[데이터 분석] 따릉이가 가장 많은 동네는 어디일까?

따릉이 데이터로 가장 많은 대여소가 있는 지역은 어디인지,

따릉이를 가장 많이 소유하고 있는 지역은 어디인지 알아보자!

1. 라이브러리 및 한글 폰트 설정

import pandas as pd
import seaborn as sns

import matplotlib
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
font_name = fm.FontProperties(fname = '../NanumBarunGothic.ttf').get_name()
matplotlib.rc('font', family = font_name)
matplotlib.rcParams['axes.unicode_minus'] = False

2. 데이터

http://data.seoul.go.kr/dataList/OA-13252/F/1/datasetView.do

위에 공공데이터 포털에서 따릉이 데이터를 가져왔다.

bike_06 = pd.read_csv('data/공공자전거 대여소 정보(21.06월 기준)_1행수정.csv', encoding='cp949')
bike_06

3. 결측치 확인 및 채우기

bike_06.info()

row = 2467, column = 10
LCD, QR 컬럼에 NULL값이 존재한다.
이 데이터에는 각 대여소에 LCD 따릉이와 QR 따릉이가 없으면 NULL값으로 되어있으므로
NULL값을 0으로 채웠다.

bike_06.fillna(0, inplace=True)
bike_06['LCD'] = bike_06['LCD'].astype(int) # 데이터 타입 변환
bike_06['QR'] = bike_06['QR'].astype(int)
bike_06.info()

LCD, QR 컬럼의 NULL값에 0으로 채우고 float 타입을 int 타입으로 변환해주었다.

4. 자치구별 따릉이 대여소 수

bike_06['자치구'].value_counts()

DataFrame.value_counts()를 이용하여 자치구별 대여소 개수를 알아보면 위와 같다.

Seoul_gu = pd.value_counts(bike_06['자치구'].values, sort = True).head(10)
x = Seoul_gu.plot.bar(grid = True, figsize = (10,8), fontsize = 15, color = '#1BCF1C')
plt.title('<자치구별 따릉이 대여 장소 수>', fontsize = 20)
plt.xlabel('자치구', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
plt.xticks(rotation=0)
plt.annotate('최댓값', xy = (0,184), xytext = (0,160), 
             fontsize = 14, ha = 'center', color ='red',
             bbox=dict(boxstyle='square', color='yellow'), # 상자안에 글자
             arrowprops =  dict(facecolor='black', width = 1, headwidth=10))
# (문자, xy = 화살표 방향, xytext = 문자, 화살표 위치, arrowprops = 화살표 성격)
for p in x.patches: # bar에 수치 표현
    left, bottom, width, height = p.get_bbox().bounds
    plt.annotate(f"{int(height)}",(left+width/2, height+3), ha = 'center', size =14, color = 'black')
plt.show()

Seoul_gu는 자치구별 따릉이 대여소 수 중 Top10을 의미한다.
그래프는 plot.bar()를 이용하여 간단하게 그리고 plt.xticks(rotation = 0)을 통해 x축 눈금 레이블을 수정했다.
plt.annotation()을 통해 최댓값을 표시해주었다.
- plt.annotation(문자, xy = 화살표 방향, xytext = 문자, 화살표 위치, arrowprops = 화살표 성격, 그 외 설정값)
for문을 통해 각 막대에 수치를 표현해주었다.
자치구별로 보면 송파구, 강서구, 강남구가 가장 많은 따릉이 대여소를 가지고 있다.

5. 총 따릉이 수 컬럼 추가

bike_06['총 따릉이 수'] = bike_06['LCD'] + bike_06['QR']
bike_06.iloc[417:427]

총 따릉이 수 = LCD + QR
총 따릉이 수 컬럼을 추가하면 위와 같은 결과가 나온다.

6. 자치구별 총 따릉이 수 비교

bike_06_total = bike_06.groupby(bike_06['자치구'])[['총 따릉이 수']].sum().sort_values(by='총 따릉이 수' ,ascending=False)
bike_06_total_top10 = bike_06_total.head(n=10)
bike_06_total_top10

x = bike_06_total_top10.plot.bar(grid = True, figsize = (10, 8), fontsize = 15, color = '#1BCF1C')
plt.xticks(rotation = 0)
plt.title('<자치구별 총 따릉이 수>', fontsize = 20)
plt.xlabel('자치구', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
for p in x.patches: # bar에 수치 표현
    left, bottom, width, height = p.get_bbox().bounds
    plt.annotate(f"{int(height)}",(left+width/2, height+10), ha = 'center', size =14, color = 'black')
plt.show()

송파구가 자치구별로 가장 따릉이 대여소가 많은 만큼 따릉이 수도 많다는 것을 확인할 수 있다.
따릉이 대여소 Top3에는 송파구, 강서구, 강남구 이였으나
따릉이 수 Top3에는 송파구, 강서구, 서초구를 나타낸다.

