Pandas - 서울시 자치구 년도별 CCTV 설치 현황

1. 공공기관 Data를 사용하여 분석

- DB : http://data.seoul.go.kr/dataList/datasetView.do?infId=OA-2734&srvType=F&serviceKind=1&currentPageNo=null

2. 서울시 자치구 년도별 CCTV 설치 현황 DB

기관명	소계	2013년도 이전	2014년	2015년	2016년
강남구	3238	1292	430	584	932
강동구	1010	379	99	155	377
강북구	831	369	120	138	204
강서구	911	388	258	184	81
관악구	2109	846	260	390	613
광진구	878	573	78	53	174
구로구	1884	1142	173	246	323
금천구	1348	674	51	269	354
노원구	1566	542	57	451	516
도봉구	825	238	159	42	386
동대문구	1870	1070	23	198	579
동작구	1302	544	341	103	314
마포구	980	314	118	169	379
서대문구	1254	844	50	68	292
서초구	2297	1406	157	336	398
성동구	1327	730	91	241	265
성북구	1651	1009	78	360	204
송파구	1081	529	21	68	463
양천구	2482	1843	142	30	467
영등포구	1277	495	214	195	373
용산구	2096	1368	218	112	398
은평구	2108	1138	224	278	468
종로구	1619	464	314	211	630
중구	1023	413	190	72	348
중랑구	916	509	121	177	109

3. Code

- Import Module

import pandas as pd
from pandas import DataFrame
import matplotlib.pyplot as plt
from print_df import print_df

- head() : DB 첫 5행 출력

df = pd.read_csv('C:\python\pandas\data.csv', encoding='utf-8')

print_df(df.head())

+---+--------+------+---------------+--------+--------+--------+

| | 기관명 | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 |

+---+--------+------+---------------+--------+--------+--------+

| 0 | 강남구 | 3238 | 1292 | 430 | 584 | 932 |

| 1 | 강동구 | 1010 | 379 | 99 | 155 | 377 |

| 2 | 강북구 | 831 | 369 | 120 | 138 | 204 |

| 3 | 강서구 | 911 | 388 | 258 | 184 | 81 |

| 4 | 관악구 | 2109 | 846 | 260 | 390 | 613 |

+---+--------+------+---------------+--------+--------+--------+

Process finished with exit code 0

- rename() : 이름 변경

df.rename(columns={df.columns[0]:'구별'}, inplace=True)

print_df(df.head())

inplace = True : 변수의 내용 갱신

+---+--------+------+---------------+--------+--------+--------+

| | 구별 | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 |

+---+--------+------+---------------+--------+--------+--------+

| 0 | 강남구 | 3238 | 1292 | 430 | 584 | 932 |

| 1 | 강동구 | 1010 | 379 | 99 | 155 | 377 |

| 2 | 강북구 | 831 | 369 | 120 | 138 | 204 |

| 3 | 강서구 | 911 | 388 | 258 | 184 | 81 |

| 4 | 관악구 | 2109 | 846 | 260 | 390 | 613 |

+---+--------+------+---------------+--------+--------+--------+

Process finished with exit code 0

- 구별 열을 리스트 변환

area_list = list(df['구별'])
print_df(area_list)

['강남구', '강동구', '강북구', '강서구', '관악구', '광진구', '구로구', '금천구', '노원구', '도봉구', '동대문구', '동작구', '마포구', '서대문구', '서초구', '성동구', '성북구', '송파구', '양천구', '영등포구', '용산구', '은평구', '종로구', '중구', '중랑구']

Process finished with exit code 0

- 인덱스 리스트와 구별 리스트를 결합하여 딕셔너리 구조 생성

index_dict = {}
for i, v in enumerate(area_list):
    index_dict[i] = v

print_df(index_dict)

{0: '강남구', 1: '강동구', 2: '강북구', 3: '강서구', 4: '관악구', 5: '광진구', 6: '구로구', 7: '금천구', 8: '노원구', 9: '도봉구', 10: '동대문구', 11: '동작구', 12: '마포구', 13: '서대문구', 14: '서초구', 15: '성동구', 16: '성북구', 17: '송파구', 18: '양천구', 19: '영등포구', 20: '용산구', 21: '은평구', 22: '종로구', 23: '중구', 24: '중랑구'}

Process finished with exit code 0

- 구별 열을 제거하고 인덱스 이름 변경 후 출력

df.drop('구별', axis=1, inplace=True)
df.rename(index=index_dict, inplace=True)

print_df(df.head(5))

+--------+------+---------------+--------+--------+--------+

| | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 |

+--------+------+---------------+--------+--------+--------+

| 강남구 | 3238 | 1292 | 430 | 584 | 932 |

| 강동구 | 1010 | 379 | 99 | 155 | 377 |

| 강북구 | 831 | 369 | 120 | 138 | 204 |

| 강서구 | 911 | 388 | 258 | 184 | 81 |

| 관악구 | 2109 | 846 | 260 | 390 | 613 |

+--------+------+---------------+--------+--------+--------+

Process finished with exit code 0

- CCTV 적은 구역 찾기(소계 기준 내림차순)

print_df(df.sort_values(by='소계', ascending=True).head(5))

