산광역시 중구 부평동에 위치한 부평 깡통시장은 부산을 대표하는 3대 시장 중 한 곳이다. 부평깡통시장은 일제강점기 최초로 개설되었던 공설시장이었으며, 해방 이후에는 미군 군수품을 판매하여 깡통시장이라 불리기도 하였다.&nbsp;주로 농?수산물을 비롯하여 반찬?가공식품, 의류?침구류, 잡화 등 다양한 품목의 물건들을 판매하고 있다.한국의 지역별 대표 상설시장과 오일장대구, 부산, 울산, 경상도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/111/85806/93576/c/%EA%B9%A1%ED%86%B5%EC%8B%9C%EC%9E%A5-%EC%A0%84%EA%B2%BD-%283%29_rev-thumb.jpghttps://ncms.nculture.org/market/story/3318근대-일제강점기(1910.8.22~1945.8.14)부산광역시중구부산광역시 중구 부평동2가 1635.101857129.0251520181010부산, 제1호 공설시장, 부평시장, 깡통시장, 보따리장수20220630
73319돼지 소창으로 만드는 병천순대병천은 영호남과 서울을 이어주는 길목으로 조선시대부터 전국의 상인들이 청주, 진천, 조치원, 예산 등에서 모여들어 예전부터 오일장이 형성되었던 곳이다. 특히 1960년대에 서양식 햄 공장이 들어와 돼지고기 부산물을 이용해 순대를 만들어 장날마다 순대국밥을 팔았다. 병천순대에는 20여 종류의 채소를 다져 넣는다. 특히 병천순대는 돼지의 창자 중 부드러운 소창을 이용하여 만든다는 것이 특징이다.한국 시장의 구성과 운영전국적으로 소문 난 시장음식https://minio.nculture.org/amsweb-opt/multimedia_assets/233/26196/18854/c/26196-thumb.jpghttps://ncms.nculture.org/market/story/3319현대-현대(1945.8.15~현재)충청남도천안시충청남도 천안시 동남구 병천면 병천리 205-536.761017127.29884820180527병천순대, 아우내, 순대, 돼지, 소창, 병천, 천안시20220630
83320보부상단의 생활방식보부상단은 보부상들이 서로의 이권을 지키고, 경쟁에서 살아남기 위해 만든 조직이다. 보부상들은 조직을 유지하기 위해서 효(孝)와 상부상조(相扶相助)를 가장 중요하게 생각했다. 이들은 이를 실천하기 위해 규율을 정하고, 지키지 않는 경우 장문법(杖問法)으로 처벌하였다.한국 시장의 구성과 운영한국의 전문 상인 집단 보부상<NA>https://ncms.nculture.org/market/story/3320<NA><NA><NA><NA><NA><NA>20180407보부상, 보부상단, 장문법, 사발통문, 춘수전, 추보전, 험표20220630
93321한국 시장의 형성과 발전시장은 물품 교환뿐만 아니라, 거래에 따른 비용을 줄이고, 생산자 간의 정보를 제공하여 생산의 효율성까지 높이는 역할을 담당한다. 한국의 경우, 490년에 상설시장이 설립되었다는 기록이 있고, 1470년에는 정기시장이 개설되었다는 기록이 보인다. 이후로는 한국의 시장은 상설시장과 정기시장[5일장]으로 구분해서 열린다. 현대에 와서는 시설의 현대화, 경영의 현대화를 통해 다양한 형태의 상설시장과 5일장이 존재한다.한국 시장의 형성과 변화한국 시장의 형성과 기능https://minio.nculture.org/amsweb-opt/multimedia_assets/76/25405/10603/c/25405-thumb.jpghttps://ncms.nculture.org/market/story/3321해당없음<NA><NA><NA><NA><NA>20180330한국, 시장, 5일장, 장시, 정기시장, 상설시장20220630
data_manage_nodata_title_nmsumry_cnsbjt_nmmiddl_sbjt_nmmain_thumb_urlcntnts_urlera_nmctprvn_nmsigngu_nmaddrctlstt_lactlstt_loregist_decore_kwrd_cnopn_de
