{ "cells": [ { "cell_type": "markdown", "id": "75831bce", "metadata": {}, "source": [ "# 01 데이터 입수 — 분기 자료·외생 경로·BOKDPM 기준선·기존 전망\n", "\n", "**목적.** 5장의 전망·정합화와 전달 산출물 계산에 필요한 입력을 불러오고 검증한다.\n", "\n", "**2026-10 정비판.** 이전 판은 4장의 바텀업 전망(2026-08-28)과 총량 전망(2026-09-01)을 동결 입력으로 받았다. 정비판은 3장 정비 결과(외생 6종, BOKDPM 기준선)로\n", "이 패키지 안에서 바텀업·총량 전망을 다시 계산한다. 계산에 쓰는 명세는 4장에서 선택한 것과 같다(산업 = 차분·산업연관표·VARX, 총량 = 수준·산업연관표·VARX).\n", "이전 판 공표 산출물은 `data/published_prev/`에 두고 비교와 이전 판 재현 점검에만 쓴다.\n", "\n", "| 입력 | 내용 | 출처 |\n", "|---|---|---|\n", "| `upstream/levels_{36,62,69,agg}.csv` | 산업·총량 분기 실질부가가치(계절조정, 십억 원) | 2장 산출물 |\n", "| `upstream/io_linkage_{36,62,69}.csv` | 산업연관 연계 행렬(산업연관표 사전) | 2장 산출물 |\n", "| `upstream/exog_hist_v2.csv`, `exog_scen_v2.csv` | 외생 6종 투입형 과거값(2000Q1–2025Q4)과 S1–S5 경로(2026Q1–2035Q4) — **정비판**(실질금리 1차 차분, 인력수급 전망 노동공급, 레버 연결) | 3장 산출물(2026-10 정비) |\n", "| `upstream/bokdpm_lgdp_2000_2035.csv` | BOKDPM 실질GDP(100·ln): 과거 평활값 + 기준선 전망(잠재성장률 1.8% 수렴) | 3장 산출물(2026-10 정비) |\n", "| `prev_keis_va_62.csv` | 기존 전망(2024–2034판) 62분류 실질부가가치, 2000–2035, 백만 원 | KEIS 전달 엑셀 VA 시트 추출 |\n", "| `template_62_VA_v1.xlsx` | 전달 템플릿(62분류 VA, 2000–2034) | KEIS 전달 양식 |\n", "| `data/published_prev/` | 이전 판 공표 산출물(바텀업·총량·정합화 전망, 요약·총계, 전달본 값, 카드 자료) | 2026-09-03 공표 |\n", "\n", "**산출물.** `data/interim/input_check.csv`, `upstream_check.csv`, `prev_total_keis.csv`, `prev_version_totals.csv`" ] }, { "cell_type": "code", "execution_count": 1, "id": "aaa2e515", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:14.275873Z", "iopub.status.busy": "2026-10-08T07:24:14.275873Z", "iopub.status.idle": "2026-10-08T07:24:14.899524Z", "shell.execute_reply": "2026-10-08T07:24:14.899018Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Python 3.12.10 · pandas 2.2.3 · numpy 2.4.6 · openpyxl 3.1.5 · matplotlib 3.11.0\n", " 드리프트 재설정 목표 1.8% · 수축 가중치 w=0.4(이전 판 0.45) · 원본 엑셀 대조: 없음\n", " 기존 전망 62 있음 data\\inputs\\prev_keis_va_62.csv\n", " 전달 템플릿 있음 data\\inputs\\template_62_VA_v1.xlsx\n", " 분기 자료(상류) 있음 data\\inputs\\upstream\n", " 정비판 기록 있음 data\\published\n", " 이전 판 공표 있음 data\\published_prev\n" ] } ], "source": [ "import os\n", "os.environ.setdefault(\"OPENBLAS_NUM_THREADS\", \"1\") # numpy보다 먼저 지정한다(config.py 주석 참조)\n", "import json\n", "import numpy as np, pandas as pd\n", "import config as C\n", "import gva_results as R\n", "pd.set_option(\"display.float_format\", lambda v: f\"{v:,.3f}\")\n", "C.setup()" ] }, { "cell_type": "markdown", "id": "72836832", "metadata": {}, "source": [ "## 1. 