데이터 분석의 4단계

1) 데이터 불러오기

import pandas as pd
commercial = pd.read_csv('./data/commercial.csv')

2) 데이터 살펴보기

commercial.tail(5)
list(commercial)  #칼럼 살펴보기

3) 데이터 가공하기

commercial[['시', '구', '상세주소']] = commercial['도로명주소'].str.split(' ', n=2, expand=True) #도로명 잘라 정리하기
seoul_data = commercial[commercial['시']=='서울특별시'] #필요한 데이터만 남기기

groupdata = seoul_chicken_data.groupby('구')
group_by_category = groupdata['상권업종소분류명']
chicken_count_gu = group_by_category.count()
sorted_chicken_count_gu = chicken_count_gu.sort_values(ascending=False)
sorted_chicken_count_gu

4) 데이터 시각화

• 어울리는 그래프 찾기
  [1] 바 그래프: 각 항목들의 수치와 순위를 볼 때
  [2] 라인 그래프: 이전 항목들 혹은 흐름에 따라 데이터의 관계를 볼 때
  [3] 파이 차트: 비율을 볼 때
  [4] 히트맵: 두 개 축의 수치를 한 눈에 볼 때
  
  [5] 지도: 지리 정보를 한 눈에 볼 때

#지도에 표현하기 & 필요한 라이브러리
import matplotlib.pyplot as plt
import folium  #folium 설치하기 conda install -c conda-forge folium
import json

# https://raw.githubusercontent.com/southkorea/seoul-maps/master/kostat/2013/json/seoul_municipalities_geo_simple.json
seoul_state_geo = './data/seoul_geo.json'
geo_data = json.load(open(seoul_state_geo, encoding='utf-8'))

map = folium.Map(location=[37.5502, 126.982], zoom_start=10)

folium.Choropleth(geo_data=geo_data,
              data=chicken_count_gu,
              columns=[chicken_count_gu.index, chicken_count_gu],
              fill_color='PuRd',
              key_on='feature.properties.name').add_to(map)

map