[데이터분석] 서울시 범죄 현황 데이터 시각화

융·2023년 4월 1일

[EDA] 탐색적 데이터 분석

목록 보기

4/10

🔎 서울시 범죄 현황 분석

1. 서울시 범죄현황 데이터 시각화

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import rc

plt.rcParams['axes.unicode_minus']=False
get_ipython().run_line_magic('matplotlib','inline')
rc('font',family='Malgun Gothic')

crime_anal_norm.head()

-	강도	살인	강간	절도	폭력	강간검거율	강도검거율	살인검거율	절도검거율	폭력검거율	인구수	CCTV	범죄	검거
구별
강남구	1.000000	0.357143	1.000000	0.977118	0.733773	80.038760	100.000000	100.000000	53.470867	88.130935	534988	3238	0.813607	84.328112
강동구	0.358974	0.285714	0.310078	0.477799	0.463880	95.000000	92.857143	100.000000	51.425314	86.996047	464490	1010	0.379289	85.255701
강북구	0.128205	0.500000	0.420543	0.332879	0.509351	73.271889	80.000000	85.714286	54.991817	89.344852	298622	831	0.378196	76.664569
관악구	0.307692	0.428571	0.624031	0.572868	0.593143	81.987578	83.333333	100.000000	44.555397	83.678516	500750	2109	0.505261	78.710965
광진구	0.282051	0.285714	0.540698	0.718060	0.438577	83.870968	54.545455	100.000000	40.098634	84.071906	351073	878	0.453020	72.517393

# pairplot 강도, 살인, 폭력에 대한 상관관계 확인

sns.pairplot(data=crime_anal_norm, vars=['살인','강도','폭력'],kind='reg',height=3 )

# '인구수', 'cctv' 와 '살인', '강도' 상관관계 
def drawGraph():
    sns.pairplot(
        data=crime_anal_norm,
        x_vars=['인구수','CCTV'],
        y_vars=['살인','강도'],
        kind='reg',
        height=4
    )
    plt.show()
    
drawGraph()

#'인구수','cctv' 와 '실인검거율', '폭력검거율의 상관관계'
def drawGraph():
    sns.pairplot(
        data=crime_anal_norm,
        x_vars=['인구수','CCTV'],
        y_vars=['살인검거율','강도검거율'],
        kind='reg',
        height=4
    )
    plt.show()
    
drawGraph()

#검거율 heatmap
# '검거'라는 컬럼을 기준으로 정렬
# 위에서 삭제한 감가 컬럼 추가 

def drawGraph():
    
    
    #데이터 프레임 생성 
    target_col=['강간검거율','강도검거율','살인검거율','절도검거율','폭력검거율','검거']
    crime_anal_norm_sort=crime_anal_norm.sort_values(by='검거',ascending=False)
    
    #그래프 설정 
    plt.figure(figsize=(10,10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True, #데이터값 표시
        fmt='f', #실수형
        linewidths=1, #간격설정
        cmap='RdPu'
        
    )
    plt.title('범죄 검거 비율(정규화된 검거의 합으로 정렬)')
    plt.show()
    
drawGraph()

# 범죄발생 건수 heatmap
# 범죄 컬럼 기준 정렬

def drawGraph():
    #데이터 설정 
    target_col=['살인','강도','강간','절도','폭력','범죄']
    crime_anal_norm_sort=crime_anal_norm[target_col].sort_values(by='범죄',ascending=False)
    #그래프 그리기 
    plt.figure(figsize=(10,10))
    sns.heatmap(
         data=crime_anal_norm_sort[target_col],
        annot=True, #데이터값 표시
        fmt='f', #실수형
        linewidths=1, #간격설정
        cmap='RdPu'
    )
    plt.title('범죄 발생 비율(정규화된 범죄의 합으로 정렬)')
    plt.show()

drawGraph()

### folium

#folium 설치 
!pip install folium

import folium
import pandas as pd
import json

folium.Map()