동결 파일 대조\n", "\n", "`config.INPUT_SHA256`에 기록한 SHA-256과 현재 파일을 대조한다. 하나라도 다르면 이후 계산 결과를 기록 수치와 비교할 수 없으므로 여기서 멈춘다.\n", "원 프로젝트 경로와 수집 경위는 `data/inputs/PROVENANCE.md`에 적었다." ] }, { "cell_type": "code", "execution_count": 2, "id": "71fe0a58", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:14.900025Z", "iopub.status.busy": "2026-10-08T07:24:14.900025Z", "iopub.status.idle": "2026-10-08T07:24:14.922657Z", "shell.execute_reply": "2026-10-08T07:24:14.922154Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "대조한 파일 33개 · 일치 33개\n" ] }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
파일크기(bytes)SHA-256(앞 16자리)일치
0inputs/prev_keis_va_62.csv1222953fcdf8dea130b00aTrue
1inputs/template_62_VA_v1.xlsx51987952ddeb5933b7abcTrue
2inputs/upstream/bokdpm_lgdp_2000_2035.csv385747988ac9d5959298True
3inputs/upstream/exog_hist_v2.csv5521d142ff2992b5ae3eTrue
4inputs/upstream/exog_scen_v2.csv11096f45f8007d7b88fafTrue
5inputs/upstream/io_linkage_36.csv11035cf11efc744586d35True
6inputs/upstream/io_linkage_62.csv678173f747a97c3804541True
7inputs/upstream/io_linkage_69.csv793821f57d01c6867b456True
\n", "
" ], "text/plain": [ " 파일 크기(bytes) SHA-256(앞 16자리) \\\n", "0 inputs/prev_keis_va_62.csv 122295 3fcdf8dea130b00a \n", "1 inputs/template_62_VA_v1.xlsx 51987 952ddeb5933b7abc \n", "2 inputs/upstream/bokdpm_lgdp_2000_2035.csv 3857 47988ac9d5959298 \n", "3 inputs/upstream/exog_hist_v2.csv 5521 d142ff2992b5ae3e \n", "4 inputs/upstream/exog_scen_v2.csv 11096 f45f8007d7b88faf \n", "5 inputs/upstream/io_linkage_36.csv 11035 cf11efc744586d35 \n", "6 inputs/upstream/io_linkage_62.csv 67817 3f747a97c3804541 \n", "7 inputs/upstream/io_linkage_69.csv 79382 1f57d01c6867b456 \n", "\n", " 일치 \n", "0 True \n", "1 True \n", "2 True \n", "3 True \n", "4 True \n", "5 True \n", "6 True \n", "7 True " ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "rows = []\n", "for rel, h in C.INPUT_SHA256.items():\n", " p = os.path.join(C.DATA, rel)\n", " got = R.sha256(p) if os.path.exists(p) else \"\"\n", " rows.append({\"파일\": rel, \"크기(bytes)\": os.path.getsize(p) if got else 0, \"SHA-256(앞 16자리)\": got[:16], \"일치\": got == h})\n", "chk = pd.DataFrame(rows)\n", "chk.to_csv(os.path.join(C.INTERIM, \"input_check.csv\"), index=False, encoding=\"utf-8-sig\")\n", "print(f\"대조한 파일 {len(chk)}개 · 일치 {int(chk['일치'].sum())}개\")\n", "assert chk[\"일치\"].all(), \"SHA-256이 다른 파일이 있다: \" + \", \".join(chk.loc[~chk[\"일치\"], \"파일\"])\n", "chk.head(8)" ] }, { "cell_type": "markdown", "id": "def75858", "metadata": {}, "source": [ "## 2. 