+--------+------+---------------+--------+--------+--------+

| | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 |

+--------+------+---------------+--------+--------+--------+

| 도봉구 | 825 | 238 | 159 | 42 | 386 |

| 강북구 | 831 | 369 | 120 | 138 | 204 |

| 광진구 | 878 | 573 | 78 | 53 | 174 |

| 강서구 | 911 | 388 | 258 | 184 | 81 |

| 중랑구 | 916 | 509 | 121 | 177 | 109 |

+--------+------+---------------+--------+--------+--------+

Process finished with exit code 0

- CCTV 많은 구역 찾기(소계 기준 오름차순)

print_df(df.sort_values(by='소계', ascending=False).head(5))

+--------+------+---------------+--------+--------+--------+

| | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 |

+--------+------+---------------+--------+--------+--------+

| 강남구 | 3238 | 1292 | 430 | 584 | 932 |

| 양천구 | 2482 | 1843 | 142 | 30 | 467 |

| 서초구 | 2297 | 1406 | 157 | 336 | 398 |

| 관악구 | 2109 | 846 | 260 | 390 | 613 |

| 은평구 | 2108 | 1138 | 224 | 278 | 468 |

+--------+------+---------------+--------+--------+--------+

Process finished with exit code 0

- 최근 증가율 계산(2014년 + 2015년 + 2016년 / 2013년 이전) 후 출력

df['최근증가율'] = (df['2014년'] + df['2015년'] + df['2016년']) / df['2013년도 이전'] * 100

print_df(df.sort_values(by='최근증가율', ascending=False).head(5))

+--------+------+---------------+--------+--------+--------+--------------------+

| | 소계 | 2013년도 이전 | 2014년 | 2015년 | 2016년 | 최근증가율 |

+--------+------+---------------+--------+--------+--------+--------------------+

| 종로구 | 1619 | 464 | 314 | 211 | 630 | 248.92241379310346 |

| 도봉구 | 825 | 238 | 159 | 42 | 386 | 246.6386554621849 |

| 마포구 | 980 | 314 | 118 | 169 | 379 | 212.1019108280255 |

| 노원구 | 1566 | 542 | 57 | 451 | 516 | 188.929889298893 |

| 강동구 | 1010 | 379 | 99 | 155 | 377 | 166.49076517150397 |

+--------+------+---------------+--------+--------+--------+--------------------+

Process finished with exit code 0

- 파일 저장(CSV / encoding = ANSI)

filename = '서울시 CCTV Data' + '.csv'
df.to_csv(filename, encoding='ANSI', na_rep='NaN', index_label='구별',
          header=['소계', '2013년도 이전', '2014년', '2015년', '2016년', '최근증가율'])

구별	소계	2013년도 이전	2014년	2015년	2016년	최근증가율
강남구	3238	1292	430	584	932	150.6192
강동구	1010	379	99	155	377	166.4908
강북구	831	369	120	138	204	125.2033
강서구	911	388	258	184	81	134.7938
관악구	2109	846	260	390	613	149.2908
광진구	878	573	78	53	174	53.22862
구로구	1884	1142	173	246	323	64.97373
금천구	1348	674	51	269	354	100
노원구	1566	542	57	451	516	188.9299
도봉구	825	238	159	42	386	246.6387
동대문구	1870	1070	23	198	579	74.76636
동작구	1302	544	341	103	314	139.3382
마포구	980	314	118	169	379	212.1019
서대문구	1254	844	50	68	292	48.5782
서초구	2297	1406	157	336	398	63.37127
성동구	1327	730	91	241	265	81.78082
성북구	1651	1009	78	360	204	63.62735
송파구	1081	529	21	68	463	104.3478
양천구	2482	1843	142	30	467	34.67173
영등포구	1277	495	214	195	373	157.9798
용산구	2096	1368	218	112	398	53.21637
은평구	2108	1138	224	278	468	85.23726
종로구	1619	464	314	211	630	248.9224
중구	1023	413	190	72	348	147.6998
중랑구	916	509	121	177	109	79.96071

- 최근 증가율 기준으로 수평 그래프 그리기

plt.rcParams["font.family"] = 'NanumGothic'
plt.rcParams["font.size"] = 14
plt.rcParams["figure.figsize"] = (10 ,10)

plt.figure()
area_df['최근증가율'].plot(kind='barh')
plt.grid()
plt.legend()
plt.savefig('최근증가율.png')
plt.close()

저작자표시 비영리 변경금지

'Python_Intermediate > Pandas' 카테고리의 다른 글

Pandas - 어린이집 시설 현황 분석(Excel +그래프) (0)	2019.05.15
Pandas - 교통 사고 사망 / 사고 / 부상 그래프 분석 (0)	2019.05.15
Python Pandas 박스오피스 180507 순위 분석 (0)	2019.05.08
Data Refining NA Data(데이터 정제 결측치) (0)	2019.05.07
190507 14:22> Naver 실시간 검색어 20위 (0)	2019.05.07

오늘 코딩 내일 디버깅

Pandas - 서울시 자치구 년도별 CCTV 설치 현황

'Python_Intermediate > Pandas' 카테고리의 다른 글

티스토리툴바

Pandas - 서울시 자치구 년도별 CCTV 설치 현황

'Python_Intermediate > Pandas' 카테고리의 다른 글

'Python_Intermediate/Pandas' Related Articles

티스토리툴바