[kaggle] 글로벌 설탕 소비 트렌드 분석 (1960–2023) Global Sugar Consumption Trends (1960–2023)

Global Sugar Consumption Trends (1960–2023)

Global Sugar Consumption Trends (1960–2023)

설탕은 이제 단순한 식재료가 아닙니다. 그것은 생활 수준의 지표이자, 현대 식문화와 건강 문제를 동시에 말해주는 사회적 신호입니다. 전 세계적으로 설탕 소비가 증가하면서, 비만과 당뇨병 같은 만성 질환의 급증도 함께 나타나고 있습니다. 이는 이제 단순한 개인의 문제가 아닌, 공중보건과 국가 정책 차원에서 중요한 이슈로 떠오르고 있죠.

그렇다면 설탕은 누가 더 많이 먹고 있을까요? 그리고 왜 그렇게 먹게 되었을까요?

이번 분석에서는 1960년부터 2023년까지 약 200개국의 데이터를 바탕으로, 국가의 경제력(1인당 GDP)과 설탕 소비(1인당 연간 소비량) 사이의 관계를 살펴봅니다. 여기에 도시화율, 가공식품 소비량, 대륙별 특성 등의 요소를 함께 고려하여, 단순히 '소득이 높으면 설탕도 많이 먹는다'는 가설을 넘어서 보다 입체적인 시각에서 소비 패턴을 분석하고자 합니다.

이번 분석을 통해 다음과 같은 질문에 답해보고자 합니다.

• 경제력이 높을수록 설탕 소비도 증가할까?
• 도시화가 진행될수록 식단은 어떻게 변할까?
• 가공식품 소비와 설탕 섭취는 얼마나 관련이 있을까?
• 저소득국과 고소득국은 어떤 방식으로 다르게 설탕을 소비할까?

설탕 소비라는 하나의 지표를 통해 국가의 경제 성장, 생활 방식의 변화, 그리고 건강 문제까지 어떻게 연결되어 있는지를 데이터로 살펴보는 시간. 이제 달콤한 숫자들 속으로 함께 들어가 보도록 하겠습니다.

 

전 세계 평균 설탕 소비량의 연도별 변화

avg_by_year = data.groupby("Year")["Per_Capita_Sugar_Consumption"].mean().reset_index()

plt.plot(avg_by_year['Year'], avg_by_year['Per_Capita_Sugar_Consumption'], marker='o')
plt.title("Global Average Per Capita Sugar Consumption Over Time")
plt.xlabel("Year")
plt.ylabel("Sugar Consumption (kg per capita)")
plt.grid(True)
plt.show()

1960년대부터 2020년대까지 약 60여 년 동안, 전 세계의 1인당 설탕 소비량은 대체로 완만한 증가세를 보여왔습니다. 중간중간 급격한 감소나 반등이 있긴 했지만, 전반적으로 35kg에서 40kg 사이를 오르내리는 안정적인 패턴을 보입니다.
이는 세계 인구가 증가하는 와중에도 평균적인 당 소비 습관이 꾸준히 유지되었거나, 생활 수준과 함께 서서히 증가했음을 시사합니다.

 

도시화율과 가공식품 소비 vs 설탕 소비

1. 도시화율 vs 1인당 설탕 소비량 Urbanization Rate vs Per Capita Sugar Consumption
관계: 뚜렷한 선형적 경향은 없음 (상관 약함)

• 도시화율이 높다고 해서 반드시 설탕 소비량이 많아지는 일관된 패턴은 발견되지 않습니다.
• 도시화는 설탕 소비에 영향을 줄 수 있는 여러 요인 중 하나일 수 있으나, 독립적인 주요 설명 변수로는 한계가 있습니다.

2. 가공식품 소비 vs 1인당 설탕 소비량 Processed Food Consumption vs Per Capita Sugar Consumption

관계: 약한 양의 상관 가능성, 그러나 여전히 분산 큼

 

• 가공식품 소비량이 증가할수록 소비량이 평균적으로 높아지는 경향이 보일 수 있으나,
• 데이터의 산점도는 여전히 넓고 불규칙하게 분포

 

국가 소득 수준에 따른 설탕 소비 분포

def income_level(gdp):
    if gdp < 3000:
        return 'Low'
    elif gdp < 12000:
        return 'Middle'
    else:
        return 'High'

data['Income_Level'] = data['GDP_Per_Capita'].apply(income_level)

sns.boxplot(data=data, x='Income_Level', y='Per_Capita_Sugar_Consumption', palette='pastel')
plt.title("Sugar Consumption by Income Level")
plt.xlabel("Income Level")
plt.ylabel("Sugar Consumption (kg per capita)")
plt.show()

국가 소득 수준별(High / Middle / Low) 로 분류

 

전반적인 특징  

소득 수준에 따른 설탕 소비량의 유의미한 차이는 관찰되지 않았습니다.