분기 자료와 외생 경로\n", "\n", "산업 패널은 표본 2000Q1–2025Q4(104분기)를 쓴다. 62·69분류는 36분류를 세분한 것이므로 분기별 산업 합계가 세 분류에서 같아야 한다.\n", "외생 6종의 과거값은 104분기, 시나리오 경로는 S1–S5 × 40분기이며 결측이 없어야 한다. BOKDPM 실질GDP는 2000Q1–2035Q4(144분기)이다." ] }, { "cell_type": "code", "execution_count": 3, "id": "5fcbf982", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:14.923159Z", "iopub.status.busy": "2026-10-08T07:24:14.923159Z", "iopub.status.idle": "2026-10-08T07:24:14.953286Z", "shell.execute_reply": "2026-10-08T07:24:14.953286Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "분기 산업 합계의 분류 간 최대 차이: 3.5e-10십억 원\n", "BOKDPM 실질GDP 연간 증가율(%): 2025 1.83, 2026 2.19, 2028 2.24, 2030 1.89, 2035 1.82\n" ] }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
자료파일행열첫 행끝 행결측
0levels_36data\\inputs\\upstream\\levels_36.csv184371980Q12025Q40
1levels_62data\\inputs\\upstream\\levels_62.csv104632000Q12025Q40
2levels_69data\\inputs\\upstream\\levels_69.csv104702000Q12025Q40
3levels_aggdata\\inputs\\upstream\\levels_agg.csv18421980Q12025Q40
4io_36data\\inputs\\upstream\\io_linkage_36.csv3636농림어업기타 서비스업0
5io_62data\\inputs\\upstream\\io_linkage_62.csv62621.농업62.수리ㆍ개인서비스업0
6io_69data\\inputs\\upstream\\io_linkage_69.csv69691.농업토목건설0
7exog_histdata\\inputs\\upstream\\exog_hist_v2.csv10462000Q12025Q40
8exog_scendata\\inputs\\upstream\\exog_scen_v2.csv2007S1S50
9lgdpdata\\inputs\\upstream\\bokdpm_lgdp_2000_2035.csv14412000Q12035Q40
\n", "
" ], "text/plain": [ " 자료 파일 행 열 \\\n", "0 levels_36 data\\inputs\\upstream\\levels_36.csv 184 37 \n", "1 levels_62 data\\inputs\\upstream\\levels_62.csv 104 63 \n", "2 levels_69 data\\inputs\\upstream\\levels_69.csv 104 70 \n", "3 levels_agg data\\inputs\\upstream\\levels_agg.csv 184 2 \n", "4 io_36 data\\inputs\\upstream\\io_linkage_36.csv 36 36 \n", "5 io_62 data\\inputs\\upstream\\io_linkage_62.csv 62 62 \n", "6 io_69 data\\inputs\\upstream\\io_linkage_69.csv 69 69 \n", "7 exog_hist data\\inputs\\upstream\\exog_hist_v2.csv 104 6 \n", "8 exog_scen data\\inputs\\upstream\\exog_scen_v2.csv 200 7 \n", "9 lgdp data\\inputs\\upstream\\bokdpm_lgdp_2000_2035.csv 144 1 \n", "\n", " 첫 행 끝 행 결측 \n", "0 1980Q1 2025Q4 0 \n", "1 2000Q1 2025Q4 0 \n", "2 2000Q1 2025Q4 0 \n", "3 1980Q1 2025Q4 0 \n", "4 농림어업 기타 서비스업 0 \n", "5 1.농업 62.수리ㆍ개인서비스업 0 \n", "6 1.