7. 자치구별 LCD, QR 따릉이수

7-1. LCD, QR 비교설명

기존 LCD방식
신규 QR방식
따릉이 타입에 따라 두가지 대여소가 있다.
신규 QR방식 따릉이는 모든 대여소에서 대여와 반납이 가능하다.
기존 LCD방식 따릉이는 신규 QR방식 따릉이 대여소에 반납이 불가능하여 기존 대여소에서만 사용가능하다.
기존 LCD방식 따릉이는 대여번호 입력 -> 단말기 우측 잠금장치 분리
신규 QR방식 따릉이는 QR코드 스캔 -> 잠금 해제
2022년까지 'QR형 뉴따릉이'로 100% 교체될 예정이라고 한다.

7-2. 자치구별 LCD, QR 따릉이 수 비교 (groupby)

bike_06_type = bike_06.groupby(['자치구'])[['LCD', 'QR']].sum()
bike_06_type_top10 = bike_06_type.sort_values(by='LCD', ascending=False).head(n=10)
bike_06_type_top10

groupby를 사용하여 자치구별 LCD, QR의 따릉이 수를 나타내면 위와 같다.

7-3. 각 자치구별 운영방식에 따른 따릉이 수

bike_06_type_top10.plot.bar(grid = True, figsize = (10, 8), fontsize = 15, color = ['#1BCF1C', '#FEC32D'])
plt.xticks(rotation = 0)
plt.title('<각 자치구별 운영방식에 따른 따릉이 수>', fontsize = 20)
plt.xlabel('자치구', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
plt.annotate('기존 LCD 방식 최댓값', xy = (0.7,1252), xytext = (0.7,1252), 
             fontsize = 14, ha = 'center', color ='red',
             bbox=dict(boxstyle='square', color='yellow')) # 상자안에 글자
plt.annotate('신규 QR 방식 최댓값', xy = (5,1196), xytext = (5,1196), 
             fontsize = 14, ha = 'center', color ='red',
             bbox=dict(boxstyle='square', color='yellow'), # 상자안에 글자
             arrowprops =  dict(facecolor='black', width = 1, headwidth=10))
# (문자, xy = 화살표 방향, xytext = 문자, 화살표 위치, arrowprops = 화살표 성격)

강서구가 신형 QR방식의 따릉이를 많이 보유하고 있고
그 다음으로 따릉이 수, 대여장소 수를 가장 많이 보유하고 있는 송파구가 그 뒤를 잇고 있다.
물론 기존 LCD방식의 따릉이는 송파구가 가장 많이 보유하고 있다.

8. 따릉이 보관소(대여소)명 분석

bike_06['보관소(대여소)명'].value_counts()

bike_06 데이터프레임에서 보관소(대여소)명 빈도를 살펴보기엔 종류가 너무 많아 따로 태깅작업을 하였다.

8-1. 태깅작업

bike_06_copy = bike_06.copy() # 데이터프레임 복사
bike_06_copy['보관소'] = 0
for i in range(len(bike_06_copy['보관소(대여소)명'])):
    if '정류' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '정류장'
    elif ('역' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('출구' in bike_06_copy['보관소(대여소)명'].iloc[i]):
        bike_06_copy['보관소'].iloc[i]= '지하철역'
    elif '초등학교' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '초등학교'
    elif '중학교' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '중학교'
    elif '고등학교' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '고등학교'
    elif '대학교' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '대학교'
    elif ('아파트' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('단지' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('편한세상' in bike_06_copy['보관소(대여소)명'].iloc[i]):
        bike_06_copy['보관소'].iloc[i]= '아파트앞'
    elif '공원' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '공원'
    elif '주민센터' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '주민센터'
    elif ('은행' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('금융' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('농협' in bike_06_copy['보관소(대여소)명'].iloc[i]):
        bike_06_copy['보관소'].iloc[i]= '은행'
    elif '병원' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '병원'
    elif ('타워' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('빌딩' in bike_06_copy['보관소(대여소)명'].iloc[i]):
        bike_06_copy['보관소'].iloc[i]= '빌딩/타워'
    elif ('박물관' in bike_06_copy['보관소(대여소)명'].iloc[i]) or ('전시관' in bike_06_copy['보관소(대여소)명'].iloc[i]):
        bike_06_copy['보관소'].iloc[i]= '박물관/전시관'
    elif '구청' in bike_06_copy['보관소(대여소)명'].iloc[i]:
        bike_06_copy['보관소'].iloc[i]= '구청'
    else:
        bike_06_copy['보관소'].iloc[i]= '기타'

