전국 주차장 데이터

전국 주차장 데이터를 통하여 다음을 분석하려고 한다.

• 지역 별 주차장에 대한 분석
• seaborn을 통한 주차장 시각화

데이터는 공공데이터 포털에서 받았고 위도와 경도를 이용한 데이터 시각화를 하기 위해 주차장 데이터를 찾아서 데이터 분석을 진행하였다.

데이터 출처 : https://www.data.go.kr/data/15050093/fileData.do

한국교통안전공단_전국공영주차장정보_20191224

 

 

1. 전처리

# null 값 데이터 삭제

park = park.dropna()
park.info()

없는 데이터를 삭제해주어서 모두 not null인 걸 확인하였다.

<class 'pandas.core.frame.DataFrame'> Int64Index: 9626 entries, 0 to 12804 Data columns (total 8 columns):  #   Column    Non-Null Count  Dtype   ---  ------    --------------  -----    0   주차장명      9626 non-null   object   1   위도        9626 non-null   float64  2   경도        9626 non-null   float64  3   주차장구분     9626 non-null   object   4   주차장유형     9626 non-null   object   5   주차장도로명주소  9626 non-null   object   6   지역구분      9626 non-null   object   7   시군구       9626 non-null   object  dtypes: float64(2), object(6) memory usage: 676.8+ KB

 

다음으로는 주차장 구분 컬럼에서 공영 주차장이 다음 3가지로 데이터가 수집이 되어있는 걸 확인하였다.

# 전국의 공영 주차장만 뽑아낸다.
park_public = park[(park['주차장구분'].str.contains('공영')) | (park['주차장구분'].str.contains('공용'))]
print(set(park_public['주차장구분']))
park_public

{'공영주차장', '공용', '공영'}​

 

공영주차장, 공용 을 모두 공영으로 바꾸어준다.

park['주차장구분'] = park['주차장구분'].str.replace('공용', '공영')
park['주차장구분'] = park['주차장구분'].str.replace('공영주차장', '공영')
print(set(park['주차장구분']))

{'공영', '민영'}​

 

2. 분석 set 생성

• 지역 별 주차장 비율
• 서울시 구별 주차장 비율
• 지역 별 공영 주차장 비율
• 서울시 시각화 데이터 셋
• 전국 시각화 데이터 셋

시각화를 하기 위해 위의 데이터 셋을 구할 예정이다.

 

· 지역 별 주차장 비율

park_city = park.groupby('지역구분')['주차장명'].count()
park_city = park_city.reset_index()
park_city = park_city.set_index('지역구분').sort_values(by='주차장명', ascending=False)
park_city['비율'] = np.round(park_city['주차장명']/sum(park_city['주차장명'])*100,3)
park_city

 

· 서울시 구별 주차장 비율

# "서울"에 위치하고 있는 주차장만 뽑아낸다.
park_seoul = park[park["지역구분"].str.contains("서울특별시")]

park_seoul.index = range(len(park_seoul))
print(f'전국 주차장 수 : {len(park)}')
print(f'서울시 주차장 수 : {len(park_seoul)}')
print(f'서울시 주차장 비율 : {len(park_seoul)/len(park) *100:.3f}%')

# 서울시의 구별로 위치하고 있는 주차장만 뽑아낸다.
park_seoul_gu = park_seoul.groupby('시군구')['주차장명'].count()
park_seoul_gu = park_seoul_gu.reset_index()
park_seoul_gu = park_seoul_gu.set_index('시군구').sort_values(by='주차장명', ascending=False)
park_seoul_gu

생각보다 서울시 주차장의 비율이 크지가 않았다.

그리고 강남구의 주차장이 4개로 서울시에서 제일 적은 결과가 나와서 뭔가 이상하다고 생각하고 주차장 구분을 확인해보았다.

그래서 민영 주차장이 서울시에 어떤 구에 있는 지 확인을 해보았다. 예상한대로 구가 별로 없었다.

공공데이터 포털에서 받아온 데이터인데 서울시 데이터가 조금 이상했다는 걸 확인했다.

