Project 2 - 서울시 범죄 현황 데이터 분석 (4)

August 25, 2024 4 분 소요

서울시 범죄현황 데이터 시각화

crime_anal_norm.head()

	살인	강도	강간	절도	폭력	강간검거율	강도검거율	살인검거율	절도검거율	폭력검거율	인구수	CCTV	범죄	검거
구별
강남구	0.357143	1.000000	1.000000	0.977118	0.733773	80.038760	100.000000	100.000000	53.470867	88.130935	561052	3238	0.813607	84.328112
강동구	0.285714	0.358974	0.310078	0.477799	0.463880	95.000000	92.857143	100.000000	51.425314	86.996047	440359	1010	0.379289	85.255701
강북구	0.500000	0.128205	0.420543	0.332879	0.509351	73.271889	80.000000	85.714286	54.991817	89.344852	328002	831	0.378196	76.664569
관악구	0.428571	0.307692	0.624031	0.572868	0.593143	81.987578	83.333333	100.000000	44.555397	83.678516	520929	2109	0.505261	78.710965
광진구	0.285714	0.282051	0.540698	0.718060	0.438577	83.870968	54.545455	100.000000	40.098634	84.071906	372298	878	0.453020	72.517393

pairplot 강도, 살인, 폭력에 대한 상관관계 확인

sns.pairplot(data=crime_anal_norm, vars=["살인", "강도", "폭력"], kind="reg", height=3);

“인구수”, “CCTV”와 “살인”, “강도”의 상관관계 확인

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

“인구수”, “CCTV” 와 “살인검거율”, “폭력검거율”의 상관관계 확인

def drawGraph():
    sns.pairplot(data=crime_anal_norm, 
                 x_vars=["인구수", "CCTV"],
                 y_vars=["살인검거율", "폭력검거율"], 
                 kind="reg",
                 height=4)
    plt.show()
drawGraph()

“인구수”, “CCTV” 와 “절도검거율”, “강도검거율”의 상관관계 확인

def drawGraph():
    sns.pairplot(data=crime_anal_norm, 
                 x_vars=["인구수", "CCTV"],
                 y_vars=["절도검거율", "강도검거율"], 
                 kind="reg",
                 height=4)
    plt.show()
drawGraph()

검거율 heatmap

# "검거" 컬럼을 기준으로 정렬

def drawGraph():
    
    # 데이터 프레임 생성
    target_col = ["강간검거율", "강도검거율", "살인검거율", "절도검거율", "폭력검거율", "검거"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(by="검거", ascending=False) # 내림차순
    
    # 그래프 설정
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True, # 데이터 값 표현
        fmt="f", # d: 정수, f: 실수
        linewidths=0.5, # 간격설정
        cmap="RdPu"
    )
    plt.title("범죄 검거 비율(정규화된 검거의 합으로 정렬)")
    plt.show()
drawGraph()    

범죄발생 건수 heatmap

# "범죄" 컬럼을 기준으로 정렬

def drawGraph():
    
    # 데이터 프레임 생성
    target_col = ["살인", "강도", "강간", "절도", "폭력", "범죄"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(by="범죄", ascending=False) # 내림차순
    
    # 그래프 설정
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True, # 데이터값 표현
        fmt="f", # 실수값으로 표현
        linewidth=0.5, # 간격설정
        cmap="RdPu"
    )
    plt.title("범죄 비율(정규화된 발생 건수로 정렬)")
    plt.show()
drawGraph()

데이터 저장

crime_anal_norm.to_csv("../data/02. crime_in_Seoul_final.csv", sep=",", encoding="utf-8")

folium

folium.Map()

location: tuple or list, default None Latitude and Longitude of Map (Northing, Easting).
```
m = folium.Map(location=[37.5665512, 126.97805437], zoom_start=18) # 0 ~ 18
m
```

save(“path”)

m.save("./folium.html")

tiles option

“OpenStreetMap”
“Mapbox Bright” (Limited levels of zoom for free tiles)
“Mapbox Control Room” (Limited levels of zoom for free tiles)
“Stamen” (Terrain, Toner, and Watercolor)
“Cloudmade” (Must pass API key)
“Mapbox” (Must pass API key)
“CartoDB” (positron and dark_matter) ```py m = folium.Map( location=[37.5665512, 126.97805437], zoom_start=14, # 0 ~ 18 tiles=”openstreetmap” ) folium.Marker((37.56583779,126.97512197)).add_to(m) folium.Marker( location=[37.5665512, 126.97805437], popup=”서울”, tooltip=”서울” ).add_to(m) m

folium.Marker( location=[37.54878936,126.973356], popup=”<a href=’https://zero-base.co.kr/’ target=_‘blink’>제로베이스</a>”, tooltip=”Zerobase” ).add_to(m) m

