1. 프로젝트 개요
- 실제 강남3구가 범죄로부터 안전한가?
- GoogleMaps, Folium, Seaborn, PivotTable 할습
2. 데이터 개요
- thousands
df = pd.read_csv('path', thousands=',', encoding='euc-kr') - thousands 숫자값을 문자로 인식 할 수 있어서 설정 why? 세자리마다 콤마(,)로 구분되어 있어
- unique를 사용하여 nan 값
- 특정 column의 value 값 중 nan 이 있는지 확인할 때, unique()를 사용해도 된다
- isnull(), notnull()
- 결측치가 아닌 것만 사용하고 싶을때, drop 하지 않고 notnull()로 지정하여 변수처리 해도 된다
3. 서울시 범죄 현황 데이터 정리
- 다중 컬럼
- pivot_table을 활용해 columns를 죄종, 발생검거 지정
- 다중 컬럼이 발생하여 없애 줘야함
crime_station.columns = crime_station.columns.droplevel([0,1])
crime_station.columns5. Google Maps API
- 구글맵 불러오기
gmaps = googlemaps.Client(key = gmaps_key)
temp = gmaps.geocode('위치 지정!', language = 'ko')6. 맵에서 필요한 정보 찾기
- 필요한것
- 경찰서 이름으로 구 이름 알아내야 한다(formatted_address)
- 위도 경도 정보(geometry)
- 현재 gmaps는 하나의 리스트 안에 있다.
temp[0].get('formatted_address')['location']['lat']- 아무튼 잘 찾아 가야한다~~
- iterrows()를 사용해 추가
for idx, row in crime_station.iterrows():
#print(type(idx))
station_name = '서울' + idx + '경찰서'
print(station_name)
temp = gmaps.geocode(station_name, language='ko')
#print(temp)
temp[0].get('formatted_address')
temp_gu = temp[0].get('formatted_address').split() # 찾아야될거.있는위치
lat = temp[0].get('geometry')['location']['lat']
lng = temp[0].get('geometry')['location']['lng']
crime_station.loc[idx,'lat'] = lat
crime_station.loc[idx,'lng'] = lng
if len(temp_gu) >=3:
crime_station.loc[idx,'구별'] = temp_gu[2]
else:
print(f'이상한 것 : {idx}')
continue
crime_station
- 멀티컬럼 지우기
- 멀티컬림 하나식 접근
crime_station.columns.get_level_values(0)- list for문으로 합쳐주기
tmp = [
crime_station.columns.get_level_values(0))[n]
+ crime_station.columns.get_level_values(1)[n]
for n in range(0, len(crime_station.columns.get_level_values(0))
]7. 구별 데이터 정리
- 데이터를 읽어올 때, 특정 컬럼 인덱스 지정
crime_anal_station = pd.read_csv(
'../data/02. my_crime_in_Seoul_raw.csv', index_col=0, encoding='utf-8'
) - index_col 인덱스 컬럼 설정하기 위한 옵션
- 다수의 컬럼을 다른 컬럼으로 나누기
crime_anal_gu[['강도검거','살인검거']].div(crime_anal_gu['강도발생'], axis = 0).head()- 다수의 컬럼을 다수의 컬럼으로 각각 나누기
num = ['강간검거', '강도검거', '살인검거','절도검거','폭력검거']
den = ['강간발생', '강도발생', '살인발생','절도발생','폭력발생']
crime_anal_gu[num].div(crime_anal_gu[den].values)
crime_anal_gu[num] / crime_anal_gu[den].values8. 데이터 정리
- MinMaxScaler()
- column / column.max()
9. 시각화
- pairplot
def drawGraph():
sns.pairplot(
data=crime_anal_norm,
x_vars=['인구수','CCTV'],
y_vars=['살인','강도'],
kind='reg',
height=4
)
plt.show()
drawGraph()- x_vars를 이용해 원하는 x를 가져와 사용할 수 있다.
- y_vars를 이용해 원하는 y를 가져와 사용할 수 있다.
- kind : 그래프 종류
- height : 크기
10 범죄 현황에 대한 지도 시각화
e.g)
# 5대 범죄 검거 건수 지도 시각화
my_map = folium.Map(
location =[37.5502,126.982],
zoom_start = 11,
tiles = 'Stamen Toner'
)
folium.Choropleth(
geo_data = geo_str,
data = crime_anal_norm,
columns=[crime_anal_norm.index, '검거'],
key_on = 'feature.id',
fill_color = 'PuRd',
fill_opacity=0.7,
line_opacity=0.2,
legend_name='정규화된 범죄 발생 건수'
).add_to(my_map)
my_map- 경찰서 정보와 범죄발생과 함께 정리
my_map = folium.Map(
location = [37.5502,126.982],
zoom_start= 11
)
folium.Choropleth(
geo_data = geo_str,
data = crime_anal_norm,
columns=[crime_anal_norm.index, '범죄'],
key_on = 'feature.id',
fill_color = 'PuRd',
fill_opacity=0.7,
line_opacity=0.2,
).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_map11. 서울시 범죄 현황 발생 장소 분석
- 인덱스 : 장소, 컬럼 : 범죄명
- 데이터 정규화
- 정규화값의 평균을 대표값 사용
- 결과를 heatmap
crime_loc_norm_sort = crime_loc_norm.sort_values('총합', ascending=False)
def drawGraph():
plt.figure(figsize=(10,10))
sns.heatmap(
crime_loc_norm_sort,
annot = True,
fmt = 'f',
linewidths=0.5,
cmap='RdPu'
)
plt.title('범죄발생장소')
plt.show()
drawGraph()
Easy day!