bike_06_copy.to_csv('bike_06_copy.csv', index = False, encoding='cp949')

'보관소' 컬럼 추가하여 태깅작업을 하였다.
위에 코드로 하기에는 정리가 부족하여 csv 파일 다운받아서 수기로 정리하였다.
예를 들어, 보관소(대여소)명 컬럼에 '역'으로 되어있는 데이터는 지하철역으로 변경하라는 코드에 '역촌점', '역촌', '역촌역' 등 지역이름에 '역'이 들어간 경우가 있었다.

bike_06_copy_1 = pd.read_csv('data/bike_06_copy_1.csv', encoding='cp949')
bike_06_copy_1

8-2. 보관소 컬럼 데이터 빈도 확인

bike_06_copy_1['보관소'].value_counts()

bike_06_copy_1[bike_06_copy_1['보관소'] == '기타'][['보관소(대여소)명']]

기타에는 위와 같이 oo사거리, 기업빌딩 앞 등 너무 다양해서 분류하지 큰 덩어리만 분류하였다.

8-3. 따릉이 대여소가 가장 많았던 Top1 송파구의 대여소는 어디가 가장 많을까?

bike_06_copy_1_songpa = bike_06_copy_1[bike_06_copy_1['자치구']=='송파구']['보관소'].value_counts()
bike_06_copy_1_songpa

colors = sns.color_palette('hls',len(bike_06_copy_1_songpa.index))
x = bike_06_copy_1_songpa.plot.bar(grid = True, figsize = (15,8), fontsize = 15, color = colors)
plt.xticks(rotation = 20)
plt.title('<송파구 따릉이 대여소 위치>', fontsize = 20)
plt.xlabel('대여소', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
for p in x.patches:
    left, bottom, width, height = p.get_bbox().bounds
    plt.annotate(f'{int(height)}', (left+width/2, height+1), ha = 'center', size = 14, color = 'black')
plt.show()

송파구는 기타를 제외하면 지하철역과 아파트앞이 비슷한 수치로 가장 많다.

8-4. 따릉이 대여소가 가장 많았던 Top2 강서구의 대여소는 어디가 가장 많을까?

bike_06_copy_gangseo = bike_06_copy_1[bike_06_copy_1['자치구'] == '강서구']['보관소'].value_counts().head(n=10)
bike_06_copy_gangseo

colors = sns.color_palette('hls',len(bike_06_copy_gangseo.index))
x = bike_06_copy_gangseo.plot.bar(grid = True, figsize = (10, 8), fontsize = 15, color = colors)
plt.xticks(rotation = 20)
plt.title('<강서구 따릉이 대여소 위치>', fontsize = 20)
plt.xlabel('대여소', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
for p in x.patches:
    left, bottom, width, height = p.get_bbox().bounds
    plt.annotate(f'{int(height)}', (left+width/2, height+1), ha = 'center', size = 14, color = 'black')
plt.show()

강서구는 기타를 제외하면 과 아파트앞과 지하철역이 비슷한 수치로 가장 많지만 송파구와 비교했을 때 지하철역보다 아파트앞에 대여소가 2개 더 많다.

8-5. 따릉이 대여소가 가장 많았던 Top3 강남구의 대여소는 어디가 가장 많을까?

bike_06_copy_gangnam = bike_06_copy_1[bike_06_copy_1['자치구'] == '강남구']['보관소'].value_counts()
bike_06_copy_gangnam

colors = sns.color_palette('hls', len(bike_06_copy_gangseo.index))
x = bike_06_copy_gangnam.plot.bar(grid = True, figsize = (12, 8), fontsize = 15, color = colors)
plt.xticks(rotation = 20)
plt.title('<강남구 따릉이 대여소 위치>', fontsize = 20)
plt.xlabel('대여소', fontsize = 15)
plt.ylabel('Count', fontsize = 15)
for p in x.patches:
    left, bottom, width, height = p.get_bbox().bounds
    plt.annotate(f'{int(height)}', (left+width/2, height+1), ha = 'center', size = 14, color = 'black')
plt.show()

강남구는 지하철역에 가장 많은 대여소가 있으며 top1, top2와 다르게 아파트앞의 대여소 개수는 지하철역의 대여소 개수의 1/3정도 밖에 되지 않는다.

