범죄 5 ~ 6

yeoni·2023년 5월 4일

EDA Jupyter folium matplotlib python seaborn 스터디 노트

1. 서울시 범죄 현황에 대한 지도 시각화

import json
import folium
import pandas as pd
import numpy as np
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"))

살인발생 건수 지도 시각화

my_map= folium.Map(
    location=[37.5502, 126.982],
    Zoom_start=11,
    tiles="Stamen Toner"
)
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=1,
    line_opacity=1,
    legend_name="정규화된 살인 발생 건수"
).add_to(my_map)
my_map

성범죄발생 건수 지도 시각화

my_map= folium.Map(
    location=[37.5502, 126.982],
    Zoom_start=11,
    tiles="Stamen Toner"
)
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=1,
    line_opacity=1,
    legend_name="정규화된 강간 발생 건수"
).add_to(my_map)
my_map

5대 범죄 발생 건수 지도 시각화

my_map= folium.Map(
    location=[37.5502, 126.982],
    Zoom_start=11,
    tiles="Stamen Toner"
)
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=1,
    line_opacity=1,
    legend_name="정규화된 5대 범죄 발생 건수"
).add_to(my_map)
my_map

인구대비 범죄 발생 건수 지도 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 좌표값이 담긴 데이터
    data=tmp_criminal,
    columns=[crime_anal_norm.index, tmp_criminal],
    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)
my_map

경찰서별 범죄발생 시각화

경찰서별 범죄검거 정규화, 평균
지역별 범죄 Choropleth
경찰서별 검거 CircleMarker

#경찰서별 정보를 범죄발생과 함께 정리
crime_anal_station=pd.read_csv("../data/02. crime_station_raw.csv", encoding="utf-8")

col = ["살인검거", "강도검거", "강간검거", "절도검거", "폭력검거"]
tmp = crime_anal_station[col] / crime_anal_station[col].max() #정규화

crime_anal_station["검거"]=np.mean(tmp, axis=1)#가로 평균

# folium
my_map = folium.Map(
    location=[37.5502, 126.982], zoom_start=12
)

# 지역별 범죄 Choropleth
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)

# 경찰서별 검거 CircleMarker
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

2. 서울시 범죄 현황 발생 장소 분석

장소에 따른 범죄 데이터 프레임 pivot_table로 처리
정규화
정렬
heatmap

추가 검증

# 데이터 처리
crime_loc_raw=pd.read_csv("../data/02. crime_in_Seoul_location.csv", thousands=',', encoding="euc-kr")

# 데이터 확인
crime_loc_raw.info()
crime_loc_raw.범죄명.unique()
crime_loc_raw["장소"].unique()

# DataFrame pivot_table
crime_loc = crime_loc_raw.pivot_table(
    crime_loc_raw, index="장소", columns="범죄명", aggfunc=[np.sum]
)
# MultiIndex 해결
crime_loc.columns=crime_loc.columns.droplevel([0, 1])

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)

#heatmap
import matplotlib.pyplot as plt
from matplotlib import rc
import seaborn as sns
rc("font", family="Arial Unicode MS")
%matplotlib inline

crime_loc_norm_sorts=crime_loc_norm.sort_values("종합", ascending=False) #내림차순

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