![](https://velog.velcdn.com/images/yy2hi/post/5cafd53d-8bb5-45a7-bc67-63692167196a/image.png)

---

### folium.Marker()
- 지도에 마커 생성

```py
m = folium.Map(
    location=[37.5665512, 126.97805437],
    zoom_start=14, # 0 ~ 18
    tiles="openstreetmap"
    )
folium.Marker((37.56583779,126.97512197)).add_to(m)
folium.Marker(
    location=[37.5665512, 126.97805437],
    popup="<b>서울</b>",
    tooltip="<i>서울</i>"
).add_to(m)
m

folium.Marker(
    location=[37.54878936,126.973356],
    popup="<a href='https://zero-base.co.kr/' target=_'blink'>제로베이스</a>",
    tooltip="<i>Zerobase</i>"
).add_to(m)
m

folium.Icon()

https://www.w3schools.com/bootstrap/bootstrap_ref_comp_glyphs.asp
https://fontawesome.com/icons

m = folium.Map(
    location=[37.5665512, 126.97805437],
    zoom_start=13, # 0 ~ 18
    tiles="openstreetmap"
    )

# icon basic
folium.Marker(
(37.54878936,126.97336),
icon=folium.Icon(color="black", icon='info-sign')
).add_to(m)

# icon _color
folium.Marker(
    (37.54712, 127.047219),
    popup="<b>Subway</b>",
    tooltip="icon_color",
    icon=folium.Icon(
        color="red",
        icon_color="pink",
        icon="cloud"
    )
).add_to(m)

# Icon custom
folium.Marker(
    location=[37.540372,127.069276],
    popup="건대입구역",
    tooltip="Icon custiom",
    icon=folium.Icon(
        color="purple",
        icon_color="white",
        icon="glyphicon-cloud",
        angle=50,
        prefix="glyphicon") # glyphicon
).add_to(m)

# tooltip
folium.Marker(
    location=[37.544569,127.055974],
    popup="<b>Subway</b>",
    tooltip="<i>성수역</i>"
).add_to(m)

# html
folium.Marker(
    location=[37.5030426,127.041588],
    popup="<a href='https://zero-base.co.kr/' target=_'blink'>제로베이스</a>",
    tooltip="<i>Zerobase</i>"
).add_to(m)

m

folium.ClickForMarker()

지도위에 마우스로 클릭했을 때 마커 생성 ```py m = folium.Map( location=[37.5445, 127.0558], zoom_start=14, tile=”OpenStreetMap” )

m.add_child(folium.ClickForMarker(popup=”ClickForMarker”))

![](https://velog.velcdn.com/images/yy2hi/post/346920ba-4883-4788-8156-858e9c1fde07/image.png)

---

### folium.LatLngPopup()
- 지도를 마우스로 클릭했을 때 위도 경도 정보 반환
```py
m = folium.Map(
    location=[37.5445, 127.0558],
    zoom_start=14,
    tile="OpenStreetMap"
)

m.add_child(folium.LatLngPopup())

folium.Circle(), folium.CircleMarker()

m = folium.Map(
    location=[37.5445, 127.0558],
    zoom_start=14,
    tile="OpenStreetMap"
)

# Circle
folium.Circle(
    location=[37.5574, 127.04370],
    radius=100,
    fill=True,
    color="#eb9e34",
    fill_color="red",
    popup="Circle Popup",
    tooltip="Circle Tooltip"
).add_to(m)

# CircleMarker
folium.Circle(
    location=[37.5434, 127.04470],
    radius=100,
    fill=True,
    color="#34ebc6",
    fill_color="#c636eb",
    popup="CircleMarker Popup",
    tooltip="CircleMarker Tooltip"
).add_to(m)

m

folium.Choropleth

state_data = pd.read_csv("../data/02. US_Unemployment_Oct2012.csv")
state_data.tail(2)

	State	Unemployment
48	WI	6.8
49	WY	5.1

m = folium.Map([43, -102], zoom_start=3)
folium.Choropleth(
    geo_data="../data/02. us-states.json", # 경계선 좌표값이 담긴 데이터
    data=state_data, #Series or DataFrame
    columns=["State", "Unemployment"], # DataFrame columns
    key_on="feature.id",
    fill_color="BuPu",
    fill_opacity=1, # 0~1
    line_opacity=1, # 0~1
    legend_name="unemployment rate (%)" 
).add_to(m)

m

아파트 유형 지도 시각화

공공데이터포털, https://data.go.kr/data/15066101/fileData.do

df = pd.read_csv("../data/02. 서울특별시 동작구_주택유형별 위치 정보 및 세대수 현황_20210825.csv", encoding="cp949")
df.tail(2)