Examples

>>> m = folium.Map(location=[45.523, -122.675], width=750, height=500)
>>> m = folium.Map(location=[45.523, -122.675], tiles="cartodb positron")
>>> m = folium.Map(
...     location=[45.523, -122.675],
...     zoom_start=2,
...     tiles="https://api.mapbox.com/v4/mapbox.streets/{z}/{x}/{y}.png?access_token=mytoken",
...     attr="Mapbox attribution",
... )

folium.Map(location=[45.523, -122.675], width=750, height=500)

m=folium.Map(location=[37.5094853,127.1020849], #석촌호수
            zoom_start=16) #0 - 18

m

tiles option

to Folium. Pass any of the following to the "tiles" keyword:

"OpenStreetMap"
"Mapbox Bright" (Limited levels of zoom for free tiles)
"Mapbox Control Room" (Limited levels of zoom for free tiles)
"Stamen" (Terrain, Toner, and Watercolor)
"Cloudmade" (Must pass API key)
"Mapbox" (Must pass API key)
"CartoDB" (positron and dark_matter)

m=folium.Map(location=[37.5094853,127.1020849],
            zoom_start=16,#0 - 18
            tiles='Stamen Watercolor' #지도스타일
            ) 

m

m=folium.Map(location=[37.5094853,127.1020849],
            zoom_start=16,#0 - 18
            tiles='CartoDB positron' #지도스타일
            ) 

m

folium.Maker()

지도에 표시 생성

    Init signature:
    folium.Marker(
        location=None,
        popup=None,
        tooltip=None,
        icon=None,
        draggable=False,
        **kwargs,
    )
    Docstring:     
    Create a simple stock Leaflet marker on the map, with optional
    popup text or Vincent visualization.

    Parameters
    ----------
    location: tuple or list
        Latitude and Longitude of Marker (Northing, Easting)
    popup: string or folium.Popup, default None
        Label for the Marker; either an escaped HTML string to initialize
        folium.Popup or a folium.Popup instance.
    tooltip: str or folium.Tooltip, default None
        Display a text when hovering over the object.
    icon: Icon plugin
        the Icon plugin to use to render the marker.
    draggable: bool, default False
        Set to True to be able to drag the marker around the map.
        
        Examples
    --------
    >>> Marker(location=[45.5, -122.3], popup="Portland, OR")
    >>> Marker(location=[45.5, -122.3], popup=Popup("Portland, OR"))
    # If the popup label has characters that need to be escaped in HTML
    >>> Marker(
    ...     location=[45.5, -122.3],
    ...     popup=Popup("Mom & Pop Arrow Shop >>", parse_html=True),

... )

m=folium.Map(location=[37.5094853,127.1020849], #석촌호수
            zoom_start=15,#0 - 18
            tiles="OpenStreetMap"
            ) 

folium.Marker(location=[37.5088511,127.0995137],
             popup=folium.Popup("<center>롯데월드 매직아일랜드</center>", min_width=150, max_width=150), #html 문법 가능
             tooltip='<i>Magic Island</i>'
             ).add_to(m) 


m


folium.Marker(location=[37.5088511,127.0995137],
             popup=folium.Popup("<center><a href= 'https://goo.gl/maps/QzbYbRKfAnUv136K8' target=_'blink'>매직아일랜드</a></center>",
                                min_width=150,
                               max_width=150), #html 문법 가능
             tooltip='<i>매직아일랜드 info</i>'
             ).add_to(m) 


m

folium.Icon()

Init signature:
folium.Icon(
    color='blue',
    icon_color='white',
    icon='info-sign',
    angle=0,
    prefix='glyphicon',
    **kwargs,
)
Docstring:     
Creates an Icon object that will be rendered
using Leaflet.awesome-markers.

Parameters
----------
color : str, default 'blue'
    The color of the marker. You can use:

        ['red', 'blue', 'green', 'purple', 'orange', 'darkred',
         'lightred', 'beige', 'darkblue', 'darkgreen', 'cadetblue',
         'darkpurple', 'white', 'pink', 'lightblue', 'lightgreen',
         'gray', 'black', 'lightgray']

icon_color : str, default 'white'
    The color of the drawing on the marker. You can use colors above,
    or an html color code.
icon : str, default 'info-sign'
    The name of the marker sign.
    See Font-Awesome website to choose yours.
    Warning : depending on the icon you choose you may need to adapt
    the `prefix` as well.
angle : int, default 0
    The icon will be rotated by this amount of degrees.
prefix : str, default 'glyphicon'
    The prefix states the source of the icon. 'fa' for font-awesome or
    'glyphicon' for bootstrap 3.

