데이터 스쿨 5주차 학습내용 정리 - 5

7. 서울시 범죄현황 데이터 시각화

pairplot 기능을 사용하여 살인 강도 폭력에 대한 관계성을 시각화 하였습니다.

# 검거율 heatmap
# 검거 컬럼을 기준으로 정렬

def drawGraph():
    target_col = ['강간검거율', '강도검거율', '살인검거율', '절도검거율', '폭력검거율', '검거']
    crime_anal_norm_sort = crime_anal_norm.sort_values(by='검거', ascending=False) # 내림차순


    plt.figure(figsize=(10,10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True, #데이터값 표현
        fmt='f', # 실수
        linewidths=0.5,
        cmap="RdPu"
    )
    plt.title('범죄 검거 비율(정규화된 검거의 합으로 정렬)')
    plt.show()
    # 검거율 heatmap 

heatmap 기능을 사용하여 검거율을 기준으로 정렬한 데이터를 시각화 하였습니다

# 검거율 heatmap
# 검거 컬럼을 기준으로 정렬

def drawGraph1():
    target_col = ['강간', '강도', '살인', '절도', '폭력', '범죄']
    plt.figure(figsize=(10,10))
    crime_anal_norm_sort = crime_anal_norm.sort_values(by='범죄', ascending=False)
    
    sns.heatmap(
        data = crime_anal_norm_sort[target_col],
        fmt = 'f',
        annot = True,
        linewidths=0.5,
        cmap="RdPu"
    )
    plt.title('범죄 검거 비율(정규화된 검거의 합으로 정렬)')
    plt.show()
    # 검거율 heatmap 

이번에는 범죄 발생율을 기준으로 정렬하여 시각화 하였습니다.

folium

folium기능을 사용하여 지도를 불러오고 지도에 마커표시 및 지도위에 데이터 시각화 기능의 기초를 배웠습니다.

# 지도 생성
m = folium.Map(
    location=[37.545473, 127.053151],  # 초기 중심 좌표
    zoom_start=15,  # 초기 줌 레벨 (0 ~ 18)
    tiles='OpenStreetMap'  # 지도 타일 소스
)

# 기본 마커 생성
folium.Marker((37.545473, 127.053151),
              icon=folium.Icon(color='black', icon='info-sign')).add_to(m)

# 팝업 및 툴팁이 있는 마커 생성 (Subway)
folium.Marker((37.541233, 127.043211),
              popup='<b>지하철<b>',
              tooltip='성수역',
              icon=folium.Icon(color='red',
                              icon_color='pink',
                              icon='cloud')).add_to(m)

# 링크가 있는 마커 생성 (zerobase)
folium.Marker((37.54558643, 127.05729),
              popup="<a href='https://zero-base.co.kr/' target='_blank'>제로베이스</a>",
              tooltip='zerobase',
              icon=folium.Icon(
                  color='purple',
                  icon_color='white',
                  icon='apple',
                  angle=50,
                  prefix='fa')).add_to(m)

m

# 지도 생성
m = folium.Map([43, -102], zoom_start=3)

# Choropleth 레이어 생성
folium.Choropleth(
    geo_data='data/02. us-states.json',  # 경계선 데이터 파일 경로
    data=state_data,  # 사용할 데이터 프레임
    columns=['State', 'Unemployment'],  # 데이터 프레임에서 사용할 열
    key_on='feature.id',  # 경계선 데이터에서 각 지역을 식별할 키
    fill_color='BuPu',  # 채우기 색상 (부터 푸른색에서 보라색까지)
    fill_opacity=1,  # 채우기 투명도
    line_opacity=1,  # 경계선 투명도
    legend_name='실업률(%)'  # 범례 제목
).add_to(m)

m

8. 서울시 범죄 현황에 대한 지도 시각화

# 살인 건수 지도 시각화
my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
    tiles = 'cartodb positron'
)

folium.Choropleth(
    geo_data= geo_str, #우리나라 경계선 좌표값이 담긴 데이터
    data = crime_anal_norm['살인'],
    columns=[crime_anal_norm.index, crime_anal_norm['살인']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='정규화된 살인 발생 건수'
).add_to(my_map)

my_map

살인 데이터를 기반으로 데이터를 불러와 서울시의 살인 발생 건수를 시각화 하였습니다.

# 성범죄 건수 지도 시각화

my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
    tiles = 'cartodb positron'
)

folium.Choropleth(
    geo_data= geo_str, #우리나라 경계선 좌표값이 담긴 데이터
    data = crime_anal_norm['강간'],
    columns=[crime_anal_norm.index, crime_anal_norm['강간']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='정규화된 살인 발생 건수'
).add_to(my_map)

my_map

성범죄 데이터를 기반으로 데이터를 불러와 서울시의 성범죄 발생 건수를 시각화 하였습니다.

# 5대 범죄 건수 지도 시각화

my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
    tiles = 'cartodb positron'
)

folium.Choropleth(
    geo_data= geo_str, #우리나라 경계선 좌표값이 담긴 데이터
    data = crime_anal_norm['범죄'],
    columns=[crime_anal_norm.index, crime_anal_norm['범죄']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='정규화된 5대 범죄 발생 건수'
).add_to(my_map)


my_map

5대 범죄 발생 건수에 따라서 데이터를 시각화 하였습니다.

이번에는 지난번에 Google Map API 에서 불러왔던 경찰서 위치 데이터를 지도에 표시하고 검거율을 비교하여 가장 경찰서 별 검거수치를 비교해보겠습니다.

# 경찰서 위치 마커 표시

my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
)

for idx, rows in crime_anal_station.iterrows():
    folium.Marker(
        location=[rows.lat, rows.lng],

    ).add_to(my_map)
my_map

# 검거에 값을 곱한 뒤 원의 넓이

my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
)
folium.Choropleth(
    geo_data= geo_str, #우리나라 경계선 좌표값이 담긴 데이터
    data = crime_anal_norm['범죄'],
    columns=[crime_anal_norm.index, crime_anal_norm['범죄']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='인구대비 범죄 발생 건수'
).add_to(my_map)

for idx, rows in crime_anal_station.iterrows():
    folium.CircleMarker(
        location=[rows.lat, rows.lng],
        radius=rows.검거 * 50,
        popup = rows['구분'] + ':' + '%.2f' % rows['검거'],
        color = '#3186cc',
        fill =True,
        fill_color='#3186cc'
    ).add_to(my_map)
    
my_map

9. 서울시 범죄 현황 장소 분석

이번에는 서울시 범죄 현황 장소 데이터를 불러온 뒤 피벗테이블로 정리해주었습니다.

crime_loc_raw = pd.read_csv('data/02. crime_in_Seoul_location.csv',thousands=',' , encoding='euc-kr')
crime_loc_raw.head()

마찬가지로 범죄 데이터를 정규화 하기위해 최댓값으로 모든 데이터를 나눠줍니다.

또 전체 평균을 내어 종합 범죄 컬럼을 생성해줍니다.

crime_loc_norm_sort = crime_loc_norm.sort_values(by = '종합', ascending= False)

def drawGraph():
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        crime_loc_norm_sort,
        annot = True,
        fmt = 'f',
        linewidth = 0.5,
        cmap = 'RdPu'
    )
    plt.title('범죄 발생 장소')
    plt.show()

drawGraph()

위에서 정리한 데이터를 heatmap 그래프로 나타내 보겠습니다.

이상으로 서울시 범죄현황 데이터 시각화 프로젝트를 마무리하겠습니다. Google Map Api에서 불러온 데이터가 기존과 상이하여 강의와는 데이터가 다를수있습니다.

전체 코드

전체 코드