농업 토목건설 0 \n", "7 2000Q1 2025Q4 0 \n", "8 S1 S5 0 \n", "9 2000Q1 2035Q4 0 " ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "rows = []\n", "for k, p in C.UP.items():\n", " df = pd.read_csv(p, index_col=0, encoding=\"utf-8-sig\")\n", " rows.append({\"자료\": k, \"파일\": os.path.relpath(p, C.HERE), \"행\": df.shape[0], \"열\": df.shape[1],\n", " \"첫 행\": str(df.index[0]), \"끝 행\": str(df.index[-1]), \"결측\": int(df.isna().sum().sum())})\n", "up = pd.DataFrame(rows)\n", "up.to_csv(os.path.join(C.INTERIM, \"upstream_check.csv\"), index=False, encoding=\"utf-8-sig\")\n", "qs = [q for q in pd.read_csv(C.UP[\"levels_62\"], index_col=0).index if \"2000Q1\" <= q <= \"2025Q4\"]\n", "sums = pd.DataFrame({r: pd.read_csv(C.UP[f\"levels_{r}\"], index_col=0).reindex(qs).drop(columns=\"총량GDP\").sum(axis=1) for r in C.RES})\n", "gap = float((sums.max(axis=1) - sums.min(axis=1)).max())\n", "print(f\"분기 산업 합계의 분류 간 최대 차이: {gap:.1e}십억 원\")\n", "assert gap < 1e-6\n", "ex_s = pd.read_csv(C.UP[\"exog_scen\"], encoding=\"utf-8-sig\")\n", "assert sorted(ex_s[\"시나리오\"].unique()) == C.SCENARIOS and len(ex_s) == 200 and not ex_s.isna().any().any()\n", "lg = pd.read_csv(C.UP[\"lgdp\"], index_col=0, encoding=\"utf-8-sig\")[\"LGDP_kor\"]\n", "ga = R.bokdpm_annual_gdp(lg)\n", "print(f\"BOKDPM 실질GDP 연간 증가율(%): \" + \", \".join(f\"{y} {100 * (ga[y] / ga[y - 1] - 1):.2f}\" for y in [2025, 2026, 2028, 2030, 2035]))\n", "up" ] }, { "cell_type": "markdown", "id": "f844203e", "metadata": {}, "source": [ "## 3. 기존 전망(2024–2034판)\n", "\n", "한국고용정보원에 전달된 기존 전망 엑셀(62분류 부가가치·총산출, 불변 백만 원, 2000–2050)의 VA 시트에서 2000–2035년 열을 추출한 것이다.\n", "2023년까지는 실적이고 2024년부터는 전망이다. 전산업 행은 62개 산업의 합이며, 정합화의 기존 전망 성장인자는 이 전산업 행에서 만든다.\n", "전달 템플릿(`template_62_VA_v1.xlsx`)은 같은 시트를 2034년까지 자른 것이므로 2000–2034년 값이 추출본과 같아야 한다." ] }, { "cell_type": "code", "execution_count": 4, "id": "b96f5a25", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:14.954792Z", "iopub.status.busy": "2026-10-08T07:24:14.954291Z", "iopub.status.idle": "2026-10-08T07:24:14.980670Z", "shell.execute_reply": "2026-10-08T07:24:14.980670Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "산업 62개 · 2000–2035 · 전산업 행 − 산업 합 최대 상대차 3.9e-16\n", "전달 템플릿 2000–2034 대 기존 전망 추출본: 2205칸 대조, 최대 절대차 4.77e-07백만 원\n", "원본 엑셀 재추출 대조: VAF_SOURCE_DIR이 없어 건너뛴다(동결 CSV를 쓴다).\n", "기존 전망 전산업: 2024년 2,292.2조 → 2034년 2,694.5조, 연평균 1.63%\n" ] }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
연도2023202420252026202720282029203020312032203320342035
전산업_백만원2,247,177,700.0002,292,202,400.0002,315,124,424.0002,352,166,414.7842,393,329,327.0432,436,409,254.9292,481,295,288.7702,525,452,043.6622,568,862,636.6582,611,510,600.7832,653,379,932.0512,694,455,129.7962,734,721,231.247