folium.Marker(location=[37.5088511,127.0995137],
             popup=folium.Popup("<center><a href= 'https://goo.gl/maps/QzbYbRKfAnUv136K8' target=_'blink'>매직아일랜드</a></center>",
                                min_width=150,
                               max_width=150), #html 문법 가능
             tooltip='<i>매직아일랜드 info</i>',
            icon=folium.Icon(
                color='lightblue',
                icon_color='black',
                icon='cloud'
            
            )
             ).add_to(m) 


m

bootstrap Icon 사이트

# icon custom 
# icon - list >>> https://getbootstrap.com/docs/3.3/components/
custom_icon=folium.Icon(
    color='blue',
    icon_color='yellow',
    icon='star'

)
custom_popup=folium.Popup(
    "<center><a href= 'https://goo.gl/maps/QzbYbRKfAnUv136K8' target=_'blink'>매직아일랜드</a></center>",
                                min_width=150,
                               max_width=150
) 

folium.Marker(location=[37.5088511,127.0995137],
             popup=custom_popup,
             tooltip='<i>매직아일랜드 info</i>',
             icon=custom_icon
).add_to(m) 


m

fontawesome Icon 사이트
frefix = 'fa'

# icon custom , frefix = 'fa'
# icon - list >>> https://fontawesome.com/search?m=free&o=r
custom_icon=folium.Icon(
    color='blue',
    icon_color='white',
    icon='ghost',
    prefix='fa'

)
custom_popup=folium.Popup(
    "<center><a href= 'https://goo.gl/maps/QzbYbRKfAnUv136K8' target=_'blink'>매직아일랜드</a></center>",
                                min_width=150,
                               max_width=150
) 

folium.Marker(location=[37.5088511,127.0995137],
             popup=custom_popup,
             tooltip='<i>매직아일랜드 info</i>',
             icon=custom_icon
).add_to(m) 


m

folium.ClickForMarker()

- 지도위에 마우스를 클릭했을 때 마커 생성

m=folium.Map(location=[37.5094853,127.1020849], #석촌호수
            zoom_start=15,#0 - 18
            tiles="OpenStreetMap"
            ) 

m.add_child(folium.ClickForMarker(
    popup='ClickForMarker'
))

m

folium.LatLngPopup()

지도를 클릭했을 때 위도 걍도 정보를 반환한다

folium.Circle(), folium.CircleMarker()

Init signature: folium.Circle(location=None, radius=50, popup=None, tooltip=None, **kwargs)
Docstring:     
Class for drawing circle overlays on a map.

It's an approximation and starts to diverge from a real circle closer to
the poles (due to projection distortion).

See :func:`folium.vector_layers.path_options` for the `Path` options.

Parameters
----------
location: tuple[float, float]
    Latitude and Longitude pair (Northing, Easting)
popup: string or folium.Popup, default None
    Input text or visualization for object displayed when clicking.
tooltip: str or folium.Tooltip, default None
    Display a text when hovering over the object.
radius: float
    Radius of the circle, in meters.

m=folium.Map(location=[37.5749373,126.9786355], #종로구
         zoom_start=14,#0 - 18
            tiles="OpenStreetMap"
            ) 

#circle
folium.Circle(
     location=[37.565643683342, 126.95524147826], #경복궁
     radius=100,
     fill=True,
     color='#ffd324',
     fill_color='#ffd324',
     popup='경복궁',
     toltip='Circle'

).add_to(m)

#circleMarker
folium.CircleMarker(
     location=[37.580888310281, 126.98838803559 ], #창덕궁
     radius=30,
     fill=True,
     color='#ff085a',
     fill_color='#ff085a',
     popup='창덕궁',
     toltip='CircleMarker'