9. 서울특별시 자치구별 인구 수 비교

https://data.seoul.go.kr/dataList/419/S/2/datasetView.do

seoul_population = pd.read_excel('/content/서울특별시_자치구별_인구수_2021.2분기.xlsx', 
                                 names = ['SIG_KOR_NM', 'POPULATION'])
seoul_population = seoul_population.sort_values(by = 'POPULATION', ascending = False)
seoul_population.head(n=10)

공공데이터 포털에서 서울특별시 자치구별 인구수 데이터를 다운받아 자치구와 인구수 컬럼만 따로 떼어냈다.

9-1. 지도에 표현하기

9-1-1. geopandas 설치 및 데이터 가져오기

pip install geopandas
import geopandas as gpd
file_path = 'https://raw.githubusercontent.com/southkorea/seoul-maps/master/juso/2015/json/seoul_municipalities_geo_simple.json'
seoul=gpd.read_file(file_path)
seoul.head()

위에 seoul 데이터는 서울특별시 자치구별 경도와 위도가 있는 데이터이다.

9-1-2. 데이터 merge

seoul_population_merge = pd.merge(left=seoul, right = seoul_population, on='SIG_KOR_NM')
seoul_population_merge.head(n=10)

자치구별 인구수 데이터(seoul_population)와 위도와 경도가 있는 데이터(seoul)를 merge하여 seoul_population_merge 데이터프레임에 저장한다.

9-1-3. 지도 시각화

final_pic=seoul_population_merge.plot(figsize=(18,15),linewidth=0.25, edgecolor='black', column='POPULATION',cmap='YlGn')
enter = '\n' # F-string 문법에서는 \를 사용할 수 없기때문에 변수에 \n을 저장한 후 사용
for index,row in seoul_population_merge.iterrows():
    xy=row['geometry'].centroid.coords[:]
    xytext=row['geometry'].centroid.coords[:]
    if (index == 19) or (index == 15) or (index == 10):
      plt.annotate(f"{row['SIG_KOR_NM']}{enter}{row['POPULATION']}",xy=xy[0], xytext=xytext[0],  horizontalalignment='center',verticalalignment='center',color='yellow', size=13)
    else:
      plt.annotate(f"{row['SIG_KOR_NM']}{enter}{row['POPULATION']}",xy=xy[0], xytext=xytext[0],  horizontalalignment='center',verticalalignment='center',color='black', size=13)
    plt.axis('off')
plt.show()

인구수를 확인해보니 대여소가 많은 지역인 송파구와 강서구가 인구도 가장 많은 것을 알 수 있다...!

Data Story

[데이터 분석] 따릉이가 가장 많은 동네는 어디일까?

1. 라이브러리 및 한글 폰트 설정

2. 데이터

3. 결측치 확인 및 채우기

4. 자치구별 따릉이 대여소 수

5. 총 따릉이 수 컬럼 추가

6. 자치구별 총 따릉이 수 비교

7. 자치구별 LCD, QR 따릉이수

7-1. LCD, QR 비교설명

7-2. 자치구별 LCD, QR 따릉이 수 비교 (groupby)

7-3. 각 자치구별 운영방식에 따른 따릉이 수

8. 따릉이 보관소(대여소)명 분석

8-1. 태깅작업

8-2. 보관소 컬럼 데이터 빈도 확인

8-3. 따릉이 대여소가 가장 많았던 Top1 송파구의 대여소는 어디가 가장 많을까?

8-4. 따릉이 대여소가 가장 많았던 Top2 강서구의 대여소는 어디가 가장 많을까?

8-5. 따릉이 대여소가 가장 많았던 Top3 강남구의 대여소는 어디가 가장 많을까?

9. 서울특별시 자치구별 인구 수 비교

9-1. 지도에 표현하기

9-1-1. geopandas 설치 및 데이터 가져오기

9-1-2. 데이터 merge

9-1-3. 지도 시각화

티스토리툴바