🐼 준비

# 한글깨짐 방지
import matplotlib as mpl
import matplotlib.pyplot as plt

%config InlineBackend.figure_format = 'retina'

!apt -qq -y install fonts-nanum

import matplotlib.font_manager as fm

fontpath = '/usr/share/fonts/truetype/nanum/NanumBarunGothic.ttf'
font = fm.FontProperties(fname=fontpath, size=9)
plt.rc('font', family='NanumBarunGothic') 
mpl.font_manager._rebuild()

# 라이브러리 임포트
import pandas as pd
import plotly.express as px

# 데이터 준비
df = pd.read_csv('/content/data.csv', encoding='EUC-KR')

🪄 데이터 분석

🚑 상세영업상태명 별 의료 기관 수

df['상세영업상태명'].value_counts()

gb_df = df.groupby(by=['상세영업상태명']).size().reset_index(name='의료기관수')
gb_df

👀 모두 영업중인 의료기관이 아니라 폐업 또는 휴업한 의료기관도 포함됨

# 히스토그램 그래프
px.histogram(gb_df, x='상세영업상태명', y='의료기관수')

# 파이그래프
px.pie(gb_df, names='상세영업상태명', values='의료기관수')

👀 의료기관들의 상세영업상태 별 비율을 파이그래프에서 쉽게 알아볼 수 있다.

---

🚑 지역별 의료기관 현황

lgb_df = df.groupby(by=['지역명', '도시명', '상세영업상태명', '의료기관종별명']).size()
lgb_df

👀 형광색 부분이 각 그룹의 사이즈로 size() 결과는 Series 이라는 1차원 배열 오브젝트로 반환 됨

lgb_df = df.groupby(by=['지역명', '도시명', '상세영업상태명', '의료기관종별명']).size().reset_index()
lgb_df

👀 reset_index로 인덱스 컬럼을 자료열의 가장 처음의 열로 설정

lgb_df = df.groupby(by=['지역명', '도시명', '상세영업상태명', '의료기관종별명']).size().reset_index(name='의료기관수')
lgb_df

👀 reset_index의 name을 통해 인덱스 명 지정

set_index와 reset_index

• reset_index를 검색하면 set_index와 연관되어 있는 설명이 많아서 정리

set_index : 기존의 행 인덱스를 제거하고 데이터 열 중 하나를 인덱스로 설정
reset_index : 기존의 행 인덱스를 제거하고 인덱스를 데이터 열로 추가

set_index

df.set_index("이름")

👀 위와같은 데이터 프레임에 set_index("이름")을 적용하면, "이름" 컬럼이 인덱스로 지정된 것을 확인할 수 있다.

reset_index

df.reset_index()

👀 같은 데이터 프레임에 reset_index()을 적용하면, 새로운 index라는 컬럼이 생성된 것을 볼 수 있다.

---

# 히스토그램 그래프
px.histogram(lgb_df, x='지역명', y='의료기관수')

# 파이그래프
px.pie(lgb_df, names='지역명', values='의료기관수')

px.histogram(lgb_df, x='지역명', y='의료기관수', color='상세영업상태명')

👀 color 옵션을 주면 색깔별로 나타낼 수 있다.

---

🚑 진료과목 워드클라우드

import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator

# 진료과목명을 하나의 text형태로 변환
text = " ".join(cont for cont in df.진료과목내용명.astype(str))
text

# 워드클라우드 시각화
plt.subplots(figsize=(25, 15))

wordcloud = WordCloud(background_color='black', width=1000, height=700, font_path=fontpath).generate(text)
plt.axis('off')
plt.imshow(wordcloud, interpolation='bilinear')
plt.show()

👀 글자가 클수록 많은 것

---

👩‍⚕️ 가장 가까운 의료기관 찾기

1. 영업중인 병원 중 내 위치와 가장 가까운 의료기관 5개 찾기
2. 내 위치는 도로명 주소로 입력받음
3. 내 위치 마커와 병원 마커를 표시하고 병원 마커를 클릭하면 병원명이 나오도록 시각화

# 1) 라이브러리 임포트
import folium
import pandas as pd
import plotly.express as px
from geopy.geocoders import Nominatim
from geopy.distance import geodesic

m = folium.Map(location=[36.3511, 127.3866], zoom_start=14)
m.add_child(folium.ClickForMarker(popup='point'))
m.add_child(folium.LatLngPopup())

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

# 3) 주소를 좌표로 변환할 함수 준비
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

# 4) 사용자에게 주소 입력받기
address = input('도로명 주소를 입력하세요 : ')
crd = geocoding(address)

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)

my_hos = pd.DataFrame(columns=['도시명','상세영업상태명','사업장명','위도','경도','거리'])

# 5) 주소를 좌표로 변환하여 tuple 형태로 변수에 담기
myhome = (crd['lat'], crd['lng'])

name = address.split(' ')[0]
data_name = data.loc[data.지역명.str.contains(name)]

for n in data_name.index:
  hos_loc = (data.loc[n, '위도'], data.loc[n, '경도']) # tuple
  
  # dataframe에 거리 계산하여 담기
  my_hos.loc[n] = [data.loc[n,'도시명'], data.loc[n, '상세영업상태명'], data.loc[n, '사업장명'], data.loc[n, '위도'], data.loc[n, '경도'], geodesic(myhome, hos_loc).kilometers]

my_hos = my_hos.loc[data_name.상세영업상태명.str.contains('영업중')]
my_hos = my_hos.sort_values(by=['거리']).head(5)

# 8) 지도 준비
my_map = folium.Map(location=[crd['lat'], crd['lng']], zoom_start=14)

# 9) 마커 표시
for n in my_hos.index:
  folium.Marker([my_hos.loc[n, '위도'], my_hos.loc[n, '경도']], popup='<pre>'+my_hos.loc[n, '사업장명']+'</pre>', icon=folium.Icon(icon='glyphicon glyphicon-plus')).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

👀 서울 강남구 가로수길 43 입력, 병원 마커는 파란색 플러스로 표시

---

🚩 소감 🚩

공부하면 할수록 모르는게 정말 많고 공부할 것도 많고 내용도 어려워지는 것 같다. 그래도 이해 안 되는 부분은 검색하면 많은 자료가 있고 책도 참고할 책이 많아서 좋긴한데 이것도 키워드를 잘 뽑아서 검색해야되는듯 ㅎㅎ.. 지도 시각화보다는 크롤링이 더 재밌는것같다 ^^...이번 연휴안에 수요일까지 공부한 내용 다 정리하고말게써,,,