903258소고기 느낌을 주는 현풍시장 수구레국밥쇠가죽에서 벗겨 낸 질긴 고기를 ‘수구레’라고 한다. 대구광역시 달성군에 위치한 현풍시장이 수구레국밥으로 유명하다. 수구레는 서민들에게 소고기 느낌을 주는 최고의 영양공급원이다. 고기 값이 비싸던 시절 서민들은 상대적으로 값이 싼 수구레로 단백질 보충을 하기도 하였다. 수구레는 잘 끓이지 않으면 질겨서 먹기가 어렵기에 오랫동안 수구레를 다룬 경험이 있어야 음식을 제대로 할 수 있다.한국 시장의 구성과 운영전국적으로 소문 난 시장음식https://minio.nculture.org/amsweb-opt/multimedia_assets/62/27801/8292/c/27801-thumb.jpghttps://ncms.nculture.org/market/story/3258현대-현대(1945.8.15~현재)대구광역시달성군대구광역시 달성군 현풍면 원교리 12-535.694752128.44224320180531현풍시장, 수구레국밥, 도깨비, 달성군, 수구레, 대구광역시, 시장음식20220330
913259조선시대 5대 시장으로 꼽히던 김천장을 잇는 김천황금시장김천황금시장은 경상북도 김천시 황금동에 위치하며, 조선시대 5대 시장으로 불렸던 김천장의 전통을 잇고 있는 시장이다. 김천황금시장은 상설시장으로 운영되며, 매월 5일과 10일 정기시장도 열린다. 주로 채소류와 청과류를 비롯하여 다양한 먹거리를 판매하고 있다.한국의 지역별 대표 상설시장과 오일장대구, 부산, 울산, 경상도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/37/24987/10486/c/24987-thumb.jpghttps://ncms.nculture.org/market/story/3259조선-조선 후기(1593~1863)경상북도김천시경상북도 김천시 황금동 31-136.116786128.12473320181003김천시, 김천장, 김천항금시장, 황금알, 황금시장 양념 김천방짜유기20220330
923260전통시장에서 사용하던 셈기구전통시장에서 물건을 사고팔기 위해서는 물건의 특성에 맞게 도량형을 가지고 길이·부피·무게를 재고, 그 결과에 맞게 계산이 이루어진다. 이 때 계산을 쉽게 하기 위해서 ‘산가지[算木]’나 ‘주판(珠板)’등의 셈기구를 사용한다. 산가지는 숫자를 계산하기 위해 나무 막대를 이용하며, 주판은 인류 역사상 처음으로 개발한 셈기구다. 고대 중국에서 비롯해서 오늘날까지도 사용한다.&nbsp;한국 시장의 구성과 운영한국 전통시장에서의 거래방식https://minio.nculture.org/amsweb-opt/multimedia_assets/110/25450/10648/c/25450-thumb.jpghttps://ncms.nculture.org/market/story/3260조선-조선 후기(1593~1863)<NA><NA><NA><NA><NA>20180905시장, 셈기구, 주판, 산가지, 산대, 화폐, 상인, 기구20220330
933261시장에서 사용하던 다양한 용어들 2시장 안에는 다양한 형태의 사람들이 모이고, 그 사람들이 나름의 역할들을 하며 운영된다. 그렇기에 다른 공동체와 마찬가지로 시장 안에서만 통용되는 언어들도 존재한다. 이들 언어들은 주로 상행위와 관련한 것들로 시장 생활의 단면을 엿볼 수 있다.문헌과 문학작품에 표현된 시장시장에서 사용하던 구비단문<NA>https://ncms.nculture.org/market/story/3261조선-조선 후기(1593~1863)<NA><NA><NA><NA><NA>20180829시장, 상거래, 상인, 용어, 옛말, 상업용어20220330
943262전국 장터에서 공연한 민속극 덧뵈기민속극은 사람들 삶의 양식을 가상으로 꾸며서 관람객들에게 보이는 일종의 마당놀이 예술이다. 조선시대 후기에 오면서 전문 유랑예인집단 가운데 한 부류인 남사당패들은 민속극 유형인 ‘덧뵈기’를 만들어 전국의 장터를 떠돌아다니며 공연을 하였다. 남사당패 공연 종목인 덧뵈기는 다른 지역의 가면극과 일맥상통하면서도 다른 특징을 가지고 있다. 곧 지역 전승의 가면극과는 다르게 지역적인 특성을 지니지 않는다는 것이다.&nbsp;문헌과 문학작품에 표현된 시장시장을 배경으로 한 이야기<NA>https://ncms.nculture.org/market/story/3262조선-조선 후기(1593~1863)경기도안성시경기도 안성시 보개면 복평리 34-337.031278127.30915620180703극, 탈춤, 가면극, 덧뵈기, 남사당패, 놀이, 안성시20220330
