공공포탈 데이터 이용해 지도에 좌표 표시해보기

 

공공데이터포털(data.go.kr)에서 소상공인시장진흥공단_상사(상권)정보¶

 

In [3]:

import pandas as pd
import numpy as np
from konlpy.tag import Okt
from wordcloud import WordCloud
import seaborn as sns
import datetime
from PIL import Image
from collections import Counter
import matplotlib.pyplot as plt
import folium

 

In [4]:

import warnings
warnings.filterwarnings(action='ignore')
plt.rc('font', family='NanumGothic')
print(plt.rcParams['font.family'])

 

 

['NanumGothic']

 

In [5]:

#하나 이상의 csv파일을 로드해서 하나의 dataframe객체로 병합
from glob import glob

file_names= glob('소상공인시장진흥공단_상가(상권)정보_20220630/*.csv')
print(file_names)

 

 

['소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_강원_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_경기_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_경남_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_경북_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_광주_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_대구_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_대전_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_부산_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_서울_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_세종_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_울산_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_인천_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_전남_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_전북_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_제주_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_충남_202206.csv', '소상공인시장진흥공단_상가(상권)정보_20220630\\소상공인시장진흥공단_상가(상권)정보_충북_202206.csv']

 

In [6]:

import pandas as pd
total = pd.DataFrame()
for file_name  in file_names:
    temp = pd.read_csv(file_name, encoding='utf-8')
    total = pd.concat([total, temp])

total.reset_index(inplace=True, drop=True)
print(total.shape)
print(total.info())
print(total.head())

 

 

(2363994, 39)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2363994 entries, 0 to 2363993
Data columns (total 39 columns):
 #   Column     Dtype  
---  ------     -----  
 0   상가업소번호     int64  
 1   상호명        object 
 2   지점명        object 
 3   상권업종대분류코드  object 
 4   상권업종대분류명   object 
 5   상권업종중분류코드  object 
 6   상권업종중분류명   object 
 7   상권업종소분류코드  object 
 8   상권업종소분류명   object 
 9   표준산업분류코드   object 
 10  표준산업분류명    object 
 11  시도코드       int64  
 12  시도명        object 
 13  시군구코드      int64  
 14  시군구명       object 
 15  행정동코드      int64  
 16  행정동명       object 
 17  법정동코드      int64  
 18  법정동명       object 
 19  지번코드       int64  
 20  대지구분코드     int64  
 21  대지구분명      object 
 22  지번본번지      int64  
 23  지번부번지      float64
 24  지번주소       object 
 25  도로명코드      int64  
 26  도로명        object 
 27  건물본번지      int64  
 28  건물부번지      float64
 29  건물관리번호     object 
 30  건물명        object 
 31  도로명주소      object 
 32  구우편번호      float64
 33  신우편번호      float64
 34  동정보        object 
 35  층정보        object 
 36  호정보        float64
 37  경도         float64
 38  위도         float64
dtypes: float64(7), int64(10), object(22)
memory usage: 703.4+ MB
None
     상가업소번호            상호명  지점명 상권업종대분류코드 상권업종대분류명 상권업종중분류코드   상권업종중분류명  \
0  25033300      동그라미중고타이어  NaN         D       소매       D23  자동차/자동차용품   
1  17174549  세인트존스호텔Ohcrab  NaN         O       숙박       O01      호텔/콘도   
2  17174079        평창라마다호텔  NaN         O       숙박       O01      호텔/콘도   
3  17173904    호텔탑스텐스카이라운지  NaN         O       숙박       O01      호텔/콘도   
4  24412526          레이디가구  NaN         D       소매       D15       가구소매   

  상권업종소분류코드 상권업종소분류명 표준산업분류코드  ...                     건물관리번호      건물명  \
0    D23A04    타이어판매   G45211  ...  4215011100110960006010791      NaN   
1    O01A01    호텔/콘도      NaN  ...  4215011300100010001017124  세인트존스호텔   
2    O01A01    호텔/콘도      NaN  ...  4276038024102450036000001      NaN   
3    O01A01    호텔/콘도      NaN  ...  4215035029100920001000002      NaN   
4    D15A01   일반가구소매   G47520  ...  4213011500111400020035715      NaN   

                    도로명주소     구우편번호    신우편번호  동정보  층정보  호정보          경도  \
0         강원도 강릉시 가작로 270  210110.0  25488.0    1  NaN  NaN  128.904472   
1         강원도 강릉시 창해로 307  210120.0  25467.0  NaN  NaN  NaN  128.920908   
2    강원도 평창군 대관령면 오목길 107  232954.0  25342.0  NaN  NaN  NaN  128.717971   
3  강원도 강릉시 옥계면 헌화로 455-34  210831.0  25633.0  NaN  NaN  NaN  129.052902   
4      강원도 원주시 송삼길 156-19  220150.0  26385.0  NaN  NaN  NaN  127.917307   