).add_to(m)

m

folium.Choropleth

Init signature:
folium.Choropleth(
    geo_data,
    data=None,
    columns=None,
    key_on=None,
    bins=6,
    fill_color=None,
    nan_fill_color='black',
    fill_opacity=0.6,
    nan_fill_opacity=None,
    line_color='black',
    line_weight=1,
    line_opacity=1,
    name=None,
    legend_name='',
    overlay=True,
    control=True,
    show=True,
    topojson=None,
    smooth_factor=None,
    highlight=None,
    use_jenks=False,
    **kwargs,
)
Docstring:     
Apply a GeoJSON overlay to the```


folium.Choropleth(
    geo_data='../data/02. us-states.json', #경계선 좌표가 담긴 데이터
    data=state_data, # Series or DataFrame
    columns=['State','Unemployment'],
    key_on='feature.id',
    fill_color='BuPu',
    fill_opacity=0.8, #0-1
    line_opacity=0.8, #0-1
    legend_name='Unemployment rate (#)'
).add_to(m)
    



m map.

```python
import json

state_data=pd.read_csv('../data/02. US_Unemployment_Oct2012.csv', encoding='utf-8')
state_data.tail(2)

-	State	Unemployment
48	WI	6.8
49	WY	5.1


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

folium.Choropleth(
    geo_data='../data/02. us-states.json', #경계선 좌표가 담긴 데이터
    data=state_data, # Series or DataFrame
    columns=['State','Unemployment'],
    key_on='feature.id',
    fill_color='BuPu',
    fill_opacity=0.8, #0-1
    line_opacity=0.8, #0-1
    legend_name='Unemployment rate (#)'
).add_to(m)
    

m

아파트 유형 지도 시각화

공공데이터 포털

df=pd.read_csv('../data/02. 서울특별시 동작구_주택유형별 위치 정보 및 세대수 현황_20210825.csv',encoding='euc-kr') # 한글 파일은 euc-kr . cp949로 인코딩 
df.head()

-	연번	분류	건물명	행정동	주소	세대수	위도	경도
0	1	아파트	노량진우성	노량진1동	서울특별시 동작구 만양로8길 50	901	37.510304	126.946866
1	2	아파트	노량진삼익	노량진1동	서울특별시 동작구 만양로 84	175	37.511367	126.945226
2	3	아파트	신동아리버파크(분양 1,696,임대 925)	노량진1동	서울특별시 동작구 만양로 19	2621	37.507073	126.945718
3	4	아파트	노량진쌍용예가	노량진1동	서울특별시 동작구 장승배기로16길 134	299	37.510265	126.943676
4	5	아파트	형인한강	노량진1동	서울특별시 동작구 만양로 36	73	37.507664	126.948235

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 167 entries, 0 to 166
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   연번      167 non-null    int64  
 1   분류      167 non-null    object 
 2   건물명     167 non-null    object 
 3   행정동     167 non-null    object 
 4   주소      167 non-null    object 
 5   세대수     167 non-null    int64  
 6   위도      163 non-null    float64
 7   경도      163 non-null    float64
dtypes: float64(2), int64(2), object(4)
memory usage: 10.6+ KB

# NaN 데이터 제거
df=df.dropna()
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 163 entries, 0 to 166
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   연번      163 non-null    int64  
 1   분류      163 non-null    object 
 2   건물명     163 non-null    object 
 3   행정동     163 non-null    object 
 4   주소      163 non-null    object 
 5   세대수     163 non-null    int64  
 6   위도      163 non-null    float64
 7   경도      163 non-null    float64
dtypes: float64(2), int64(2), object(4)
memory usage: 11.5+ KB

df.reset_index(drop=True).tail()
# 연변과 분류뒤에 빈칸 제거 
df=df.rename(columns={'연번 ':'연번','분류 ':'분류'})
df.columns

df.describe()

-	세대수	위도	경도
count	163.000000	163.000000	163.000000
mean	371.920245	37.497442	126.949817
std	413.115354	0.009532	0.019861
min	21.000000	37.477376	126.906940
25%	86.000000	37.490626	126.933284
50%	199.000000	37.496940	126.949902
75%	518.500000	37.505321	126.967196
