[TIL] 2024-07-28 (folium 지도 만들기)

Today I Learned (2024-07-28) 🤔

---

목차

• 오늘 공부한 내용 🧑🏻‍💻
  • 1. Doit! 쉡게 배우는 파이썬 데이터 분석 (도서)
    • 지도 데이터 시각화 - 시군구별 인구 단게 분포도 만들기
    • 1. 데이터 준비하기
    • 2. 데이터 사용하기
    • 3. 단계 구분도 만들기
• 어려웠던 내용 📚
• 궁금한 내용과 부족한 내용 🙋🏻
• 느낀 점 💡

---

오늘 공부한 내용 🧑🏻‍💻

1. Doit! 쉡게 배우는 파이썬 데이터 분석 (도서)

지도 데이터 시각화 - 시군구별 인구 단게 분포도 만들기

• 단계 구분도란?
  • 지역별 통계치를 색깔 차이로 표현한 지도
  • 단계 구분도를 만들면 인구나 소득 같은 통계치가 지역별로 어떻게 다른지 쉽게 이해할 수 있다.
  • 단계 구분도를 만들려면 위도, 경도 좌표가 있는 지도 데이터가 필요하다.

---

• 데이터
  • SIG.geojson : 시군구별 경계 좌표
  • Population_SIG.csv : 시군구별 인구 통계 데이터
  • KOSIS 통계청 데이터
    • 행정구역_시군구_별_주민등록세대수_20240728105926. csv
    • sig.json
• .geojson 이란?
  • 위치 정보를 JSON 포맷으로 저장한 표준 지리 정보 데이터 포맷이다.
  • 딕셔너리 자료 구조로 되어 있다.
    • SIG_CD : 지역을 나타내는 행정 구역 코드
    • geometry : 시군구의 경계를 나타낸 위도, 경도 좌표

---

1. 데이터 준비하기

• 시군구별 경계 지도 데이터

  • 책에서 제공해주는 데이터보다는 제일 최신 데이터를 사용하고 싶었기 때문에 웹 기반 공간정보 서비스 GEOSERVICE-WEB 에서 데이터를 얻어왔다.
  • 하지만, .json 이나 .geojson 확장자가 아니기 때문에 변환이 필요했다.
  • mapshaper 사이트를 통해서 변환을 했다.
    • 네이버 블로그|아름다운 세상 Folium을 이용한 데이터 시각화
    • [Python]전국 인구 현황 지도 시각화

• 시군구별 인구 데이터

  • 인구 데이터도 최신 데이터를 사용하기 때문에 KOSIS 에서 2024년 6월 자료를 받아서 사용했다.

---

2. 데이터 사용하기

• 시군구별 경계 지도 데이터

  import json
  
  geo = json.load(open("../data/SIG.json", encoding="utf-8"))

• 시군구별 인구 데이터

  import pandas as pd
  
  # 데이터 불러오기
  df = pd.read_csv("../data/행정구역_시군구_별_주민등록세대수_20240728105926.csv")

  • 컬럼명 변경

    • M202406 2024.06 → pop

    # 컬럼명 변경 (M202406 2024.06 -> pop)
    df = df.rename(columns={"M202406 2024.06": "pop"})

• 인구수가 0이 행 제거

# 인구수가 0인 곳 제거
df_filtered = df[df["pop"] != 0]

• 지역코드와 지역 분리 (code / region)

# 지역코드와 지역 분리 (code / region)
df_filtered.loc[:, "code"] = df_filtered.loc[:, "A 행정구역(시군구)별"].str.split(
    " ", expand=True
)[0]
df_filtered.loc[:, "region"] = df_filtered.loc[:, "A 행정구역(시군구)별"].str.split(
    " ", expand=True
)[1]

• 필요 없는 컬럼 삭제 및 전국 행 삭제

# 컬럼 삭제
df_filtered.drop(columns=["A 행정구역(시군구)별"])

# 전국 행 삭제
df_filtered.drop(0, axis='index',inplace=True)

• 컬럼 순서 변경

# 컬럼 순서 변경
df_filtered = df_filtered[["code", "region", "pop"]]
df_filtered

code    region    pop
1    11    서울특별시    4486014
2    11110    종로구    72394
3    11140    중구    65273
4    11170    용산구    104187
5    11200    성동구    133233
...    ...    ...    ...
288    48880    거창군    31219
289    48890    합천군    23895
290    50    제주특별자치도    314321
291    50110    제주시    225423
292    50130    서귀포시    88898

---

3. 단계 구분도 만들기

• folium 설치

  • folium : 파이썬을 위한 지도 시각화 라이브러리

• 기본 맵

import folium

folium.Map(location=[35.97, 127.7], zoom_start=8)  # 지도 중심 좌표  # 확대 단계

• 지도 종류 변경

map_sig = folium.Map(
    location=[35.95, 127.1],  # 지도 중심 좌표
    zoom_start=8,  # 확대 단계
    tiles="cartodbpositron",  # 지도 종류
)
map_sig

• 구분도 만들기

# folium.Choropleth()
# geo_data   : 지도 데이터
# data       : 색깔로 표현할 통계 데이터
# columns    : 통계 데이터의 행정 구역 코드 변수, 색깔로 표현할 변수
# key_on     : 지도 데이터의 행정 구역 코드

folium.Choropleth(
    geo_data=geo,
    data=df_filtered,
    columns=("code", "pop"),
    key_on="feature.properties.SIG_CD",
).add_to(map_sig)

map_sig

• 계급 구간 정하기
  • quantile() 를 이용해 분위수를 구해서 지역 인구수에 따른 색깔 구분을 해준다.

bins = list(df_filtered['pop'].quantile([0,0.2,0.4,0.6,0.8,1]))

folium.Choropleth(                     
    geo_data=geo,                       # 지도 데이터
    data=df_filtered,                   # 통계 데이터
    columns=('code','pop'),             # df_filtered 의 행정 구역 코드, 인구
    key_on='feature.properties.SIG_CD', # geo 행정 구역 코드
    fill_color='YlGn',                  # 컬러맵
    fill_opacity=0.7,                   # 투명도
    line_opacity=0.5,                   # 경계선 투명도
    bins = bins,                        # 계급 구간 기준값
    legend_name='인구수'                  # 범례
).add_to(map_sig)

map_sig

---

어려웠던 내용 📚

• 데이터를 직접 찾고 처리하는 과정

---

궁금한 내용과 부족한 내용 🙋🏻

• 데이터들의 구조?

---

느낀 점 💡

• kdt 에서 배웠던 folium 을 다시 써볼 수 있는 기회여서 좋았다.