Python 프로젝트 - 스타벅스, 이디야 매장 위치 데이터 분석

dumbbelldore·2024년 12월 15일
EDAfolium데이터분석데이터취업스쿨스타벅스시각화이디야제로베이스크롤링프로젝트
0

zero-base 33기

목록 보기
42/97

1. 문제 정의

  • '이디야 매장은 스타벅스 매장 옆에 개점한다'는 주장이 있어, 직접 데이터를 수집하고 분석하여 검증하고자 함
  • 특별히 개방된 데이터는 없으므로 직접 각 브랜드의 홈페이지에서 수집한 다음, 정제하여 활용함
  • 가장 많은 매장이 위치한 '서울특별시'를 중심으로 각 브랜드 매장의 위치를 파악하고 전략을 파악하고자 함

2. 데이터 준비

  • 라이브러리 로드
import time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import rc
rc("font", family="AppleGothic") # 맥 환경 한글 세팅

import folium
from folium.plugins import TagFilterButton

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.by import By
from bs4 import BeautifulSoup

from warnings import filterwarnings
filterwarnings("ignore") # 각종 오류 무시
  • 스타벅스 매장 정보 크롤링
res = dict()
names = list()
addrs = list()
phones = list()
url = "https://www.starbucks.co.kr/store/store_map.do"

driver = webdriver.Chrome(service= Service(ChromeDriverManager().install()))
driver.get(url)
time.sleep(10)
driver.find_element(By.XPATH, '//*[@id="container"]/div/form/fieldset/div/section/article[1]/article/header[2]/h3/a').click() # 지역 검색
time.sleep(2)
driver.find_element(By.XPATH, '//*[@id="container"]/div/form/fieldset/div/section/article[1]/article/article[2]/div[1]/div[2]/ul/li[1]/a').click() # 서울
time.sleep(2)
driver.find_element(By.XPATH, '//*[@id="mCSB_2_container"]/ul/li[1]/a').click() # 전체
time.sleep(5)
src = driver.page_source
soup = BeautifulSoup(src, "html.parser")
store_list = soup.find("ul", class_="quickSearchResultBoxSidoGugun").find_all("li", class_="quickResultLstCon")

for store in store_list:
    name = store.strong.get_text()
    addr = store.find("p", "result_details").\
        get_text(strip=True, separator="\n").splitlines()[0]
    phone = store.find("p", "result_details").\
        get_text(strip=True, separator="\n").splitlines()[1]

    if name is None or addr is None or phone is None:
        print("Null Data Exists")
        break
    
    names.append(name)
    addrs.append(addr)
    phones.append(phone)
    
res["매장명"] = names
res["주소"] = addrs
res["연락처"] = phones
starbucks = pd.DataFrame(res)

starbucks["구"] = starbucks["주소"].apply(lambda x: x.split()[1])
starbucks = starbucks[["매장명", "구", "주소"]]
starbucks
  • 이디야 매장 정보 크롤링
# 이디야의 경우 구 별 매장 검색 기능이 존재하지 않아, 키워드 검색 방식 활용
seoul_districts = [
    "강남구", "강동구", "강북구", "강서구", "관악구", "광진구",
    "구로구", "금천구", "노원구", "도봉구", "동대문구", "동작구",
    "마포구", "서대문구", "서초구", "성동구", "성북구", "송파구",
    "양천구", "영등포구", "용산구", "은평구", "종로구", "중구", "중랑구"
]

res = dict()
names = list()
addrs = list()
dists = list()
url = "https://www.ediya.com/contents/find_store.html"

driver = webdriver.Chrome(service= Service(ChromeDriverManager().install()))
driver.get(url)
time.sleep(10)

for dist in seoul_districts:
    time.sleep(2)
    driver.find_element(By.XPATH, '//*[@id="contentWrap"]/div[3]/div/div[1]/ul/li[2]/a').click() # 주소
    time.sleep(2)
    driver.find_element(By.XPATH, '//*[@id="keyword"]').click()
    time.sleep(2)
    driver.find_element(By.XPATH, '//*[@id="keyword"]').clear()
    
    if dist == "중구":
        dist = "서울 중구" # 서울 외 '중구' 포함 지역 과다로 검색 불가
        
    driver.find_element(By.XPATH, '//*[@id="keyword"]').send_keys(dist)
    time.sleep(2)
    driver.find_element(By.XPATH, '//*[@id="keyword_div"]/form/button').click()
    time.sleep(2)
    
    src = driver.page_source
    soup = BeautifulSoup(src, "html.parser")
    store_list = soup.find("ul", id="placesList").find_all("li", class_="item")
    
    if dist == "서울 중구":
        dist = "중구"
    
    for store in store_list:
        name = store.dt.get_text()
        addr = store.dd.get_text()        
        names.append(name)
        addrs.append(addr)
        dists.append(dist)

res["매장명"] = names
res["구"] = dists
res["주소"] = addrs
ediya = pd.DataFrame(res)

