10. 전국 도시공원 데이터 프로젝트

전국 도시공원 데이터 프로젝트

 

사용할 라이브러리 import

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

한글폰트 설치 및 등록

!sudo apt-get install -y fonts-nanum
!sudo fc-cache -fv
!rm ~/.cache/matplotlib -rf

plt.rc("font", family="NanumBarunGothic")

 

사용할 전국 도시공원 데이터셋

park = pd.read_csv("/content/drive/MyDrive/데이터분석/전국도시공원표준데이터 (2).csv", encoding="ms949")
park.head()

 

행, 열 개수 확인

park.shape # (18137, 20)

 

간략한 정보 확인

park.info()

 

결측값 확인

park.isnull().sum()

 

컬럼 확인

park.columns

 

필요없는 컬럼 제거

# inplace=Ture로 재할당 하지 않아도 즉시 적용
park.drop(columns=['공원보유시설(운동시설)', '공원보유시설(유희시설)', '공원보유시설(편익시설)', '공원보유시설(교양시설)','공원보유시설(기타시설)', '지정고시일', '관리기관명', 'Unnamed: 19'], inplace=True)

 

잘 제거 되었는지 head()로 확인

park.head()

 

위치를 기준으로 산점도 그래프 그리기

# x축은 '위도', y축은 '경도'로 산점도 그래프 그리기
park.plot.scatter(x="경도", y="위도", figsize=(8,10), grid=True)

 

boxplot으로 위도의 이상치 확인

sns.boxplot(y=park["위도"])

위도 27도 쯤에 찍힌 값이 이상치라고 예상됨

 

boxplot으로 경도의 이상치 확인

sns.boxplot(y=park["경도"])

경도 138도 쯤에 찍힌 값이 이상치라고 예상됨

 

이상치가 예상되는 데이터 확인

# 시리즈 비교 : |, & 사용
# 위도가 32도보다 작거나, 경도가 132도보다 큰 데이터 출력
park.loc[(park["위도"] < 32) | (park["경도"] > 132)]

 

이상치가 예상되는 데이터 따로 저장

# park_loc_error에 이상치로 예상되는 데이터 넣기
park_loc_error = park.loc[(park["위도"] < 32) | (park["경도"] > 132)]

 

올바른 데이터만 추출

park = park.loc[(park["위도"] >= 32) | (park["경도"] <= 132)]

 

shape 확인

park.shape # (18137, 12)

 

"공원면적비율" 파생변수 만들기

# sqrt(공원면적) * 0.01를 람다식으로 사용하여 공원면적비율 구하기
park["공원면적비율"] = park["공원면적"].apply(lambda x : np.sqrt(x) * 0.01)

 

head 확인

park.head()

 

"도로명 주소"는 입력되지 않고, "지번 주소"만 입력된 데이터를 확인

# "소재지도로명주소"는 결측값이고, "소재지지번주소"는 결측값이 아닌 데이터 출력
park.loc[park["소재지도로명주소"].isnull() & park["소재지지번주소"].notnull()]

 

"도로명 주소"와 "지번 주소"가 모두 입력된 데이터를 확인

park.loc[park["소재지도로명주소"].notnull() & park["소재지지번주소"].notnull()]

 

"도로명 주소"와 "지번 주소"가 모두 입력되지 않은 데이터를 확인

park.loc[park["소재지도로명주소"].isnull() & park["소재지지번주소"].isnull()]

존재하지 않음

 

도로명 주소가 입력되지 않은 데이터를 지번 주소로 대신 채움

# inplace=True로 즉시 적용
park["소재지도로명주소"].fillna(park["소재지지번주소"], inplace=True)

 

head 확인

park.head()

 

'도로명주소'에서 "시도"만 추출하여 "시도" 파생변수 만들기

 

1.  '도로명주소' 컬럼에서 '시도' 값 인덱스 찾아보기

# split(' ', expand=True) : 데이터프레임으로 해당 데이터가 분리되고 인덱싱과 슬라이싱이 가능
#     0       1     2       3
# 부산광역시 강서구 구랑동 1199-7
park["소재지도로명주소"].str.split(' ', expand=True)

0번 컬럼이 '시도'인 것을 확인

 

2.  '시도' 파생변수 만들고, 추출한 '시도'  대입

park["시도"] = park["소재지도로명주소"].str.split(' ', expand=True)[0]

 

head 확인

park.head()

'시도' 파생변수가 잘 추가됨

 

'시도' 컬럼 값 종류 확인

park["시도"].value_counts()

'강원' 데이터 확인

 

'시도'에 '강원'을 '강원도'로 변경

park["시도"][park["시도"] == "강원"] = "강원도"

 

'시도' 컬럼 값 종류 재확인

park["시도"].value_counts()

 

시도를 기준으로 산점도 그래프 그리기

plt.figure(figsize=(8, 10))
# 사용할 데이터프레임: park
# x축: 경도, y축: 위도
# '시도' 컬럼에 따라 색상 구분하여 표기
sns.scatterplot(data=park, x="경도", y="위도", hue="시도")

 

'시도별 합계 데이터 저장

park_sido = pd.DataFrame(park["시도"].value_counts())
park_sido

 

전체 합계에 대한 '시도'별 비율 데이터 저장

# value_counts(normalize=True): 전체 합계에 대한 비율이 계산
park_sido_normalize = pd.DataFrame(park["시도"].value_counts(normalize=True))
park_sido_normalize

 

시도별 합계 데이터(park_sido)와 비율 데이터(park_sido_normalize)를 병합

# left_index=True, right_index=True 를 사용하여 index를 기준으로 병합하고,
# reset_index()를 사용하여 병합 후 인덱스 리셋
park_sido = park_sido.merge(park_sido_normalize, left_index=True, right_index=True).reset_index()
park_sido

 

컬럼명 다시 설정

park_sido.columns= ["시도", "합계", "평균"]
park_sido

 

'시도'별 도시공원 합계를 막대 그래프로 그리기

plt.figure(figsize=(12,8))
plt.xticks(rotation=45)
sns.barplot(data=park_sido, x="시도", y="합계")

경기도가 도시공원이 가장 많은걸 알 수 있음

 

plt.figure(figsize=(12,8))
sns.barplot(data=park_sido, x="합계", y="시도")

가로 세로 변경