증가율_%1.5832.0041.0001.6001.7501.8001.8421.7801.7191.6601.6031.5481.494
\n", "
" ], "text/plain": [ "연도 2023 2024 2025 \\\n", "전산업_백만원 2,247,177,700.000 2,292,202,400.000 2,315,124,424.000 \n", "증가율_% 1.583 2.004 1.000 \n", "\n", "연도 2026 2027 2028 \\\n", "전산업_백만원 2,352,166,414.784 2,393,329,327.043 2,436,409,254.929 \n", "증가율_% 1.600 1.750 1.800 \n", "\n", "연도 2029 2030 2031 \\\n", "전산업_백만원 2,481,295,288.770 2,525,452,043.662 2,568,862,636.658 \n", "증가율_% 1.842 1.780 1.719 \n", "\n", "연도 2032 2033 2034 \\\n", "전산업_백만원 2,611,510,600.783 2,653,379,932.051 2,694,455,129.796 \n", "증가율_% 1.660 1.603 1.548 \n", "\n", "연도 2035 \n", "전산업_백만원 2,734,721,231.247 \n", "증가율_% 1.494 " ] }, "execution_count": 4, "metadata": {}, "output_type": "execute_result" } ], "source": [ "prev = pd.read_csv(C.PREV_KEIS, encoding=\"utf-8-sig\")\n", "ptot = prev[prev[\"번호\"] == 0].set_index(\"연도\")[\"VA_백만원\"]\n", "psum = prev[prev[\"번호\"] > 0].groupby(\"연도\")[\"VA_백만원\"].sum()\n", "print(f\"산업 {prev.loc[prev['번호'] > 0, '번호'].nunique()}개 · {prev['연도'].min()}–{prev['연도'].max()}\"\n", " f\" · 전산업 행 − 산업 합 최대 상대차 {((ptot - psum).abs() / ptot).max():.1e}\")\n", "assert ((ptot - psum).abs() / ptot).max() < 1e-12\n", "\n", "tmpl = R.extract_va_sheet(C.TEMPLATE, \"62분류_불변VA\", 2000, 2034)\n", "m = tmpl.merge(prev, on=[\"번호\", \"연도\"], suffixes=(\"_템플릿\", \"_기존\"))\n", "d_tmpl = (m[\"VA_백만원_템플릿\"] - m[\"VA_백만원_기존\"]).abs().max()\n", "print(f\"전달 템플릿 2000–2034 대 기존 전망 추출본: {len(m)}칸 대조, 최대 절대차 {d_tmpl:.2e}백만 원\")\n", "assert len(m) == len(tmpl) and d_tmpl < 1e-6\n", "\n", "if C.SOURCE_DIR: # 선택: 원본 엑셀에서 다시 추출해 동결 CSV와 대조\n", " fn, sheet = C.SOURCE_XLSX[\"prev_keis_va_62.csv\"]\n", " src = os.path.join(C.SOURCE_DIR, fn)\n", " re_ex = R.extract_va_sheet(src, sheet, 2000, 2035)\n", " dd = (re_ex[\"VA_백만원\"].values - prev[\"VA_백만원\"].values)\n", " print(f\"원본 엑셀 재추출 대조: {len(re_ex)}칸, 최대 절대차 {np.abs(dd).max():.2e}백만 원 (원본 SHA-256 {R.sha256(src)[:16]}…)\")\n", " assert len(re_ex) == len(prev) and np.abs(dd).max() < 1e-5\n", "else:\n", " print(\"원본 엑셀 재추출 대조: VAF_SOURCE_DIR이 없어 건너뛴다(동결 CSV를 쓴다).\")\n", "\n", "pt = pd.DataFrame({\"전산업_백만원\": ptot, \"증가율_%\": ptot.pct_change() * 100})\n", "pt.to_csv(os.path.join(C.INTERIM, \"prev_total_keis.csv\"), encoding=\"utf-8-sig\")\n", "print(f\"기존 전망 전산업: 2024년 {ptot[2024]/1e6:,.1f}조 → 2034년 {ptot[2034]/1e6:,.1f}조, 연평균 {R.cagr(ptot[2024], ptot[2034], 10):.2f}%\")\n", "pt.loc[2023:2035].T" ] }, { "cell_type": "markdown", "id": "d28da3bc", "metadata": {}, "source": [ "## 4. 