max	2621.000000	37.514280	126.981966

#folium
m=folium.Map(
    location=[ 37.495172947072,126.95453489844],
    zoom_start=13

)



for idx, rows in df.iterrows():
    # location
    lat,lng=rows.위도, rows.경도
    
    #icon - list >>> https://getbootstrap.com/docs/3.3/components/
    custom_icon=folium.Icon(
    color ='red' if rows.세대수>=199 else 'blue',
    icon_color='white',
    icon='home')
    
    #marker
    folium.Marker(
        location=[lat,lng],
        icon=custom_icon,
        tooltip=rows.분류,
        popup=rows.주소
    ).add_to(m)
    
    #ClickMarker
    folium.CircleMarker(
        location=[lat,lng],
        radius=rows.세대수*0.02,
        fill=True,
        color='#009dff' if rows.세대수<518 else '#ff0061',
        fill_color='#009dff'if rows.세대수<518 else '#ff0061'

    ).add_to(m)
    
m

2. 서울시 범죄 현환 지도 시각화

crime_anal_norm=pd.read_csv(
    '../data/02. crime_in_Seoul_final.csv', index_col=0,encoding='utf-8'
)
geo_path='../data/02. skorea_municipalities_geo_simple.json'
geo_str=json.load(open(geo_path,encoding='utf-8'))

crime_anal_norm.tail()

	강도	살인	강간	절도	폭력	강간검거율	강도검거율	살인검거율	절도검거율	폭력검거율	인구수	CCTV	범죄	검거
구별
용산구	0.230769	0.285714	0.486434	0.405612	0.437110	85.258964	100.000000	100.000000	40.228341	84.228188	233734	2096	0.369128	81.943099
은평구	0.230769	0.428571	0.302326	0.453827	0.488449	91.025641	77.777778	100.000000	53.421369	86.636637	474124	2108	0.380788	81.772285
종로구	0.307692	0.428571	0.461240	0.528466	0.414925	74.369748	75.000000	33.333333	39.587629	87.361909	151999	1619	0.428179	61.930524
중구	0.205128	0.214286	0.383721	0.585671	0.407957	74.747475	87.500000	100.000000	42.511628	89.707865	130764	1023	0.359353	78.893394
중랑구	0.358974	0.571429	0.317829	0.460637	0.580125	91.463415	100.000000	87.500000	62.211709	85.714286	391110	916	0.457799	85.377882

# 살인 발생 건수 시각화 

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

folium.Choropleth(
    geo_data=geo_str, #우리나라 경계선 좌표가 답긴 데이터
    data=crime_anal_norm['살인'],
    columns=[crime_anal_norm.index,crime_anal_norm['살인']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.8,
    line_opacity=0.5,
    legend_name='정규화된 살인 발생 건수'
).add_to(my_map)

my_map

# 5대 범죄 발생 건수 시각화 

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

folium.Choropleth(
    geo_data=geo_str, #우리나라 경계선 좌표가 답긴 데이터
    data=crime_anal_norm['범죄'],
    columns=[crime_anal_norm.index,crime_anal_norm['범죄']],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.8,
    line_opacity=0.5,
    legend_name='정규화된 5대 범죄 발생 건수'
).add_to(my_map)

my_map

# 인구대비 범죄 발생 건수 시각화 

tmp_criminal=crime_anal_norm['범죄']/crime_anal_norm['인구수']

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

folium.Choropleth(
    geo_data=geo_str, #우리나라 경계선 좌표가 답긴 데이터
    data=tmp_criminal,
    columns=[crime_anal_norm.index,tmp_criminal],
    key_on='feature.id',
    fill_color='PuRd',
    fill_opacity=0.8,
    line_opacity=0.5,
    legend_name='인구대비 범죄 발생 건수'
).add_to(my_map)

my_map

# 경찰서 별 범죄 발생 건수 시각화 

crime_anal_station=pd.read_csv(
    '../data/02. crime_in_Seoul_raw.csv',
    encoding='utf-8'
)
crime_anal_station.tail(2)

-	구분	강간검거	강간발생	강도검거	강도발생	살인검거	살인발생	절도검거	절도발생	폭력검거	폭력발생	구별	lat	lng
29	중부	96.0	141.0	3.0	3.0	2.0	2.0	485.0	1204.0	1164.0	1335.0	중구	37.563646	126.989580
30	혜화	64.0	101.0	6.0	6.0	2.0	2.0	379.0	988.0	842.0	972.0	종로구	37.571840	126.998856

