일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
- 도커 레이어
- pyvista
- 컨테이너
- MESH
- STL
- graph
- 이미지빌드
- GNN
- python최단거리
- GIS
- Set
- 패치분할
- 그리드분할
- 폴더조사
- geopandas
- osmnx
- 알고리즘
- 지하철역좌표
- geojson
- 동명이인찾기
- 도커
- 귀여운고래
- GCN
- 3d
- 데이터입수
- 파이썬
- docker
- Python
- 3d데이터
- 좌표거리
- Today
- Total
이것저것 기록
[python, plotly] Choropleth 지도로 위치/속성 지도 데이터 시각화 하기 본문
Choropleth 도란 색상이나 패턴을 사용하여 특정 통계에 대한 데이터를 사전 정의된 영역과 관련시켜 시각화 한 지도 유형이다.
이러한 지도 시각화는 점 데이터로 표현된 정보 보다는, 특정 구역에 대한 통계 데이터를 시각화 하는 데에 적절하다.
예를 들어, 서울시 구 별 교통사고 건수, 구 별 소득, 등등 '지역 별 통계'를 지도에 시각화 하기 좋다.
최근 두 번의 데이터 분석 경진대회를 참가하면서, 의외로 이 choropleth map을 그릴 일이 많았다.
나는 plotly라는 라이브러리를 사용했는데, 이 라이브러리의 다큐멘트가 매우 불친절하다 ^^
그리고 이 라이브러리에서도 choropleth 함수를 샘플 데이터와 함께 업로드 한 포스팅을 찾을 수가 없어서,
엄청 애먹으면서 습득했다...
오늘 사용할 코드와, 데이터는 모두 깃헙에 올려놨습니다!
데이터가 정확히 어떤 구조인지 살펴보고 싶으신 분들은 아래의 깃헙 링크를 참고해주세요~
github.com/henewsuh/choropleth_map_viz
henewsuh/choropleth_map_viz
plotly라이브러리를 활용하여 choropleth map 시각화. Contribute to henewsuh/choropleth_map_viz development by creating an account on GitHub.
github.com
1. 라이브러리 불러오기
import plotly.express as px
import pandas as pd
import os
import json
plotly는 px로 줄여서 쓰는 게 국룰
2. 경로 설정
# 경로 설정
root_path = os.getcwd() # 실행 코드가 있는 곳
data_path = os.path.join(root_path, 'data') # 실험에 쓰일 데이터가 있는 곳
os.chdir(data_path)
경로는 상대 경로로 설정해줬다.
나는 정말.. 블로그에 포스팅 하면서 절대 경로로 올려주시는 분들이 가끔 있던데, 이게 너무 싫다ㅠ
코드랑 데이터가 다른 폴더에 있을 수도 있기 때문이다...
그래서 블로그에 글을 올릴 땐 상대 경로로 올려주는 편이, 제 3자가 이 코드를 reuse할 때 훨씬 편리하다
3. 데이터 로드
# 데이터 로드
geometry_gj = json.load(open('용인시_법정경계(읍면동).geojson', encoding='utf-8'))
car_df = pd.read_csv('경기도_용인시_자동차 등록 현황_읍면동_20190331.csv', encoding='cp949')
여기서부터 꿀팁이다. 난 진짜 이거 몰라서 많이 해맸다.
plotly의 choropleth로 시각화 하려면, 무조건 'FeatureCollection'형태로 불러와야 한다!!!!!!!!!!!!!!
그러기 위해선 1) 지오메트리가 geojson파일이어야하고 (shp 안됨), 2) json으로 불러와야한다. (다른 방법이 있다면 댓글 부탁드립니다.)
4. 데이터 전처리
# 데이터 전처리
int_car = []
for i in range(len(car_df)):
cur_price = car_df.iloc[i]['자가용']
int_price = int(cur_price.replace(',', ''))
int_car.append(int_price)
car_df['자가용_int'] = int_car
car_df = car_df.rename(columns={'구 분':'EMD_KOR_NM'})
전처리라고 하긴 했는데, 별 거 없다.
csv파일의 숫자 데이터가 예를 들어 15400이라면 '15,400' 이런식으로 문자열로 써져있어서,
여기서 콤마를 제거하고, int 형태로 바꿔줬다.
그리고 한 가지 중요한 것이 나온다. 바로 컬럼명 매칭!!!!
geometry 데이터와 속성정보가 있는 데이터에서 지역을 나타내는 컬럼명이 일치해야한다. (그래야 색이 칠해져요)
우리는 geometry_gj의 properties안에 있는 'EMD_KOR_NM'과 car_df의 '구 분' 컬럼이 서로 같은 지역을 나타내는 것이므로, car_df의 '구 분' 컬럼명을 'EMD_KOR_NM'으로 변경해주었다.
5. Choropleth 시각화
# Choropleth 시각화
fig = px.choropleth(car_df, geojson=geometry_gj, locations='EMD_KOR_NM', color='자가용_int',
color_continuous_scale='Blues',
featureidkey='properties.EMD_KOR_NM')
fig.update_geos(fitbounds="locations", visible=False)
fig.update_layout(title_text='용인시 법정동 별 자가용 등록 대수', title_font_size=20)
자, 여기서 중요한 것이 또 있다. 바로 'update_geos'!!!
만약에 update_geos를 해주지 않는다면, 지도가 제대로 안 보일수도 있다.
그러니까, geometry를 내가 개인적으로 설정해준 경우는 항상 update_geos 코드 줄을 작성해주어야 한다.
6. 시각화 파일 저장
# 시각화 파일 저장
os.chdir('../')
fig.write_image('choropleth.png')
'코린이 > 실무를 위한 코딩 기록' 카테고리의 다른 글
[python] 폴더/하위 폴더의 파일 목록 출력 (0) | 2021.06.04 |
---|---|
[python, GIS] 서울시 지하철역 노선정보+좌표 데이터 구축하기 (3) | 2021.04.17 |
[python, GIS] 도로명주소 데이터 좌표계 확인 및 변환 (16) | 2021.02.19 |
[python, graph] 그래프 관련 파이썬 라이브러리 소개 및 추천 (geo2dr, karateclub) (0) | 2021.01.10 |
[python, GIS] 카카오 지도 API 를 사용해서 도로명주소 및 행정구역코드 추출 (10) | 2020.12.30 |