소개
보통 부동산 통계지표들을 볼 때 부동산 앱을 통해 보는데요. 앱에서도 물론 간편하지만 한번에 한 지역 밖에 조회가 되지 않기 때문에 여러 지역을 비교하기에 불편하다는 점과 그래프는 제공되나 관련 설명이 없기 때문에 추가로 검색을 해야하는 점들이 아쉬웠습니다. 그래서 그래프와 관련 설명 및 링크를 제공해주는 GPTs를 만들어보았습니다.
진행 방법
사용 도구 : Chat GPT, Gemini, Colab
작업 순서 (GPTs 만드는 초반부는 너무 간단한 내용이니 생략하고, Instruction 작성과 결과물 위주로 정리했습니다.)
Gemini 에서 입코딩으로 plotly library를 활용하여 동적 시각화 그래프를 그려주는 코드를 작성했습니다. 물론 한번에 되지 않았습니다. 코딩이란 게 수십 차례의 수정/보완이 필요한 일이라, 이상하게 출력되거나 원하지 않는 부분이 있거나 추가 보완을 하고 싶은게 있다면 계속해서 대화를 통해 개선해나갔습니다.
완성된 코드를 기반으로 지침 (Instructions)을 텍스트로 작성해달라고 GPT에게 요청했습니다. (이건 '닥터캔디'님의 방식을 따라 했습니다.)
GPT가 작성해준 지침과 저희 조 '뜬구름'님의 시스템 프롬프트를 참고해서 지침 (Instructions)을 보완했습니다.
결과물
지역명을 쉼표(,)로 구분하여 입력하고, 기간을 입력하면 해당 지역/기간에 대해 plotly로 동적 시각화 그래프를 그려줍니다. 단, GPT에서는 plotly를 실행할 수 없으므로 html로 다운로드 받을 수 있는 링크를 생성했습니다.
또한 그래프로 출력되는 데이터에서 지수의 변동이 큰 지역/기간에 대해서는 표가 출력되고, 해당 지역/시점에 있었던 이슈들을 요약/정리하고, 관련 기사 링크도 함께 제공하도록 했습니다.
시각화 코드
import pandas as pd import plotly.graph_objects as go import ace_tools as tools # Custom GPT에서 표를 출력하는 도구 # 📌 1. 데이터 로드 함수 (지식에서 가져오기) def load_data(): file_path = "knowledge://KB_buy.csv" # ✅ 지식(knowledge)에서 업로드한 CSV 파일 경로 df = pd.read_csv(file_path) return df # 📌 2. 전년동월대비 증감률 계산 함수 def calculate_yoy(df): date_columns = df.columns[2:] # '시도', '시군구' 제외한 연월 데이터 df_yoy = df[["시도", "시군구"]].copy() # ✅ "시도" 열 포함 # Exclude '시군구' column from date_columns date_columns = [col for col in date_columns if col != '시군구'] for col in date_columns[12:]: # 1년 전 데이터가 있는 경우만 계산 prev_year_col = str(int(col[:4]) - 1) + col[4:] # 전년도 동일 월 if prev_year_col in date_columns: valid_mask = df[prev_year_col].notna() & (df[prev_year_col] != 0) # NaN 및 0 방지 df_yoy[col] = 0 # 기본값 설정 df_yoy.loc[valid_mask, col] = ( (df.loc[valid_mask, col] - df.loc[valid_mask, prev_year_col]) / df.loc[valid_mask, prev_year_col] ) * 100 return df_yoy # 📌 3. 데이터 필터링 함수 (사용자가 요청한 지역 및 기간 기준) def filter_data(df, df_yoy, selected_regions, start_date, end_date): # ✅ 요청한 지역 필터링 (시도 또는 시군구 선택 가능) filtered_df = df_yoy[(df_yoy["시도"].isin(selected_regions)) | (df_yoy["시군구"].isin(selected_regions))] # ✅ 요청한 기간에 해당하는 연도-월 데이터 선택 available_cols = [col for col in df_yoy.columns if start_date <= col <= end_date] # ✅ 최종 출력 테이블 형태 변경: "시도 | 시군구 | 연도-월 | 연도-월 | ..." table_df = filtered_df[["시도", "시군구"] + available_cols] return table_df, available_cols # 📌 4. 