[빅데이터/Block map]

전국지도에 block map으로 표시하기

• chicken 지역별(시도+구군) 가맹점

from matplotlib import pyplot as plt
from matplotlib import rcParams, style
from matplotlib import font_manager, rc
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

font_name = font_manager.FontProperties(fname='c:/Windows/Fonts/malgun.ttf').get_name()
rc('font', family=font_name)

페리카나

filename = 'chicken_data/pericana_table.csv'
pericana_table = pd.read_csv(filename, encoding='CP949', index_col=0, header=0)

# 시도와 구군만 추출해서 빈도수 count
pericana = pericana_table.apply(lambda r:r['sido']+' '+r['gungu'],axis=1).value_counts()
pericana.head()

경기도 수원시 31
강원도 원주시 27
충청남도 천안시 26
경기도 부천시 25
경기도 화성시 21

교촌 (위랑 코드 동일)

filename = 'chicken_data/kyochon_table.csv'
kyochon_table = pd.read_csv(filename, encoding='CP949', index_col=0, header=0)
kyochon = pericana_table.apply(lambda r:r['sido']+' '+r['gungu'],axis=1).value_counts()
kyochon.head()

경기도 수원시 31
강원도 원주시 27
충청남도 천안시 26
경기도 부천시 25
경기도 화성시 21

처갓집

filename = 'chicken_data/cheogajip_table.csv'
cheogajip_table = pd.read_csv(filename, encoding='CP949', index_col=0, header=0)
cheogajip = cheogajip_table.apply(lambda r:r['sido']+' '+r['gungu'],axis=1).value_counts()
cheogajip.head()

경상남도 김해시 21
충청북도 청주시 20
충청남도 천안시 20
경기도 화성시 19
경기도 수원시 17

굽네

filename = 'chicken_data/goobne_table.csv'
goobne_table = pd.read_csv(filename, encoding='CP949', index_col=0, header=0)
goobne = goobne_table.apply(lambda r:r['sido']+' '+r['gungu'],axis=1).value_counts()
goobne.head()

경상남도 창원시 25
경기도 수원시 20
경기도 고양시 19
충청북도 청주시 18
경기도 용인시 16

치킨 dataframe

#fillna : missing value는 0으로
chiken_table = pd.DataFrame({'pericana':pericana, 'kyochon':kyochon, 'cheogajip':cheogajip, 'goobne':goobne}).fillna(0)
chiken_table.head()

각 치킨집 가맹점 합계를 막대 그래프로

plt.figure()

chiken_table.sum(axis=0).iloc[:6].plot(kind='bar')
plt.show()

Block map

data_draw_korea = pd.read_csv('data_draw_korea.csv', index_col=0, encoding='UTF-8')

#index를 '광역시도 행정구역'으로
data_draw_korea.index = data_draw_korea.apply(lambda r: r['광역시도']+' '+r['행정구역'], axis=1)
data_draw_korea.head()

#merge:공통의 열을 기준으로 두 df를 합침.
#outer:한 df에서만 열이 있어도 보여줌. (이 옵션 없으면 둘 다 있는 것만 보여줌.)
#left_index, right_index: index를 기준열로 사용
chicken = pd.merge(data_draw_korea, chiken_table, how='outer', left_index=True, right_index=True)

#면적이 true(isNaN)에 해당하는 치킨 데이터만 가져옴
chicken = chicken[~np.isnan(chicken['면적'])].fillna(0)  
chicken['total'] = chiken_table.sum(axis=1)
chicken.head()