	연번	분류	건물명	행정동	주소	세대수	위도	경도
165	166	연립주택	능내연립	사당5동	서울특별시 동작구 사당로8길 39	22	37.483599	126.968672
166	167	연립주택	천록	대방동	서울특별시 동작구 등용로 43	29	37.505475	126.933434

NaN 데이터 제거

df = df.dropna()
df.info()

=>

<class 'pandas.core.frame.DataFrame'>
Int64Index: 163 entries, 0 to 166
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   연번      163 non-null    int64  
 1   분류      163 non-null    object 
 2   건물명     163 non-null    object 
 3   행정동     163 non-null    object 
 4   주소      163 non-null    object 
 5   세대수     163 non-null    int64  
 6   위도      163 non-null    float64
 7   경도      163 non-null    float64
dtypes: float64(2), int64(2), object(4)
memory usage: 11.5+ KB
-------------------------------------------
df = df.reset_index(drop=True)
df.tail(2)

	연번	분류	건물명	행정동	주소	세대수	위도	경도
161	166	연립주택	능내연립	사당5동	서울특별시 동작구 사당로8길 39	22	37.483599	126.968672
162	167	연립주택	천록	대방동	서울특별시 동작구 등용로 43	29	37.505475	126.933434

df.columns

=>

Index(['연번 ', '분류 ', '건물명', '행정동', '주소', '세대수', '위도', '경도'], dtype='object')
--------------------------------------------------------------------------
df["연번 "]

=>

0        1
1        2
2        3
3        4
4        5
      ... 
158    163
159    164
160    165
161    166
162    167
Name: 연번 , Length: 163, dtype: int64
-----------------------------------------------------------
df = df.rename(columns={"연번 ": "연번", "분류 ": "분류"})
df.연번[:10]

=>

0     1
1     2
2     3
3     4
4     5
5     6
6     7
7     8
8     9
9    10
Name: 연번, dtype: int64
------------------------
del df["연번"]
df.tail(2)

	분류	건물명	행정동	주소	세대수	위도	경도
161	연립주택	능내연립	사당5동	서울특별시 동작구 사당로8길 39	22	37.483599	126.968672
162	연립주택	천록	대방동	서울특별시 동작구 등용로 43	29	37.505475	126.933434

df.describe()

	세대수	위도	경도
count	163.000000	163.000000	163.000000
mean	371.920245	37.497442	126.949817
std	413.115354	0.009532	0.019861
min	21.000000	37.477376	126.906940
25%	86.000000	37.490626	126.933284
50%	199.000000	37.496940	126.949902
75%	518.500000	37.505321	126.967196
max	2621.000000	37.514280	126.981966

folium

# folium

m = folium.Map(
    location=[37.497112,126.94437795],
    zoom_start=13)
for idx, rows in df.iterrows():
    # location
    lat, lng = rows.위도, rows.경도
    
    # Marker
    folium.Marker(
        location=[lat, lng],
        popup=rows.주소,
        tooltip=rows.분류,
        icon=folium.Icon(
            icon="home",
            color="lightred" if rows.세대수 >= 199 else "lightblue",
            icon_color="darked" if rows.세대수 >= 199 else "darkblue",
        )
    ).add_to(m)

    # CircleMarker
    folium.Circle(
        location=[lat, lng],
        radius=rows.세대수 * 0.5,
        fill=True,
        color="pink" if rows.세대수 >= 518 else "green",
        fill_color="pink" if rows.세대수 >= 518 else "green",
    ).add_to(m)
    
m

Twitter Facebook LinkedIn

Project 2 - 서울시 범죄 현황 데이터 분석 (4)

서울시 범죄현황 데이터 시각화

pairplot 강도, 살인, 폭력에 대한 상관관계 확인

“인구수”, “CCTV”와 “살인”, “강도”의 상관관계 확인

“인구수”, “CCTV” 와 “살인검거율”, “폭력검거율”의 상관관계 확인

“인구수”, “CCTV” 와 “절도검거율”, “강도검거율”의 상관관계 확인

검거율 heatmap

범죄발생 건수 heatmap

데이터 저장

folium

folium.Map()

save(“path”)

tiles option

folium.Icon()

folium.ClickForMarker()

folium.Circle(), folium.CircleMarker()

folium.Choropleth

아파트 유형 지도 시각화

NaN 데이터 제거

folium

공유하기

참고

Project 3 - Web Parsing

Project 4 - 시카고 맛집 데이터 분석

Project 8 - 인구 소멸 위기 지역 데이터 분석

Project 5 - 네이버 영화 평점 사이트 분석