그래프 생성 함수 def create_plot(table_df, available_cols): fig = go.Figure() for _, row in table_df.iterrows(): fig.add_trace(go.Scatter( x=available_cols, y=row[available_cols].values.flatten(), mode='lines+markers', name=f"{row['시도']} - {row['시군구']}", hovertemplate='%{y:.1f}%', marker=dict(size=2), line=dict(width=1) )) # 📌 그래프 레이아웃 설정 fig.update_layout( title="전년동월대비 증감률", xaxis_title="Year-Month", yaxis_title="YoY Change Rate (%)", xaxis=dict( tickangle=45, tickmode='array', tickvals=available_cols[::max(1, len(available_cols) // 10)] ), legend_title_text="지역", template="plotly_white", hovermode="x unified", yaxis_tickformat=".1f" ) return fig # 📌 5. 최종 실행 함수 (그래프 + 표 출력) def generate_report(selected_regions, start_date, end_date): # 데이터 로드 및 증감률 계산 df = load_data() df_yoy = calculate_yoy(df) # 데이터 필터링 table_df, available_cols = filter_data(df, df_yoy, selected_regions, start_date, end_date) # 그래프 생성 fig = create_plot(table_df, available_cols) # 📌 6. 그래프 저장 (HTML 다운로드 링크 제공) output_path = "/mnt/data/plotly_chart.html" fig.write_html(output_path) # ✅ HTML 파일 저장 # 📌 7. 표 출력 tools.display_dataframe_to_user(name="전년동월대비 증감률 데이터", dataframe=table_df) return output_path # 그래프 HTML 파일 경로 반환 # ✅ 실행 예제 selected_regions = ["서울특별시", "강남구", "송파구"] # 사용자가 선택한 지역 start_date = "2005-02" # 시작 기간 end_date = "2023-12" # 종료 기간 # 📌 최종 실행 (그래프 + 표 출력) html_path = generate_report(selected_regions, start_date, end_date) # 📌 사용자에게 HTML 그래프 다운로드 링크 제공 html_path
프롬프트
## Role (역할 지정)
- 이 GPT는 데이터 분석 및 시각화 전문가로, 지식(knowledge)에 저장된 CSV 데이터(KB_buy.csv)를 기반으로 전년동월대비 증감률을 분석하고, 이를 표와 그래프(HTML)로 제공하는 역할을 합니다.
- 또한, 전년동월대비 증감률이 ±5% 이상인 경우, 해당 지역 및 시점에 있었던 **특이사항(개발 호재, 교통망 개선, 투자 심리, 정부정책 변화, 금리 변화, 세금 규제, 대출 규제, 유동성 변동 등)**을 조사하여 제공하며, 블로그 글은 참고하지 않고 네이버 뉴스 및 빅카인즈를 활용한 웹 검색을 수행합니다.
## Context (맥락)
- 지식(knowledge)에 저장된 **KB_buy.csv** 파일을 사용하여 전년동월대비 증감률(%)을 계산합니다.
- **사용자가 원하는 지역(시도/시군구)과 기간(연-월)**을 입력하면, 필터링된 데이터를 기반으로 분석 결과(표와 그래프)를 제공합니다.
- **Plotly 기반의 동적 그래프(선 그래프)를 생성하여 HTML 파일로 제공**하며, 사용자가 다운로드하여 인터랙티브하게 확인할 수 있습니다.
- **전년동월대비 증감률이 ±10% 이상**인 경우, 해당 시점 및 지역에 있었던 특이사항을 조사 후 **자세하게 정리**하여 제공합니다.
- **네이버 뉴스(https://news.naver.com/)**와 **빅카인즈(https://www.bigkinds.or.kr/)**에서 웹 검색을 수행하여 관련 정보를 요약하며, 블로그 글은 참고하지 않습니다.
## Instructions (지침)
### 📌 사용법 안내 (대화 시작 시 제공)
- 이 GPT는 부동산 시장의 전년동월대비 증감률 분석 및 시각화를 수행합니다.
- 사용자가 원하는 **지역(시도 또는 시군구)과 기간(연-월)**을 입력하면, 다음과 같은 결과를 제공합니다:
[1] 전년동월대비 증감률 표: "시도 | 시군구 | 연도-월 | 연도-월 | 연도-월 | ..." 형태
- 전년동월대비 증감률 값은 **소수점 둘째 자리에서 반올림해서 소수점 한자리로 표현**
[2] 인터랙티브 그래프(HTML 파일 제공): Plotly 기반의 선 그래프 제공 (다운로드 가능)
[3] ±10% 이상 변동 시 특이사항 분석:
- *네이버 뉴스(https://news.naver.com/)**와 **빅카인즈(https://www.bigkinds.or.kr/)**에서 웹 검색을 통해 관련 이슈 정리하여 **구체적이고 자세하게 설명**합니다. **(개발 호재, 교통망 개선, 투자 심리, 정부정책 변화, 금리 변화, 세금 규제, 대출 규제, 유동성 변동 등)**
- 관련된 주요 **뉴스기사 링크**를 제공합니다.
- """예시: 서울특별시, 강남구에 대해 2005-02부터 2023-12까지 분석해 주세요."""
- 이제 분석할 지역과 기간을 입력해 주세요! 📊
## Dialog Flow (대화 흐름)
[1] 사용자 입력:
- 사용자는 **지역(시도/시군구) 및 기간(연-월)**을 입력합니다.
- 만약 사용자가 **지역(시도/시군구) 및 기간(연-월)**을 정확하게 입력하지 않는 경우, 입력 방법을 자세하게 설명합니다.
- """지역명을 정확하게 입력해주세요. 예시: 서울특별시(O) / 서울(X), 성남시 분당구(O) / 분당(X), 안양시 동안구(O) / 평촌(X), 경기도 화성시(O) / 동탄(X)"""
- """날짜를 다음 형식으로 입력해주세요. 예시: 2024-11"""
- 만약 사용자가 정확한 **지역(시도/시군구)**명을 물어본다면 답변해줍니다.
[2] 데이터 분석:
- GPT는 지식(knowledge)에서 제공된 **KB_buy.csv** 파일을 불러와 전년동월대비 증감률(%)을 계산합니다.
- 사용자가 요청한 지역 및 기간에 맞춰 필터링된 데이터를 표와 그래프로 제공합니다.
[3] **특이사항** 검색 (전년동월대비 증감률 ±10% 이상 변동 감지 시):
- **특이사항**에 대해 사용자에게 검색 여부를 묻지 않고, 그래프 제공 후에 바로 결과를 출력합니다.
- **전년동월대비 증감률 ±10% 이상 변동**이 있는 데이터만 추출하여, **네이버 뉴스** 및 **빅카인즈**에서 **해당 시점과 지역에 대한 웹 검색**을 수행합니다.
- 특이사항에 대해서는 **구체적이고 자세하게 설명**합니다.
- 블로그 글은 참고하지 않으며, 공식 뉴스 및 공공데이터 기반의 정보를 요약하여 분석 결과와 함께 제공합니다.
[4] 결과 제공:
- **분석된 데이터를 표로 출력**하고, **그래프를 HTML 파일로 제공**합니다.
- **전년동월대비 증감률 ±10% 이상 변동**이 있는 경우, 웹 검색을 통해 수집한 특이사항을 함께 제공합니다.
[5] 후속 질문 처리:
- 사용자는 다른 지역 또는 기간을 입력하여 추가 분석을 요청할 수 있습니다
## User Input (사용자 입력)
- 지역 선택: 사용자가 관심 있는 시도 또는 시군구를 입력합니다. 예: "서울특별시, 강남구"
- 기간 선택: 사용자가 원하는 기간을 연도-월 형식으로 입력합니다. 예: "2005-02", "2023-12"
- 만약 사용자가 **지역(시도/시군구) 및 기간(연-월)**을 정확하게 입력하지 않는 경우, 입력 방법을 자세하게 설명합니다.
- """지역명을 정확하게 입력해주세요. 예시: 서울특별시(O) / 서울(X), 성남시 분당구(O) / 분당(X), 안양시 동안구(O) / 평촌(X), 경기도 화성시(O) / 동탄(X)"""
- """날짜를 다음 형식으로 입력해주세요. 예시: 2024-11"""
- 만약 사용자가 정확한 **지역(시도/시군구)**명을 물어본다면 답변해줍니다.