col=['강간검거','강도검거','살인검거','절도검거','폭력검거']
tmp=crime_anal_station[col]/crime_anal_station[col].max() #정규화 0 - 1
crime_anal_station['검거']=np.mean(tmp,axis=1) # numpy axis = 1 >> 행을 말함 / pandas axis = 1 >> 열을말함 
crime_anal_station.tail()

	구분	강간검거	강간발생	강도검거	강도발생	살인검거	살인발생	절도검거	절도발생	폭력검거	폭력발생	구별	lat	lng	검거
26	종로	113.0	137.0	3.0	6.0	0.0	4.0	389.0	952.0	1135.0	1291.0	종로구	37.575558	126.984867	0.238103
27	종암	42.0	51.0	5.0	5.0	1.0	2.0	344.0	680.0	815.0	932.0	성북구	37.602059	127.032158	0.195242
28	중랑	150.0	164.0	14.0	14.0	7.0	8.0	1052.0	1691.0	2712.0	3164.0	중랑구	37.618692	127.104714	0.675873
29	중부	96.0	141.0	3.0	3.0	2.0	2.0	485.0	1204.0	1164.0	1335.0	중구	37.563646	126.989580	0.277182
30	혜화	64.0	101.0	6.0	6.0	2.0	2.0	379.0	988.0	842.0	972.0	종로구	37.571840	126.998856	0.240065

# 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

# Circle 추가 : 검거에 값을 곱한 뒤 원의 넓이 적용

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

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'],
        fill=True,
        color='#3186cc',
        fill_color='3186cc'
    
    ).add_to(my_map)
    
my_map

# 경계선 추가

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

folium.Choropleth(
    geo_data=geo_str,
    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,
    
).add_to(my_map) 

my_map

3. 서울시 범죄현황 발생 장소 분석

#추가 검증

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

-	범죄명	장소	발생건수
60	폭력	교통수단	222
61	폭력	유원지	424
62	폭력	학교	203
63	폭력	금융기관	42
64	폭력	기타	26382

crime_loc_raw.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 65 entries, 0 to 64
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   범죄명     65 non-null     object
 1   장소      65 non-null     object
 2   발생건수    65 non-null     int64 
dtypes: int64(1), object(2)
memory usage: 1.6+ KB

crime_loc=crime_loc_raw.pivot_table(
    values=crime_loc_raw, index='장소', columns='범죄명', aggfunc=[np.sum]
)
crime_loc.columns=crime_loc.columns.droplevel([0,1])
crime_loc

범죄명	강간.추행	강도	살인	절도	폭력
장소
교통수단	691	0	0	457	222
금융기관	2	1	1	1081	42
기타	2128	67	65	21734	26382
노상	986	87	22	9329	24535
단독주택	395	15	30	2241	3579
사무실	132	8	1	682	1229
상점	95	34	1	4403	852
숙박업소, 목욕탕	389	9	4	828	303
아파트, 연립 다세대	284	18	12	1504	2839
역, 대합실	181	0	0	356	272
유원지	59	2	2	367	424
유흥 접객업소	398	13	8	2035	2645
학교	33	0	0	400	203

col=['살인','강도','강간','절도','폭력']
crime_loc_norm=crime_loc / crime_loc.max() # 정규화
crime_loc_norm['종합'] = np.mean(crime_loc_norm, axis=1)
crime_loc_norm

범죄명	강간.추행	강도	살인	절도	폭력	종합
장소
교통수단	0.324718	0.000000	0.000000	0.021027	0.008415	0.070832
금융기관	0.000940	0.011494	0.015385	0.049738	0.001592	0.015830
기타	1.000000	0.770115	1.000000	1.000000	1.000000	0.954023
노상	0.463346	1.000000	0.338462	0.429235	0.929990	0.632207
단독주택	0.185620	0.172414	0.461538	0.103110	0.135661	0.211669
사무실	0.062030	0.091954	0.015385	0.031379	0.046585	0.049467
상점	0.044643	0.390805	0.015385	0.202586	0.032295	0.137143
숙박업소, 목욕탕	0.182801	0.103448	0.061538	0.038097	0.011485	0.079474
아파트, 연립 다세대	0.133459	0.206897	0.184615	0.069200	0.107611	0.140356
역, 대합실	0.085056	0.000000	0.000000	0.016380	0.010310	0.022349
유원지	0.027726	0.022989	0.030769	0.016886	0.016072	0.022888
유흥 접객업소	0.187030	0.149425	0.123077	0.093632	0.100258	0.130684
학교	0.015508	0.000000	0.000000	0.018404	0.007695	0.008321

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

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