이래서 전국의 비율도 내가 예상한 수치보다 적게 나왔다고 가정하기로 했다.

min = park[park['주차장구분'] == '민영']
min[min['지역구분'] == '서울특별시'].groupby(['지역구분','시군구'])['주차장명'].count()

지역구분   시군구  서울특별시  강서구     16        금천구     10        도봉구     20        동대문구     1        양천구      2        종로구     71        중구       2 Name: 주차장명, dtype: int64

 

· 전국 공영 주차장 비율

park_public = park_public.groupby(['지역구분','시군구'])['주차장명'].count()
park_public = park_public.reset_index()
park_public = park_public.set_index('시군구').sort_values(by='주차장명', ascending=False)
park_public['비율'] = np.round(park_public['주차장명']/sum(park_public['주차장명'])*100,3)
park_public = park_public.head(10)
park_public

전국이 너무 많아서 상위 10개로 제한을 했다.

 

3. 시각화

· 전국 주차장 비율

plt.figure(figsize=(15,4))
sns.barplot(data=park_city, x=park_city.index, y="주차장명")
plt.show()

다음은 위의 바 그래프를 파이차트로 나타내어보자.

레이블의 갯수가 많아서 오히려 가독성을 해치기 때문에 상위 5개의 지역만 출력하게 해주었다.

경기도에 주차장이 제일 많다는 사실이 한 눈에 파악 가능하다.

labels = ['경기도', '대구광역시', '서울특별시', '경상남도', '부산광역시', '', '', '', '', '', '', '', '', '', '', '', '']

plt.figure(figsize=(10, 10))
plt.pie(park_city.비율,
       labels= labels, #park_city.index,
       autopct='%d%%',
       startangle=95,
       textprops={'fontsize':12}
        )
plt.legend(park_city.index)
plt.show()

 

· 서울시 주차장 비율

plt.figure(figsize=(15,4))
sns.barplot(data=park_seoul_gu, x=park_seoul_gu.index, y="주차장명")
plt.show()

위의 바 그래프를 역시 파이차트로 그려볼 예정이다.

이 레이블들도 많아서 상위 5개만 출력되게 만들었다.

labels = ['종로구', '중구', '송파구', '구로구', '강서구', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']

plt.figure(figsize=(13, 13))
plt.pie(park_seoul_gu.비율,
       labels= labels, #park_city.index,
       autopct='%d%%',
       startangle=90,
       textprops={'fontsize':12}
        )
#plt.legend(park_seoul_gu.index)
plt.show()

 

· 전국 공영 주차장 비율

plt.figure(figsize=(15,4))
sns.barplot(data=park_public, x=park_public.index, y="주차장명")
plt.show()

공영 주차장이 많은 지역의 파이차트 그래프이다.

레이블을 10개로 제한하여 깔끔하게 보이기 위해서 도너츠 모양의 파이차트를 그려보았다.

wedgeprops={'width': 0.7, 'edgecolor': 'w', 'linewidth': 5}

plt.figure(figsize=(13, 13))
plt.pie(park_public.비율,
       labels= park_public.index,
       autopct='%d%%',
       startangle=90,
       textprops={'fontsize':12},
       wedgeprops=wedgeprops
        )
#plt.legend(park_seoul_gu.index)
plt.show()

 

· 서울시 주차장 시각화(구별)

plt.figure(figsize=(10,8))
sns.scatterplot(data = park_seoul, x="경도", y="위도", hue="시군구")

· 서울시 주차장 시각화(주차장 구분별)

plt.figure(figsize=(10,8))
sns.scatterplot(data = park_seoul, x="경도", y="위도", hue="주차장구분")

· 전국 주차장 시각화(구별)

plt.figure(figsize=(10,8))
sns.scatterplot(data = park, x="경도", y="위도", hue="지역구분")

 

plt.figure(figsize=(10,8))
sns.scatterplot(data = park, x="경도", y="위도", hue="주차장구분")

 

지역별, 주차장별로 데이터 시각화를 하였당 !!!

위도, 경도 데이터로 지도 시각화를 하고 싶어서 이 데이터를 선택하였는데 정말 재미있는 데이터분석이었다.

아쉬운 점은 서울시의 민영 주차장 데이터가 없어서 내 생각과는 다른 결과가 나왔다.

 

링크

GitHub - busyppp/Study

자세한 소스는 깃허브에 올려놓았다!