🚩 프로젝트 개요 및 목표

개요

이번 프로젝트는 제로베이스에서 데이터 취업스쿨을 수강 중 진행한 프로젝트로 제로베이스에서 제공된 데이터를 사용했다.

활용 데이터

• 서울 범죄 데이터(제로베이스에서 제공)
• 서울 인구수 CCTV 분석 데이터 (1차시에서 했던 프로젝트 결과물)

목표

1. 인구수와 범죄의 관계 파악
2. CCTV 개수와 범죄의 관계 파악
3. googlemaps 모듈 활용해 위치 정보 추출
4. 검거율을 통한 경찰서의 검거 능력 파악
5. seaborn, folium을 활용한 각종 데이터 시각화

🚩 1. 서울 범죄 데이터 살펴보기

🔎 원본파일 불러오기

🔎 info()로 데이터를 확인 해보자.

- index가 0 ~ 65533으로 나오는데 데이터 개수는 310개다.
    - 뭔가 이상하니 데이터를 더 살펴 봐야한다.
    - 특정 컬럼(여기서는 죄종)을 unique() 함수를 활용해 조사해보자.

- nan값이 들어 있음을 확인.
    - notnull() 함수를 활용해 마스킹하자.
    - 마스킹이란 원하는 조건으로 다시 데이터프레임으로 만드는 방법이다.
    - 원하는 조건 : nan(null) 값은 제거한 데이터 프레임

🔎 마스킹 작업

- notnull()을 사용해보니 데이터와 인덱스가 서로 310개가 잘 맞는다.
- 마스킹 후 다시 변수에 담아줘서 사용할 수 있게 해야 한다.

🚩 2. 데이터 프레임 튜닝( pivot_table()활용)

🔎 pivot_table()을 활용해 데이터 프레임 튜닝

- 구분 컬럼을 인덱스로.
- 각 범죄검거, 발생으로 컬럼 구분.
    => | 구분 | 살인발생 | 살인검거 |.....

- 여기서 컬럼명을 보면 당황할 것이다.
	- 이는 pivot테이블을 사용하며 컬럼명들이 합쳐졌기 때문이다.
	- 이를 멀티 컬럼이라하며 불필요한 멀티 컬럼을 없애주자.

🔎 멀티 컬럼 제거 하기

- 각 컬럼명이 4개 씩 들어있다.
    - 앞에 sum, '건수'는 컬럼명에서 필요가 없으니 지워주자.
    - 컬럼명을 지우는 함수는 droplevel([])

- 현재 인덱스의 정보는 각 경찰서 이름으로 되어있다.
    - 각 경찰서가 어디 구에 있는지 지역구 위치정보가 필요하다.
    - Google Maps API를 활용해 지역이름 찾아보자.

🚩 3. 경찰서 위치 정보 찾기(Google Maps API 활용)

🔎 googlemaps 셋팅

활용 셋팅 법은 구글에 잘 나와있으니 찾아보길 바란다.
여기서는 포스팅 안하겠다.
모듈을 불러와 하나의 경찰서를 검색해보자

- 결과가 리스트로 나오고 안에는 딕셔너리가 들어있다.
- 리스트 요소에 접근, 딕셔너리에서 get(key)을 사용해 원하는 value(위도,경도,지역구) 값을 반환하자

🔎 경찰서 위치 정보 컬럼 추가

- 이제 원본데이터에 추가하자.
    - 각 지역이름 컬럼 : 구별
    - 위도 : lat
    - 경도 : lng

• 이 후 전부 출력해봤더니 종암 경찰서가 제대로 추출이 안됬다.

• 종암경찰서를 검색해보니 성북구에 위치해있다. 성북구로 직접 변경해주자.

🚩 4. 데이터 정리 및 추가

🔎 컬럼명 깔끔하게 정리

- 현재 각 범죄들 컬럼명이 "강도", "발생", "강도", "검거" 이렇게 따로 있다.
- 이를  강도검거, 강도발생, 살인검거, 살인발생 이런식으로 바꾸자.
- 반복작업에 리스트를 반환하니 리스트 컴프리헨션 방법을 사용해보자.
- 또한 위도, 경도 컬럼은 제거하자.

🔎 지역이름을 인덱스로 변경

- CCTV 데이터 프레임과 합치기 위해 각 구 이름이 인덱스로 오게 만들자.
    - pivot_table을 활용

🔎 각 범죄의 검거율 컬럼 추가

- 이제 검거 컬럼은 삭제
- 범죄발생 컬럼은 범죄 컬럼으로 치환하자
    - 살인발생 => 살인

- 여기서 검거율을 잘 보면 100이상 값이 보인다.
    - 상식적으로 검거율이 100이 넘을 수가 없다.
    - 몇 년 전 미해결 이었던 범죄를 집계 당시 검거하면서 검거 집계수가 올라갔을 수 있다고 추측해본다.
    - 일단 100이상인 검거율은 100으로 마스킹 하자.

🚩 5. 데이터 튜닝 (정규화)

- 범죄 데이터 값의 천의 자리 까지 나타나서 편차가 클 경우 시각화에 어려움이 있다.
- 최고값을 1. 최소값을 0으로 정규화하는 작업을 하자.
- 각 범죄 컬럼 값들을 각 범죄컬럼의 max값으로 나누면 정규화가 된다.

🚩 6. 데이터 추가 (1차시 결과 데이터)

• 1차시에 했던 CCTV 자료에서 인구수와 CCTV 소계 컬럼을 추가하자.

🚩 7. 데이터 튜닝

- 범죄의 종류를 다 합친 범죄 컬럼을 만들어서 경향을 비교하는게 좋을 것 같다.
- 이때 범죄 컬럼을 다 합쳐 평균을 내어 범죄 컬럼으로 만들 것이다.
- 검거율도 다 합쳐 하나의 검거 컬럼으로 만들자.

🚩 8. 저장

- 데이터 정리 및 튜닝은 어느정도 끝났다.
- 이제 시각화를 하기 전에 저장하자.

• 시각화에 앞서 seaborn, folium의 간단한 사용법을 먼저 포스트 하겠다.