# 부산의 강서구도 검색에 포함된 것을 확인하여 제외 필요
ediya["시"] = ediya["주소"].apply(lambda x: x[:2])
ediya = ediya[ediya["시"]=="서울"][["매장명", "구", "주소"]]
ediya.to_csv("./data/ediya.csv", index=False)

3. 매장별 위도, 경도 추출

  • Kakao Developers API를 이용하여 위도 및 경도 정보 추출
# Kakao Developers API KEY
REST_KEY = (나의 호출 키)

import requests
import json

# 추출함수 정의
def get_kakao_lon_lat(address):
    url = 'https://dapi.kakao.com/v2/local/search/address.json?query=' + address
    headers = {"Authorization": "KakaoAK "+ REST_KEY}
    
    try:
        query = requests.get(url, headers=headers)
        res = query.json()
        xy_info = res["documents"][0]["address"]
        return float(xy_info["x"]), float(xy_info["y"]) # 경도(lon), 위도(lat) 순서
    
    except Exception as e:
        print(f"에러 발생: {address} -> {e}")
        return 0, 0

# Starbucks 위도, 경도 추출
lons = list()
lats = list()
for idx, row in starbucks.iterrows():
    addr = row["주소"].split("(")[0].split(", ")[0]
    lon, lat = get_kakao_lon_lat(addr)

    if lon ==0 or lat ==0:
        print(f"위도 경도 획득 오류: {row['매장명']}/ {row['주소']}")
        
    lons.append(lon)
    lats.append(lat)

starbucks["경도"] = lons
starbucks["위도"] = lats 

# 이디야 위도, 경도 추출
lons = list()
lats = list()
for idx, row in ediya.iterrows():
    addr = row["주소"].split("(")[0].split(", ")[0]
    lon, lat = get_kakao_lon_lat(addr)

    if lon ==0 or lat ==0:
        print(f"위도 경도 획득 오류: {row['매장명']}/ {row['주소']}")
        
    lons.append(lon)
    lats.append(lat)

ediya["경도"] = lons
ediya["위도"] = lats

4. 데이터 들여다보기

  • 브랜드별 매장 현황 Bar Graph
starbucks_cnt = starbucks.groupby("구")["매장명"].count().sort_values(ascending=False).reset_index()
starbucks_cnt.columns = ["지역", "매장 수"]
ediya_cnt = ediya.groupby("구")["매장명"].count().sort_values(ascending=False).reset_index()
ediya_cnt.columns = ["지역", "매장 수"]

fig, axes = plt.subplots(1, 2, figsize=(14, 4), sharey=True)
fig.suptitle("서울 내 지역별 매장 수 비교")
axes = axes.ravel()

sns.barplot(starbucks_cnt, x="지역", y="매장 수", color="#106125", ax=axes[0])
axes[0].set_title("Starbucks")
axes[0].set_xlabel(None)
axes[0].set_ylabel(None)
axes[0].set_ylim(0, 100)
axes[0].set_xticklabels(axes[0].get_xticklabels(), rotation=90)

for idx, bar in enumerate(axes[0].patches):
    if idx < 5:
        axes[0].text(
            x=bar.get_x() + bar.get_width()/2,
            y=bar.get_height()-2,
            s=f"{int(bar.get_height())}",
            ha="center",
            va="top",
            fontweight="bold",
            color="white",
            size=8
        )

sns.barplot(ediya_cnt, x="지역", y="매장 수", color="#061c5e", ax=axes[1])
axes[1].set_title("Ediya")
axes[1].set_xlabel(None)
axes[1].set_ylabel(None)
axes[1].set_ylim(0, 100)
axes[1].set_xticklabels(axes[1].get_xticklabels(), rotation=90)