이전 판 공표 산출물 — 비교 기준\n", "\n", "이전 판(2026-09-03 공표)의 바텀업·총량·정합화 전망을 요약한다. 정비판과의 비교(03 표 6)와 이전 판 전달본 재현 점검(03 검증)에 쓴다." ] }, { "cell_type": "code", "execution_count": 5, "id": "5cd33b36", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:14.981673Z", "iopub.status.busy": "2026-10-08T07:24:14.981673Z", "iopub.status.idle": "2026-10-08T07:24:15.202190Z", "shell.execute_reply": "2026-10-08T07:24:15.202190Z" } }, "outputs": [ { "data": { "text/html": [ "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
구분바텀업 62정합화 62총량 VARX
시나리오   
S14.882.132.49
S24.291.982.23
S35.172.202.63
S45.662.322.85
S54.562.032.32
\n" ], "text/plain": [ "" ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" } ], "source": [ "rows = []\n", "for lab, f in [(\"바텀업 62\", \"bottomup_annual_62.csv\"), (\"총량 VARX\", \"topdown_annual_AGG.csv\"), (\"정합화 62\", \"forecast_annual_62.csv\")]:\n", " t = R.totals(R.read_long(os.path.join(C.PREV_DIR, f)))\n", " a = t.loc[C.BASE_YEAR, \"실적\"]\n", " for s in C.SCENARIOS:\n", " rows.append({\"구분\": lab, \"시나리오\": s, \"2025(조원)\": a / 1e3, \"2035(조원)\": t.loc[C.END_YEAR, s] / 1e3,\n", " \"연평균(%)\": R.cagr(a, t.loc[C.END_YEAR, s], 10)})\n", "pv = pd.DataFrame(rows)\n", "pv.to_csv(os.path.join(C.INTERIM, \"prev_version_totals.csv\"), index=False, encoding=\"utf-8-sig\")\n", "pv.pivot(index=\"시나리오\", columns=\"구분\", values=\"연평균(%)\").style.format(\"{:.2f}\")" ] }, { "cell_type": "markdown", "id": "c70ca358", "metadata": {}, "source": [ "## 5. 산출물\n", "\n", "다음 노트북(`02_분석.ipynb`)은 `data/inputs/`의 입력을 직접 읽는다. 아래 중간 산출물은 입수 단계의 점검 기록이다." ] }, { "cell_type": "code", "execution_count": 6, "id": "32017f14", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T07:24:15.203193Z", "iopub.status.busy": "2026-10-08T07:24:15.203193Z", "iopub.status.idle": "2026-10-08T07:24:15.206205Z", "shell.execute_reply": "2026-10-08T07:24:15.206205Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "fill_check_prev.xlsx 42,463 bytes\n", "input_check.csv 2,164 bytes\n", "prev_total_keis.csv 1,533 bytes\n", "prev_version_totals.csv 986 bytes\n", "upstream_check.csv 792 bytes\n" ] } ], "source": [ "for f in sorted(os.listdir(C.INTERIM)):\n", " p = os.path.join(C.INTERIM, f)\n", " print(f\"{f:<28} {os.path.getsize(p):>8,d} bytes\")" ] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.12.10" } }, "nbformat": 4, "nbformat_minor": 5 }