          위도  
0  37.770252  
1  37.791299  
2  37.660051  
3  37.654680  
4  37.327668  

[5 rows x 39 columns]

 

In [7]:

#분석에 필요한 컬럼 추출
data_columns = ['상가업소번호', '상호명','지점명', '상권업종대분류명', '상권업종중분류명', '시도명', '시군구명', '행정동명', '경도', '위도']
data = total[data_columns]
print(data.info())
print(data.head())

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2363994 entries, 0 to 2363993
Data columns (total 10 columns):
 #   Column    Dtype  
---  ------    -----  
 0   상가업소번호    int64  
 1   상호명       object 
 2   지점명       object 
 3   상권업종대분류명  object 
 4   상권업종중분류명  object 
 5   시도명       object 
 6   시군구명      object 
 7   행정동명      object 
 8   경도        float64
 9   위도        float64
dtypes: float64(2), int64(1), object(7)
memory usage: 180.4+ MB
None
     상가업소번호            상호명  지점명 상권업종대분류명   상권업종중분류명  시도명 시군구명  행정동명  \
0  25033300      동그라미중고타이어  NaN       소매  자동차/자동차용품  강원도  강릉시  포남1동   
1  17174549  세인트존스호텔Ohcrab  NaN       숙박      호텔/콘도  강원도  강릉시   초당동   
2  17174079        평창라마다호텔  NaN       숙박      호텔/콘도  강원도  평창군  대관령면   
3  17173904    호텔탑스텐스카이라운지  NaN       숙박      호텔/콘도  강원도  강릉시   옥계면   
4  24412526          레이디가구  NaN       소매       가구소매  강원도  원주시   무실동   

           경도         위도  
0  128.904472  37.770252  
1  128.920908  37.791299  
2  128.717971  37.660051  
3  129.052902  37.654680  
4  127.917307  37.327668  

 

In [8]:

data.head()

 

Out[8]:

	상가업소번호	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명	경도	위도
0	25033300	동그라미중고타이어	NaN	소매	자동차/자동차용품	강원도	강릉시	포남1동	128.904472	37.770252
1	17174549	세인트존스호텔Ohcrab	NaN	숙박	호텔/콘도	강원도	강릉시	초당동	128.920908	37.791299
2	17174079	평창라마다호텔	NaN	숙박	호텔/콘도	강원도	평창군	대관령면	128.717971	37.660051
3	17173904	호텔탑스텐스카이라운지	NaN	숙박	호텔/콘도	강원도	강릉시	옥계면	129.052902	37.654680
4	24412526	레이디가구	NaN	소매	가구소매	강원도	원주시	무실동	127.917307	37.327668

 

In [9]:

data['상권업종대분류명'].unique()

 

Out[9]:

array(['소매', '숙박', '학문/교육', '음식', '생활서비스', '부동산', '관광/여가/오락', '스포츠'],
      dtype=object)

 

In [10]:

#전국 카페 갯수
data.loc[data['상권업종중분류명']=='커피점/카페']

 

Out[10]:

	상가업소번호	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명	경도	위도
13	20778927	키즈까페아이사랑	NaN	음식	커피점/카페	강원도	강릉시	성덕동	128.919456	37.759315
39	20658047	힐링	NaN	음식	커피점/카페	강원도	원주시	단구동	127.958442	37.319958
56	15589162	드롭탑	속초엑스포점	음식	커피점/카페	강원도	속초시	조양동	128.586322	38.191024
83	20762517	상유재카페	NaN	음식	커피점/카페	강원도	정선군	정선읍	128.660805	37.379458
270	20527333	수정다방	NaN	음식	커피점/카페	강원도	고성군	거진읍	128.456166	38.447977
...	...	...	...	...	...	...	...	...	...	...
2363749	18530728	코난	NaN	음식	커피점/카페	충청북도	청주시 상당구	용암1동	127.512973	36.619437
2363844	18538229	디애플	NaN	음식	커피점/카페	충청북도	충주시	연수동	127.940065	36.987402
2363960	18548307	세븐다실	NaN	음식	커피점/카페	충청북도	청주시 청원구	내수읍	127.536971	36.725028
2363965	18547378	몽베르	NaN	음식	커피점/카페	충청북도	제천시	청풍면	128.181539	37.018197
2363970	18460150	크로엔젤	NaN	음식	커피점/카페	충청북도	진천군	진천읍	127.445080	36.857172

