2022-09-05

📌 과제리뷰

✏️ 집계함수 -> value_counts(), sum() ...

✏️ groupby -> ex. df.groupby(['발생지시도'])['사망자수'].sum()

✏️ 정렬 - sort 사용

ex1. df.groupby(['발생지시도'])['사망자수'].sum().sort_values(ascending=False)

ex2. group_df = df.groupby(['발생지시도'])[['사망자수','부상자수','사상자수']].sum().sort_values(by='사망자수',ascending=False)

-> '발생지시도'가 인덱스가 됨, by=' '을 기준으로 sort
(+) group_df.T -> 차트가 세로형태인 것을 가로 형태로 바꾸어줌

✏️ 그래프

import matplotlib.pyplot as plt

plt.rcParams['figure.figsize']
plt.style.use('ggplot')
group_df[].T.plot.bar()
plt.show()

📌 내 주변 무료 와이파이 지도 시각화

(위에 적은 것들을 활용해서 .. )

✅ 라이브러리 임포트 및 데이터 준비하기

import folium
import pandas as pd
import plotly.express as px

data = pd.read_csv('/content/dataset.csv', encoding='EUC-KR')
data.isna().sum() # 누락 확인 -> 설치년월일 누락있음
data.설치시설구분.unique() -> 서민·복지시설, 서민/복지시설,  서민·복지시설, 서민복지시설 로 중복있음-> 서민복지시설(전처리)
data.loc[data.설치시설구분.str.contains('서민'), '설치시설구분'] = '서민복지시설'

✅ 데이터 분석하기

# 설치시도별 무료 WIFI 설치 현황 수
data['설치시도명'].value_counts()

# 설치시도별, 설치시설구분, 서비스제공사명 무료 WIFI 설치 현황
group_data = data.groupby(by=['설치시도명', '설치시설구분', '서비스제공사명']).size().reset_index(name='총설치수') 

size()는 총 값을 계산해주지만 시리즈형태로 불러온다.(count는 데이터프레임)그래서 reset_index를 사용하여 컬럼으로 형태로 바꾸고 데이터 프레임 형태로 불러올 수 있다.
그리고 또 name=''을 통해 총 값 컬럼에 이름을 지정해줄 수 있다.

✅ 데이터 시각화하기

# 설치시도별 WIFI 설치 현황
px.histogram(group_data, x='설치시도명', y='총설치수')

🔼 결과

# 설치시설별 WIFI 설치 현황
px.histogram(group_data, x='설치시설구분', y='총설치수')

🔼 결과

# 서비스제공사별 WIFI 설치 현황
px.histogram(group_data, x='서비스제공사명', y='총설치수')

🔼 결과

# 시도에 따른 설치시설별 와이파이 설치 현황
fig = px.histogram(data, x='설치시도명', color='설치시설구분')
fig.show()

🔼 결과

# 설치시도별 WIFI 설치 현황
fig = px.pie(group_data, names='설치시도명', values='총설치수')
fig.show()

여기에

colors = ['gold', 'mediumturquoise', 'darkorange', 'lightgreen']  # 색지정
fig.update_traces(textposition='inside', textinfo='percent+label', hoverinfo='value', textfont_size=20,
                  marker=dict(colors=colors, line=dict(color = '#000000', width=2)))

위의 코드를 입력하면 커스텀도 가능하다.
(textposition을 'inside'로 지정하여 파이차트 내부에 퍼센트나 이 값이 무엇인지 textinfo를 통해 명시가능하다. hover는 마우스 커서를 가져다대었을때 해당 정보를 보여주는 것이다.)

모두 추가하면 이런식으로 그래프가 나타난다.

