EDA - 범죄 4

slocat·2023년 12월 2일

start-data

목록 보기

31/75

8. 데이터 시각화

pairplot으로 상관관계 확인하기

kind ➡ scatter, kde, hist, reg

# [인구수, CCTV]와 [살인, 강도]의 상관관계
def drawGraph():
    sns.pairplot(
        data=crime_anal_norm,
        x_vars=["인구수", "CCTV"],
        y_vars=["살인", "강도"],
        kind="reg",
        height=4
    )
    plt.show()
    
drawGraph()

CCTV-강도 데이터의 관계 : 강도 사건이 많이 발생해서 CCTV를 늘렸다고 보는 게 더 적절하고, 이상치가 없으면 더 완만해질 것이다.

heatmap - 범죄 비율, 범죄 검거 비율

def drawGraph():
    # 데이터 프레임 생성
    target_col = ["강간", "강도", "살인", "절도", "폭력", "범죄"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(by="범죄", ascending=False)
    
    # 그래프 설정
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True,
        fmt="f",
        linewidths=0.5, # 박스 간 간격 설정
        cmap="RdPu"
    )
    plt.title("범죄 비율(정규화된 발생 건수의 합으로 정렬)")
    plt.show()

drawGraph()

9. 지도 시각화

서울시 구별 경계선의 위도, 경도 json 파일이 필요하다.

인구 대비 범죄 발생 건수

tmp_criminal = crime_anal_norm["범죄"] / crime_anal_norm["인구수"]

tiles = "https://tiles.stadiamaps.com/tiles/stamen_toner/{z}/{x}/{y}{r}.png?api_key=인증키"
attr = "toner"

my_map = folium.Map(
    location=[37.5502, 126.982],
    zoom_start=11,
    tiles=tiles,
    attr=attr
)

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="인구 대비 범죄 발생 건수"
).add_to(my_map)

my_map

# 5대 범죄 발생 건수
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=0.7,
    line_opacity=0.2,
).add_to(my_map)

# 경찰서 위치 마커 표시
for idx, row in crime_anal_station.iterrows():
    folium.Marker(
        location=[row["lat"], row["lng"]]
    ).add_to(my_map)

# 5대 범죄 검거율
for idx, row in crime_anal_station.iterrows():
    folium.CircleMarker(
        location=[row["lat"], row["lng"]],
        radius=row["검거"] * 50,
        popup=row["구분"] + ":" + "%.2f" % row["검거"],
        color="#3186cc",
        fill=True,
        fill_color="#3186cc"
    ).add_to(my_map)

10. 추가 검증 : 서울시 범죄 현황 장소별 분석

데이터 정리

crime_loc = crime_loc_raw.pivot_table(
    crime_loc_raw,
    index="장소",
    columns="범죄명",
    aggfunc=[np.sum]
)

crime_loc.columns = crime_loc.columns.droplevel([0, 1])

# 정규화
col = ['살인', '강도', '강간.추행', '절도', '폭력']
crime_loc_norm = crime_loc / crime_loc.max()

# "종합" 컬럼 추가
crime_loc_norm["종합"] = np.mean(crime_loc_norm, axis=1)

heatmap 그리기

# 데이터 정렬
crime_anal_norm_sort = crime_loc_norm.sort_values("종합", ascending=False)

# 시각화
def drawGraph():
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        crime_anal_norm_sort,
        annot=True,
        fmt="f",
        linewidths=0.5,
        cmap="RdPu"
    )
    plt.title("범죄 발생 장소")
    plt.show()