110455 rows × 10 columns

 

In [11]:

#전국 카페 개수 
df_coffe = data.loc[data['상권업종중분류명']=='커피점/카페']
len(df_coffe)
#전국 스타벅스 데이터 
df_coffe.loc[df_coffe["상호명"].str.contains("스타벅스")].reset_index()

 

Out[11]:

	index	상가업소번호	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명	경도	위도
0	2904	25855653	스타벅스강릉안목항점	강릉안목항점	음식	커피점/카페	강원도	강릉시	송정동	128.948709	37.771400
1	6473	12094762	스타벅스춘천후평DT점	춘천후평DT점	음식	커피점/카페	강원도	춘천시	후평3동	127.750622	37.879421
2	8676	20612390	스타벅스	춘천명동점	음식	커피점/카페	강원도	춘천시	약사명동	127.727566	37.880037
3	9764	12449803	스타벅스설악워터피아점	설악워터피아점	음식	커피점/카페	강원도	속초시	영랑동	128.527867	38.207735
4	10469	25494767	스타벅스	원주터미널점	음식	커피점/카페	강원도	원주시	무실동	127.931104	37.343852
...	...	...	...	...	...	...	...	...	...	...	...
1500	2341225	25411540	스타벅스	청주율량DT점	음식	커피점/카페	충청북도	청주시 청원구	율량.사천동	127.492934	36.666270
1501	2345569	22559276	스타벅스	충주연수점	음식	커피점/카페	충청북도	충주시	연수동	127.939912	36.982734
1502	2348325	20128548	스타벅스	NaN	음식	커피점/카페	충청북도	음성군	원남면	127.654434	36.876466
1503	2355684	17856869	스타벅스	NaN	음식	커피점/카페	충청북도	제천시	청전동	128.210619	37.146806
1504	2360416	17444771	스타벅스	청주복대지웰점	음식	커피점/카페	충청북도	청주시 흥덕구	복대1동	127.428200	36.641572

1505 rows × 11 columns

 

In [12]:

data.시도명.unique()

 

Out[12]:

array(['강원도', '경기도', '경상남도', '경상북도', '광주광역시', '대구광역시', '대전광역시', '부산광역시',
       '서울특별시', '세종특별자치시', '울산광역시', '인천광역시', '전라남도', '전라북도', '제주특별자치도',
       '충청남도', '충청북도'], dtype=object)

 

In [13]:

#서울에 있는 카페 변수 저장
soul_coffe=data.loc[(data['시도명']=='서울특별시')&(data['상권업종중분류명']=='커피점/카페')]
len(soul_coffe)

 

Out[13]:

20092

 

In [14]:

#서울 스타벅스 갯수
soul_coffe=soul_coffe[soul_coffe["상호명"].str.contains("스타벅스")].reset_index()
467

 

Out[14]:

467

 

In [15]:

soul_coffe['시군구명'].value_counts()

 

Out[15]:

강남구     76
중구      42
서초구     38
송파구     33
종로구     28
영등포구    28
마포구     26
용산구     18
광진구     16
서대문구    16
강서구     16
성북구     15
강동구     13
양천구     13
관악구     11
동작구     11
노원구     11
금천구     11
구로구     10
동대문구     9
은평구      6
중랑구      6
성동구      5
강북구      5
도봉구      2
Name: 시군구명, dtype: int64

 

In [16]:

plt.figure(figsize=(10,6))
plt.bar(soul_coffe['시군구명'].value_counts().index,
       soul_coffe['시군구명'].value_counts().values)
plt.xticks(rotation= 'vertical')
plt.show()
plt.savefig('starbucks_plot.png')

 

 

 

<Figure size 432x288 with 0 Axes>

 

In [17]:

soul_coffe = soul_coffe.drop(soul_coffe.iloc[:,[0]],axis=1)

 

 

서울시 스타벅스 시각화¶

 

In [18]:

soul_coffe_map = soul_coffe[['지점명', '위도', '경도']]


let= soul_coffe['위도'].mean()
get= soul_coffe['경도'].mean()

center = [let,get]
m = folium.Map(location=center, zoom_start=12)

# 1000 개의 데이터만 그려냅니다.
for i in soul_coffe_map.index:
    folium.Marker(
        location = soul_coffe_map.loc[i, ['위도', '경도']].values.tolist(),
        tooltip = soul_coffe_map.loc[i, '지점명'],
        radius = 1
    ).add_to(m)
m

 

Out[18]:

Make this Notebook Trusted to load map: File -> Trust Notebook

 

In [ ]: