홈›데이터 찾기›한국산업단지공단_공장등록현황통계_시도별 공장상태 현황
한국산업단지공단_공장등록현황통계_시도별 공장상태 현황
읽기 쉬운 제목(검토 전) 공장등록현황통계 · 시도별 공장상태 현황
한국산업단지공단 · 입지지원팀 · 공공데이터포털 원본 ↗
준비 단계품질 진단을 하였으나 기준에 미달하였습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?
공장등록현황통계의 시도별 공장상태현황 csv 파일로, 한국의 17개 시도에 대한 공장면적현황을 데이터 기준일자로 제공하고 있습니다.
기관이 작성한 데이터 설명 전체
공장등록현황통계의 시도별 공장상태현황 csv 파일로, 한국의 17개 시도에 대한 공장면적현황을 데이터 기준일자로 제공하고 있습니다. 공장등록상태는 등록완료, 부분가동, 휴업, 영업정지로 나뉘어져 있으며, 공장설립 민원 데이터를 토대로 작성하였습니다. 17시도의 경우 광역시도에 대한 기준으로 서울, 인천, 경기, 강원, 충북, 충남, 대전, 전남, 전북, 광주, 경북, 대구, 경남, 부산, 울산, 제주, 세종 등으로 구분되어 있습니다. 해당 데이터는 공장설립온라인지원시스템(www.factoryon.go.kr)을 통해 전국 지자체 및 관리기관에서 등록한 민원 데이터를 토대로 작성하였습니다.
공공행정 - 일반행정공장등록현황시도별공장상태공장통계공장상태전국공장상태
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
5행 × 원본 19열 (+정제 1열)
CSV 1 KB · Parquet 6 KB
기간
2026
년월 기준 · 99% 범위
공간 단위
해당 없음
결측
75.0%
항목 평균 · 충북 75%
정제 범위
1/19 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
년월시도별 공장 등록 상태 현황을 집계한 기준 일자유형 날짜형분류 날짜결측 75%정제 정제 100.0%
시도별 공장 등록 상태 현황을 집계한 기준 일자
정제 열 정제_년월
예: 2026-02-28
등록현황시도별로 집계된 공장의 등록 및 운영 상태 구분유형 문자형분류 코드 · 분류결측 75%정제 원본 유지
시도별로 집계된 공장의 등록 및 운영 상태 구분
예: 등록완료 부분가동 휴업
서울표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 0 ~ 11,185 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 0 ~ 11,185 범위의 정수 수치
예: 11185 49 15
부산표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 0 ~ 11,356 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 0 ~ 11,356 범위의 정수 수치
예: 11356 10 2
대구표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 0 ~ 9,003 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 0 ~ 9,003 범위의 정수 수치
예: 9003 15 16
인천표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 0 ~ 14,031 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 0 ~ 14,031 범위의 정수 수치
예: 14031 9 1
광주표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 0 ~ 4,931 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 0 ~ 4,931 범위의 정수 수치
예: 4931 2 3
대전표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 0 ~ 4,116 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 0 ~ 4,116 범위의 정수 수치
예: 0 4116 2
울산표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 0 ~ 3,210 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 0 ~ 3,210 범위의 정수 수치
예: 3210 7 30
세종표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 0 ~ 901 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 0 ~ 901 범위의 정수 수치
예: 0 901 6
경기표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 0 ~ 78,107 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 0 ~ 78,107 범위의 정수 수치
예: 78107 153 38
강원표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 0 ~ 10,203 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 0 ~ 10,203 범위의 정수 수치
예: 10203 81 132
충북표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 0 ~ 12,247 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 0 ~ 12,247 범위의 정수 수치
예: 12247 112 41
충남표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 0 ~ 8,179 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 0 ~ 8,179 범위의 정수 수치
예: 8179 54 75
전북표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 0 ~ 16,381 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 0 ~ 16,381 범위의 정수 수치
예: 16381 42 114
전남표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 0 ~ 20,666 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 0 ~ 20,666 범위의 정수 수치
예: 20666 105 76
경북표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 0 ~ 774 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 0 ~ 774 범위의 정수 수치
예: 774 1 3
경남표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 0 ~ 4,272 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 0 ~ 4,272 범위의 정수 수치
예: 4272 22 24
제주표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 0 ~ 7,998 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 75%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 0 ~ 7,998 범위의 정수 수치
예: 7998 40 50
찾는 항목이 없습니다.
상위 5행 · 19열 중 11열 · 나머지는 데이터 팩에 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 등록현황 | 서울 | 부산 | 대구 | 인천 | 광주 | 대전 | 울산 | 세종 | 경기 | 년월 | 정제_년월 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 등록완료 | 11185 | 11356 | 9003 | 14031 | 4931 | 4116 | 3210 | 901 | 78107 | 2026-02-28 | 2026-02-28 | 0_2e324429 |
| 부분가동 | 49 | 10 | 15 | 9 | 2 | 2 | 7 | 6 | 153 | 2026-02-28 | 2026-02-28 | 1_0b7c65f5 |
| 휴업 | 15 | 2 | 16 | 1 | 3 | 0 | 30 | 0 | 38 | 2026-02-28 | 2026-02-28 | 2_bb31abca |
| 영업정지 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2026-02-28 | 2026-02-28 | 3_30e03430 |
| 4_fcd7fd75 |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15085505/data/dataset-15085505.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15085505)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }
연결 기준이 같은 데이터
121종 중 공유하는 기준이 많은 순 · 기준(항목 종류)이 동일하다는 의미이며, 실제 값의 일치 여부는 확인하지 않았습니다(값 미확인)