• 중앙값(Median): 세 소득 수준 모두 중앙값이 거의 동일 (~38kg 내외)로 나타났습니다.
• IQR(사분위 범위): 중간 50%의 국가들도 모두 비슷한 범위(약 20~55kg)에 분포하고 있습니다.
• 최댓값/최솟값: Low 소득 그룹에서도 70kg 이상, Middle에서도 5kg 이하의 값이 관찰됩니다.
• 극단값(Outlier): 전 그룹에서 다수 존재하지만, 분포 패턴이 크게 다르지는 않습니다.

 

 

경제 지표 간 상관관계 분석

corr_vars = ['GDP_Per_Capita', 'Urbanization_Rate', 'Processed_Food_Consumption', 'Per_Capita_Sugar_Consumption']
corr_matrix = data[corr_vars].corr()

sns.heatmap(corr_matrix, annot=True, cmap='Blues', fmt=".2f")
plt.title("Correlation Between Economic Indicators and Sugar Consumption")
plt.show()

 

📊 설탕 소비 vs 경제 지표 상관관계 요약

변수 조합	상관계수	해석
GDP_Per_Capita ↔ Per_Capita_Sugar_Consumption	−0.00	사실상 무관. 소득이 높다고 더 많이 먹지는 않음
Urbanization_Rate ↔ Per_Capita_Sugar_Consumption	+0.01	매우 약한 양의 상관. 거의 영향 없음
Processed_Food_Consumption ↔ Per_Capita_Sugar_Consumption	−0.00	가공식품 소비와 설탕 섭취도 명확한 관계 없음
Income_Level 그룹 비교	중앙값 유사	소득 수준에 따른 설탕 소비 패턴 차이도 거의 없음

 

이번 분석은 '국가의 경제력이 설탕 소비에 영향을 미칠까?'라는 단순한 질문에서 출발했습니다.
GDP, 도시화율, 가공식품 소비량 등 다양한 경제적 지표를 기반으로 설탕 소비와의 관계를 탐색했지만,
의외로 뚜렷한 연관성을 찾아내기는 어려웠습니다.
상관계수는 거의 0에 가까웠고, 소득 수준별 소비량도 큰 차이를 보이지 않았습니다.

데이터를 해석하며 느낀 점은, 설탕이라는 소재가 생각보다 단순하지 않다는 것이었습니다.
그 소비 양상은 경제적 여유나 도시화 정도보다는,
식문화, 지역의 식습관, 수입 구조, 식품 가격 정책, 마케팅 등 다양한 사회문화적 요소들이 복합적으로 얽혀 만들어지는 결과였습니다.

이번 분석을 통해 얻은 가장 큰 수확은,
데이터가 예상과 다르게 나올 때 그것을 있는 그대로 받아들이고
그 안에서 새로운 인사이트를 찾아보려는 태도의 중요성이었습니다.
사실상 "설탕 소비는 경제의 함수가 아니라 문화의 반영"이라는 문장이 분석 전체를 요약해주는 듯합니다.

처음 분석 주제를 설탕으로 잡았을 때는 흥미롭고 직관적인 인사이트가 나올 줄 알았지만,
되돌아보면 설탕이라는 주제가 생각보다 예측하기 어렵고, 방향성을 설계하기에 애매한 측면도 있었습니다.
분석 과정 자체는 충분히 의미 있었지만, 조금 더 선명한 질문과 목표를 설정했다면
더 명확한 스토리라인을 만들 수 있지 않았을까 하는 아쉬움이 남습니다.

그래도 이번 경험을 통해 데이터가 던지는 신호를 겸허히 받아들이고,
결과와 해석 사이의 균형을 잡는 연습을 할 수 있었던 시간이었다고 생각합니다.