def showMap(blockedMap, targetData, strTitle, strColor, gamma):
    BORDER_LINES = [
       [(5, 1), (5,2), (7,2), (7,3), (11,3), (11,0)], # 인천
       [(5,4), (5,5), (2,5), (2,7), (4,7), (4,9), (7,9), (7,7), (9,7), 
                                 (9,5), (10,5), (10,4), (5,4)], # 서울
       [(1,7), (1,8), (3,8), (3,10), (10,10), (10,7), (12,7), (12,6), (11,6), (11,5), 
                                 (12, 5), (12,4), (11,4), (11,3)], # 경기도
       [(8,10), (8,11), (6,11), (6,12)], # 강원도
       [(12,5), (13,5), (13,4), (14,4), (14,5), (15,5), (15,4), (16,4), (16,2)], # 충청북도
       [(16,4), (17,4), (17,5), (16,5), (16,6), (19,6), 
        (19,5), (20,5), (20,4), (21,4), (21,3), (19,3), (19,1)], # 전라북도
       [(13,5), (13,6), (16,6)], [(13,5), (14,5)], # 대전시 #세종시
       [(21,2), (21,3), (22,3), (22,4), (24,4), (24,2), (21,2)], #광주
       [(20,5), (21,5), (21,6), (23,6)], #전라남도
       [(10,8), (12,8), (12,9), (14,9), (14,8), (16,8), (16,6)], #충청북도
       [(14,9), (14,11), (14,12), (13,12), (13,13)], #경상북도
       [(15,8), (17,8), (17,10), (16,10), (16,11), (14,11)], #대구
       [(17,9), (18,9), (18,8), (19,8), (19,9), (20,9), (20,10), (21,10)], #부산
       [(16,11), (16,13)], [(27,5), (27,6), (25,6)],
    ]
    
    gamma = 0.75

    #targetData:가맹점 수 ex) blockedMap[targetData] = chicken[total] or blockedMap[targetData] = chicken['cheogajip']
    whitelabelmin = (max(blockedMap[targetData]) - 
                     min(blockedMap[targetData]))*0.25 + min(blockedMap[targetData])

    datalabel = targetData   #total or 각 지역의 가맹점 수

    vmin = min(blockedMap[targetData])
    vmax = max(blockedMap[targetData])

    mapdata = blockedMap.pivot_table(index='y', columns='x', values=targetData)
    masked_mapdata = np.ma.masked_where(np.isnan(mapdata), mapdata)
    cmapname = strColor
    
    plt.figure(figsize=(9, 11))
    plt.pcolor(masked_mapdata, vmin=vmin, vmax=vmax, cmap=cmapname, 
               edgecolor='#aaaaaa', linewidth=0.5)

    # 지역 이름 표시
    for idx, row in blockedMap.iterrows():
        annocolor = 'white' if row[targetData]>whitelabelmin else 'black'
        dispname = row['shortName']

        # 서대문구, 서귀포시 같이 이름이 3자 이상인 경우에 작은 글자로 표시한다.
        if len(dispname.splitlines()[-1]) >= 3:
            fontsize, linespacing = 7.5, 1.5
        else:
            fontsize, linespacing = 11, 1.2

        plt.annotate(dispname, (row['x']+0.5, row['y']+0.5), weight='bold',
                     fontsize=fontsize, ha='center', va='center', color=annocolor,
                     linespacing=linespacing)

    # 시도 경계 그린다.
    for path in BORDER_LINES:
        ys, xs = zip(*path)
        plt.plot(xs, ys, c='black', lw=4)

    plt.gca().invert_yaxis()

    plt.axis('off')

    cb = plt.colorbar(shrink=.1, aspect=10)
    cb.set_label(targetData)

    plt.tight_layout()
    plt.savefig('chicken_data/' + targetData +'.png')
    plt.show()

import math
import numpy as np

showMap(chicken, 'total', '4개 chicken 프랜차이즈 분포','RdPu', 0.75)
showMap(chicken, 'cheogajip', '처갓집양념통닭 매장 분포','Greens', 0.75)
showMap(chicken, 'goobne', '굽네치킨 매장 분포','Purples', 0.75)
showMap(chicken, 'kyochon', '교촌치킨 매장 분포','Oranges', 0.75)
showMap(chicken, 'pericana', '페리카나 매장 분포','Blues', 0.75)

chicken['total10K'] = chicken['total']/chicken['인구수']*10000
showMap(chicken, 'total10K', '인구만명당 치킨집 수','Reds', 0.75)

chicken['area'] = chicken['total']/chicken['면적']
showMap(chicken, 'area', '면적당 치킨집 수','Reds', 0.75)