# 설치시설별 WIFI 설치 현황
fig = px.pie(group_data, names='설치시설구분', values='총설치수')
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

🔼 결과

✔️ 대전시 무료 와이파이 현황 분석

dj_df = data.loc[data['설치시도명']=='대전광역시']
dj_df.info()

대전시 데이터만 따로 추출하여 저장

# 시군구에 따른 설치시설별 와이파이 설치 현황
fig = px.histogram(dj_df, x='설치시군구명', color='설치시설구분')
fig.show()

🔼 결과

# 시군구에 따른 관리기관별 와이파이 설치 현황
fig = px.histogram(dj_df, x='설치시군구명', color='관리기관명')
fig.show()

🔼 결과

# 집계데이터프레임 만들 때, 기준이 될 수 있는 컬럼을 모두 groupby 하자
# 합쳐서 시각화는 차트에서 제공 해줌
group_dj = dj_df.groupby(by=['설치년월', '설치시군구명', '설치시설구분', '서비스제공사명', '관리기관명']).size().reset_index(name='총설치수')

groupby 후 시각화

# 시군구별 WIFI 설치 수와 설치시설 구분
fig = px.histogram(group_dj, x='설치시군구명', y='총설치수', color='설치시설구분')
fig.show()

🔼 결과
위에서 groupby 하지 않고 그래프를 그렸을 때와 다른 결과가 나온다.
(아마 groupby 하면서 널값들이 있던 행들은 다 날라가서 그런거같다)

# 시군구별 WIFI 설치 수와 서비스제공사명
fig = px.histogram(group_dj, x='설치시군구명', y='총설치수', color='서비스제공사명')
fig.show()

🔼 결과

# 시군구별 WIFI 설치 현황
fig = px.pie(group_dj, names='설치시군구명', values='총설치수')
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

🔼 결과

# 설치시설구분 WIFI 설치 현황
fig = px.pie(group_dj, names='설치시설구분', values='총설치수')
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

🔼 결과

# 서비스제공사별 WIFI 설치 현황
fig = px.pie(group_dj, names='서비스제공사명', values='총설치수')
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

🔼 결과

# 관리기관별 WIFI 설치 현황
fig = px.pie(group_dj, names='관리기관명', values='총설치수')
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

🔼 결과

✔️ 내 위치에 가장 가까운 무료 와이파이 찾기 - 지도 시각화

# 1. 내 위치 좌표 찾기
# 1) folium 지도에 click하면 좌표정보가 popup으로 띄어주고 그걸 확인해서 내 위치 좌표로 사용하는 방법
# 지도에 ClickForMarker 함수와 LatLngPopup 함수를 적용하여 위치를 Marker 표출

import folium

m = folium.Map(location=[36.3511, 127.3866], zoom_start=14)

# ClickForMarker 함수 적용
m.add_child(folium.ClickForMarker(popup='point'))

# 위도/경도 팝업 활성화 시키도록 적용 -> 지도를 탐색해서 좌표값 찾는데 도움
m.add_child(folium.LatLngPopup())

🔼 이를 활용하여 보고 싶은 위치의 경도 위도 좌표 정보를 알아낼 수 있다.

# 2) 도로명 주소 -> 좌표값으로 변환
from geopy.geocoders import Nominatim

def geocoding(address):
  geolocoder = Nominatim(user_agent = 'South Korea', timeout=None)
  geo = geolocoder.geocode(address)
  crd = {"lat":str(geo.latitude), "lng":str(geo.longitude)}

  return crd

crd = geocoding('서울 종로구 사직로 161')
print(crd['lat'])
print(crd['lng'])

🔼 경도와 위도를 추출해내는 함수를 선언하여 address를 입력하면

위와 같이 위도 경도 정보가 출력된다.

myhome = folium.Map(location=[crd['lat'],crd['lng']], zoom_start=14)

folium.Marker([crd['lat'],crd['lng']], icon=folium.Icon(color='red', icon='glyphicon glyphicon-home')).add_to(myhome)
myhome

위의 경도 위도 정보를 활용하여 지도 시각화를 하면

이런 식으로 마커 표시 가능.

# 2. 나랑 가장 가까운 WIFI 찾기
from geopy.distance import geodesic

# 1) 무료 WIFI 위치 정보 가져오기
my_wifi = pd.DataFrame(columns=['설치시군구명', '설치시설구분', '위도', '경도', '거리'])

myhome = (37.5759183, 126.9768292702487)

for n in data.index:
  wifi_loc = (data.loc[n, '위도'], data.loc[n, '경도'])  # tuple 형태
  print(type(wifi_loc))

  # 2) my_wifi dataframe에 담기
  my_wifi.loc[n] = [data.loc[n, '설치시군구명'], data.loc[n, '설치시설구분'], data.loc[n, '위도'], data.loc[n, '경도'], geodesic(myhome, wifi_loc).kilometers]

위에서 구한 좌표 데이터를 토대로 주변 무료 와이파이 지도시각화를 하기 위해 무료 와이파이 데이터의 위도, 경도 정보를 튜플형태로 저장.
또, myhome(내 위치)와 wifi_loc(와이파이 위치)의 거리 차를 임포트한 geodesic을 이용해 데이터 프레임 거리 컬럼에 저장.

# myhome과 가장 가까운 WIFI top5 뽑기
my_wifi = my_wifi.sort_values(by=['거리']).head(10)
my_wifi

그 후 거리가 가장 가까운 순으로 정렬하여 그 중 상위 10개만 저장한다.

my_map = folium.Map(location=[37.5759183, 126.9768292702487], zoom_start=14)

for n in my_wifi.index:
  folium.Marker([my_wifi.loc[n, '위도'], my_wifi.loc[n, '경도']],
                popup='<pre>'+my_wifi.loc[n, '설치시설구분']+'</pre>',
                icon=folium.Icon(icon='wifi', prefix='fa')).add_to(my_map)

  folium.Marker([37.5759183, 126.9768292702487], icon=folium.Icon(color='red', icon='glyphicon glyphicon-home')).add_to(my_map)

my_map

위에서 상위 10개를 뽑은 데이터를 토대로 지도 시각화한 결과

✔️ 도로명 주소를 입력받아 해당 위치에서 가장 가까운 무료 와이파이 찾기

# 1) 라이브러리 임포트
import folium
import pandas as pd
import plotly.express as px

# 2) wifi 데이터프레임 준비
data = pd.read_csv('/content/dataset.csv', encoding='EUC-KR')

# 3) 주소를 좌표로 변환할 함수 준비
from geopy.geocoders import Nominatim

def geocoding(address):
  geolocoder = Nominatim(user_agent = 'South Korea', timeout=None)
  geo = geolocoder.geocode(address)
  crd = {"lat":float(geo.latitude), "lng":float(geo.longitude)}

  return crd

# 4) 사용자에게 주소를 입력받기
address = input("당신의 주소를 입력하시오.")
crd = geocoding(address)

# 5) 주소 좌표로 변환하여 tuple 형태로 변수에 담기
from geopy.distance import geodesic

myhome = folium.Map(location=[crd['lat'],crd['lng']], zoom_start=14)
my_wifi = pd.DataFrame(columns=['설치시군구명', '설치시설구분', '위도', '경도', '거리'])

myhome = (crd['lat'], crd['lng'])

keypoint = address.split(' ')[0]
data = data.loc[data.설치시도명.str.contains(keypoint)]

# 6) my_wifi dataframe에 거리 계산하여 담기
for n in data.index:
  wifi_loc = (data.loc[n, '위도'], data.loc[n, '경도'])  # tuple 형태

  # my_wifi dataframe에 담기
  my_wifi.loc[n] = [data.loc[n, '설치시군구명'], data.loc[n, '설치시설구분'], data.loc[n, '위도'], data.loc[n, '경도'], geodesic(myhome, wifi_loc).kilometers]

# 7) 내 위치에 가장 가까운 wifi 10개 뽑기
my_wifi = my_wifi.sort_values(by=['거리']).head(10)

# 8) 지도 준비
for n in my_wifi.index:
  folium.Marker([my_wifi.loc[n, '위도'], my_wifi.loc[n, '경도']],
                popup='<pre>'+my_wifi.loc[n, '설치시설구분']+'</pre>',
                icon=folium.Icon(icon='wifi', prefix='fa')).add_to(my_map)
  folium.Marker([crd['lat'], crd['lng']], icon=folium.Icon(color='red', icon='glyphicon glyphicon-home')).add_to(my_map)

my_map

위에서 입력한 코드와 유사하지만 도로명 주소를 사용자에게 입력받기 때문에 입력받은 주소를 함수를 통해 위도 경도로 변환하여 저장하기때문에 위도 경도 입력시 crd['lat], crd['lng']로 입력해야한다.

이렇게 입력한 주소 중심으로 무료 와이파이가 표시된다.