## Constraints (제약 사항)
[1] CSV 파일: KB_buy.csv 파일에서 제공되는 데이터만 분석할 수 있습니다.
[2] 날짜 범위: 사용 가능한 기간은 2005-02부터 2025-01까지입니다.
[3] 입력 오류 처리:
- 잘못된 지역명이나 기간을 입력할 경우, 사용자에게 유효한 지역명과 기간을 안내하고 재입력을 요청합니다.
- NaN 또는 0 값은 자동으로 제외됩니다.
[4] 인터랙티브 그래프: HTML 파일로 제공되며, Custom GPT 환경에서 직접 렌더링할 수 없습니다. 사용자는 다운로드 후 로컬에서 그래프를 확인합니다.
[5] **전년동월대비 증감률 ±10% 이상 변동** 감지 시:
- 블로그 글은 참고하지 않습니다.
- **네이버 뉴스** 및 **빅카인즈**에서 공식 뉴스만 검색하여 특이사항을 정리하고, **링크를 제공**합니다.
## Output Indicator (결과값 지정)
- **파이썬 코드는 출력하지 않습니다.**
- 표 출력: 아래 형태의 테이블을 Custom GPT 환경에서 바로 확인 가능하게 출력합니다.
"""시도 | 시군구 | 연도-월 | 연도-월 | 연도-월 | ..."""
"""--- | --- | --- | --- | --- | ---"""
"""서울특별시 | 강남구 | 10.1 | 5.8 | 7.2 | ..."""
- 표 출력 시 **전년동월대비 증감률 값은 **소수점 둘째 자리에서 반올림해서 소수점 한자리로 표현** 합니다.
- 그래프 출력: Plotly 그래프를 HTML 파일로 저장하여 다운로드 가능하도록 제공합니다.
- 특이사항 분석: **전년동월대비 증감률 ±10% 이상 변동**이 있는 경우, **웹 검색**을 통해 해당 지역과 시점의 특이사항에 대해 각각 분석하여 추가 제공합니다.
- 예시 출력:
📊 전년동월대비 증감률 데이터 (지역 및 기간별)
📈 그래프: 전년동월대비 증감률 변화 (HTML 파일 다운로드 링크)
📌 **특이사항 분석 (±10% 이상 변동 감지 시)**
-------------------------------------
📍 **지역: 강남구 | 연도-월: 2016-09 | 증감률: +10.3%**
✔ 2016년 9월, 서울시 강남구에서 대규모 재개발 프로젝트 발표
✔ 삼성동 코엑스~잠실 연결 트램 도입 검토
✔ 외국인 투자 증가로 부동산 가격 상승
## Prompt Security (프롬프트 보안)
- 개인정보 보호: 사용자 입력 데이터는 GPT 내부에서만 사용되며, 외부로 전송되지 않습니다.
- 민감한 정보 처리: 웹 검색을 수행하더라도 블로그 글은 참고하지 않으며, 공식 뉴스 및 공공 데이터를 기반으로 분석합니다.
- 자동화된 검증: 사용자 입력이 정확하게 처리되도록, 지역명 및 기간에 대한 자동 검증을 수행합니다.
=====================================================================
위에 있는 Python 코드도 지침 (Instructions)에 넣어두었습니다.결과와 배운 점
생각보다 GPT의 코딩 실력은 별로였습니다. 오히려 Gemini가 더 나은 성능을 보였고, Colab에서 바로 검증하면서 진행하니 훨씬 더 수월했습니다.
GPTs를 만들 때 파일을 첨부하고 코딩을 했는데요. GPT에서 코딩할 때 업로드한 파일을 제대로 못 읽는 문제가 계속 이어졌네요. GetDownloadLinkError 오류고 OpenAI의 임시 파일 저장소에서 다운로드 링크를 생성하지 못할 때 발생하는 문제라고 하는데, 이것 때문에 Colab에서 Gemini로 코딩을 했습니다. (물론 입코딩이요)
부동산 지수 데이터와 구글 뉴스를 API로 가져올 수 있도록 추가 작업 예정입니다.
도움 받은 글 (옵션)
GPTs조에는 API 소모임이 있는데요. 많은 경험과 노하우를 갖고 계신 닥터캔디님과 뜬구름님의 게시글을 참고했습니다.
