팀원의 내용을 정리하는 것이며 상세히 적지 못하는 것을 양해해주시기 바랍니다.
데이터 출처
서울시 도로 현황 (도로율) 통계> 데이터셋> 공공데이터 | 서울열린데이터광장 (seoul.go.kr)
도로율 데이터를 불러옵시다.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
Seoul_Road = pd.read_csv('./Roadrate.csv')
Seoul_Road.head()
연도별 도로율의 변화추이와 도로연장에 대해 알고싶다.
for each in ['2015', '2016', '2017', '2018', '2019', '2020', '2021']:
Seoul_Road.rename(columns={
each : each + "_도로연장",
each+".1": each + '_도로면적',
each+".2": each + '_도로율'},inplace=True)
Seoul_Road.rename(columns={'자치구별(2)':'구'}, inplace=True)
Seoul_Road.head()
Seoul_Road.drop([0,1],inplace=True)
Seoul_Road.head()
필요없는 컬럼을 삭제하고
Seoul_Road.set_index('구', inplace=True)
Seoul_Road.head()
구를 인덱스로 하자
여기서 도로 연장만 본다면
Road_Extension = Seoul_Road.iloc[:, [1,4,7,10,13,16,19]]
Road_Extension.head()
여기서 도로율만 본다면
Road_Rate = Seoul_Road.iloc[:,[3,6,9,12,15,18,21]]
Road_Rate.head()
도로연장에 대한 히트맵을 그려보았다
import matplotlib.pyplot as plt
%matplotlib inline
plt.rc('font', family = 'NanumGothicCoding')
Road_Extension = Road_Extension.astype('int64')
plt.figure(figsize = (13,10))
sns.heatmap(Road_Extension, annot=True, linewidths = .5, cmap='RdPu')
plt.title('서울시 구별 도로 연장')
plt.autoscale()
plt.tight_layout(pad=5)
plt.show()
가장 도로연장을 잘하고 있는 구는 어디인가?
import json
import folium
geo_path = './skorea_municipalities_geo_simple.json'
geo_str = json.load(open(geo_path, encoding='utf-8'))
my_map = folium.Map(location=[37.5502,126.982], zoom_start = 11, tiles='OpenStreetMap')
my_map.choropleth(
geo_data=geo_str,
data=Road_Extension['2021_도로연장'],
columns=[Road_Extension.index, Road_Extension['2021_도로연장']],
fill_color='PuRd',
key_on="feature.id",
fill_opacity=0.7,
line_opacity=0.2,
legend_name="구별 도로연장",
)
folium.GeoJson(
geo_str,
style_function = lambda x: {'fillColor':'#00000000',
'color':'black',
'weight' :'2'}
).add_to(my_map)
my_map
이번엔 도로율에 관한 시각화이다.
sns.heatmap(Road_Rate, annot=True, linewidths = .5, cmap='RdPu')
plt.title('서울시 구별 도로율 차이')
plt.autoscale()
plt.tight_layout(pad=5)
plt.show()
geo_path = './skorea_municipalities_geo_simple.json'
geo_str = json.load(open(geo_path, encoding='utf-8'))
rate_map = folium.Map(location=[37.5502,126.982], zoom_start = 11, tiles='OpenStreetMap')
rate_map.choropleth(
geo_data=geo_str,
data=Road_Rate['2021_도로율'],
columns=[Road_Rate.index, Road_Rate['2021_도로율']],
fill_color='PuRd',
key_on="feature.id",
fill_opacity=0.7,
line_opacity=0.2,
legend_name="구별 도로율",
)
folium.GeoJson(
geo_str,
style_function = lambda x: {'fillColor':'#00000000',
'color':'black',
'weight' :'2'}
).add_to(rate_map)
상대적으로 강서구 마포구 광진구가 도로인프라가 좋으며
성북구의 경우 꾸준히 인프라를 확충하고 있다.
중구 서대문구 강북구 동작구의 경우 도로 확장 및 연장이 필요하다고 판단된다.
'ㅇ 프로젝트 > TEAM_서울시 교통 인프라 분석' 카테고리의 다른 글
(팀원) 11. 서울시 주차장을 분석해보자. (0) | 2022.11.20 |
---|---|
10. 대중교통, 상권, 도로 데이터를 모두 시각화해보자. (0) | 2022.11.20 |
(팀원) 8. 서울시와 뉴욕시의 교통사고 데이터 분석 및 시각화 (0) | 2022.11.20 |
7. 서울시 상권데이터를 분석하자. (0) | 2022.11.19 |
6. 서울시 승용차 평균속도 데이터 가공 (0) | 2022.11.19 |