953263한국 패션의 중심지인 동대문시장동대문시장은 조선시대 개설된 '배오개장'의 전통을 잇고 있다. 통상적으로 광장시장부터 신성종합시장 내에 위치한 전통시장과 대형 상가들을 아울러 ‘동대문시장’이라고 말한다. 동대문시장은 패션에 관한 모든 상품을 기획?생산?판매가 이루어지는 종합 패션의류시장이며, 3만 5천 개의 점포에서 15만 명이 종사하고 있다. 또한 하루 평균 40만 명의 사람들이 방문하는 한국을 대표하는 시장이다.한국의 지역별 대표 상설시장과 오일장서울, 인천, 경기도의 대표 상설시장과 오일장https://minio.nculture.org/amsweb-opt/multimedia_assets/53/27652/8244/c/27652-thumb.jpghttps://ncms.nculture.org/market/story/3263조선-조선 후기(1593~1863)서울특별시중구서울 중구 청계천로 86(장교동 1번지)37.567446126.9865720181030동대문시장, 배오개장, 동부채장, 동대문패션 드라마 패션왕20220330
963264전통시장에서 거래물건의 대체방식한국의 전통시장에서는 다양한 상품들이 거래되었으며, 거래 관행에 따라 거래물건의 대체하는 다양한 거래문서들이 생겨났다. 특히 상품을 거래할 때는 수표, 임치장, 출차표 등을, 돈을 빌릴 때는 어음, 환간, 보음지, 삭채표 등의 문서들을 사용하였다.한국 시장의 구성과 운영한국 전통시장에서의 거래방식https://minio.nculture.org/amsweb-opt/multimedia_assets/86/25418/10616/c/25418-thumb.jpghttps://ncms.nculture.org/market/story/3264조선-조선 후기(1593~1863)<NA><NA><NA><NA><NA>20181128수표, 임치장, 출차표, 어음, 환간, 보음지, 삭채표20220330
973265거상 임상옥을 주인공으로 한 소설 「상도」『상도(商道)』는 조선시대 후기의 상인 임상옥(林尙沃 : 1779∼855)의 활동을 다룬 최인호의 소설이다. 임상옥은 200여 년 전에 실재했던 인물이다. 조선시대 후기 국제무역계의 거상(巨商)이었다. 임상옥은 국제무역의 흐름을 꿰뚫고 있었다. 또한 냉혹한 승부사 기질로도 명성을 쌓았다. 한편 그는 항상 겸손하고 신의를 지킬 줄 알았던 인물이었다. 작가 최인호는 소설 『상도』를 통해 한국사회 경제 철학의 모델을 제시하려 하였다.문헌과 문학작품에 표현된 시장시장을 배경으로 한 이야기<NA>https://ncms.nculture.org/market/story/3265현대-현대(1945.8.15~현재)<NA><NA><NA><NA><NA>20180612상도, 최인호, 임상옥, 대하소설, 인삼교역, 국제무역20220330
983266우리 옷, 한복을 바느질 하는 침선장침선이란 바늘에 실을 꿰어 꿰매는 것을 말하는 것으로, 복식을 제작하는 전반적인 일을 포함한다. 우리나라에서 바느질이 언제 시작되었는지 명확하지 않지만, 역사시대 이전부터였다고 한다. 침선을 할 때 실의 선택은 옷감의 재질, 색상, 두께 등에 따라 달라진다. 현대사회에서는 대대로 이어지던 바느질 전승이 불가능하게 되었다. 1988년 무형문화재로 지정해서 전승하고 있다.한국 시장의 구성과 운영전통시장 판매 물품과 장인<NA>https://ncms.nculture.org/market/story/3266현대-현대(1945.8.15~현재)전라북도군산시전라북도 군산시 중앙동 12-135.9856126.71585220180606바느질, 침선, 침선장, 옷감, 의복제작, 의 무형재20220330
993267담뱃대를 만드는 장인 백동연죽장담뱃대를 만드는 장인을 ‘백동연죽장’이라 한다. 담뱃대는 담배를 피우는 도구이자 일종의 사치품에 불과하지만, 조선시대에는 양반의 권위를 나타내는 소지품이었기에 매우 소중하게 다루었다. 조선시대 후기의 담뱃대 제작으로 안성, 남원, 임실, 김천, 울산, 마산 등지가 유명하였으나, 오늘날 연죽을 제작하는 장인은 많지 않다. 1980년 백동연죽장을 무형문화재로 지정해서 전승하고 있다.한국 시장의 구성과 운영전통시장 판매 물품과 장인https://minio.nculture.org/amsweb-opt/multimedia_assets/20/24813/6984/c/24813-thumb.jpghttps://ncms.nculture.org/market/story/3267현대-현대(1945.8.15~현재)전라북도남원시전라북도 남원시 어현동 37-2335.40273127.3881420180603담배, 담뱃대, 백동, 백동연죽장, 무형재20220330