for idx, bar in enumerate(axes[1].patches):
    if idx < 5:
        axes[1].text(
            x=bar.get_x() + bar.get_width()/2,
            y=bar.get_height()-2,
            s=f"{int(bar.get_height())}",
            ha="center",
            va="top",
            fontweight="bold",
            color="white",
            size=8
        )

plt.tight_layout()
plt.show()
  • 지역별 브랜드 매장 수 비교 Bar Graph
intg_cnt = starbucks_cnt.sort_values(by="지역").merge(ediya_cnt, how="outer", on="지역")
intg_cnt.columns = ["지역", "Starbucks", "Ediya"]
intg_cnt_melt = pd.melt(intg_cnt, id_vars="지역", var_name="구분", value_name="매장 수")

fig, ax = plt.subplots(1, 1, figsize=(18, 4))
fig.suptitle("서울 내 지역별 매장 보유 현황")

my_palette = ["#106125", "#061c5e"]

sns.barplot(intg_cnt_melt, x="지역", y="매장 수", hue="구분", ax=ax, palette=my_palette)
ax.set_xlabel(None)
ax.set_ylabel(None)

for idx, bar in enumerate(ax.patches):
    ax.text(
        x=bar.get_x() + bar.get_width()/2,
        y=bar.get_height()-2,
        s=f"{int(bar.get_height())}",
        ha="center",
        va="top",
        fontweight="bold",
        color="white",
        size=8
    )

plt.show()

5. 시각화

  • Folium 활용 Map 시각화
seoul = [37.57, 127.01]
seoul_districts_json = "./data/seoul_municipalities_geo_simple.json"
dists = seoul_districts
map = folium.Map(location=seoul, zoom_start=12, tiles="cartodbpositron")

# 구역 설정
folium.GeoJson(
    seoul_districts_json,
    style_function = lambda x: {"color": "#adadad", "fillColor": "#00000000", "weight":1}
).add_to(map)

# 이디야 시각화
for idx, row in ediya.iterrows():
    name = row["매장명"]
    dist = row["구"]
    lon = row["경도"]
    lat = row["위도"]
    addr = row["주소"]
    
    folium.CircleMarker(
        location=[lat, lon],
        radius=5,
        color="#061c5e",
        opacity=0.8,
        fill=True,
        fill_color="#061c5e",
        fill_opacity=0.5,
        tooltip=f"<b>Ediya {name}({dist})</b><br>{addr}",
        tags=[dist]
    ).add_to(map)

# 스타벅스 시각화
for idx, row in starbucks.iterrows():
    name = row["매장명"]
    dist = row["구"]
    lon = row["경도"]
    lat = row["위도"]
    addr = row["주소"]
    
    folium.CircleMarker(
        location=[lat, lon],
        radius=5,
        color="#106125",
        opacity=0.8,
        fill=True,
        fill_color="#106125",
        fill_opacity=0.5,
        tooltip=f"<b>Starbucks {name}({dist})</b><br>{addr}",
        tags=[dist]
    ).add_to(map)

# 필터 추가
TagFilterButton(dists).add_to(map)

map

6. 결론

  • Starbucks의 경우 주요 혼잡 지역(강남구, 중구)을 위주로 공격적인 매장 운영을 하고 있음을 알 수 있음
  • 반면, Ediya의 경우 비 혼잡 지역(노원구, 강북구, 중랑구)에도 다수의 매장을 운영하고 있으며 Starbucks와는 다른 종류의 전략을 취하는 것으로 보임
  • Starbucks 선릉역점과 Ediya 선릉역점과 같이 양 브랜드의 매장이 상당히 붙어있는 경우도 일부 확인되나, 이는 일부 혼잡지역에서만 확인되며 그렇지 않은 경우가 더 많음
  • 매장 개장 시에는 인구 유동량과 입지요건을 상당 부분 고려하기 때문에 매장의 로케이션이 겹칠 수 있어, Ediya 매장이 항상 Starbucks 매장 옆에 개장한다는 주장은 사실이라 보기 어려움

*이 글은 제로베이스 데이터 취업 스쿨의 강의 자료 일부를 발췌하여 작성되었습니다.

profile
dumbbelldore
데이터 분석, 데이터 사이언스 학습 저장소
이전 포스트

Python 프로젝트 - 축구선수 이적시장 분석

다음 포스트

Python 프로젝트 - 보험 상품 설문조사 데이터 분석

0개의 댓글