[Data Science] 공공데이터 활용해 프랜차이즈 분석하기

공공데이터 포털에서 다운받은 데이터로 배스킨라빈스와 던킨도너츠가 서로 근처에 입점해있는지

또한 서울 어느지역에 많이 입점해있는지 원하는 데이터를 추출하여 지도에 직접 표시해 알아보자!!!!

 

사용한 데이터셋 https://www.data.go.kr/dataset/15012005/fileData.do

 

 

필요한 라이브러리 및 한글 폰트 세팅

 

 

#라이브러리 import

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt


# 폰트 설정

#폰트 선명하게 
from IPython.display import set_matplotlib_formats
set_matplotlib_formats("retina")

#한글 깨짐 설정
plt.rc("font", family="Malgun Gothic" )
# - 깨짐 설정
plt.rc("axes", unicode_minus=False)


plt.title("한글폰트 설정")
plt.plot([-1,-6,1,2,3,4])

 

 

공공데이터 포털에서 다운받은 데이터를 불러오자!!!

# 데이터 불러오기
df = pd.read_csv("data/상가업소정보_201912_01.csv", sep="|")
df.shape

 

데이터에 존재하는 결측값 비율 확인하기

# 결측값 비율 보기
df.isnull().mean().plot.barh(figsize=(7,8))

 

 

 

 

총 39개의 컬럼중에 호정도, 층 정보, 동정보, 건물부 번지, 지점명등 결측 값이 많은 컬럼들을 확인할 수 있다.

이제 이 컬럼들중 필요 없는 컬럼들은 제거해보자

 

 

# 사용하지않을 컬럼 제거하기

columns = ['상호명','상권업종대분류명','상권업종중분류명','상권업종소분류명'
           ,'시도명','시군구명','행정동명','법정동명','도로명주소','경도','위도']

df = df[columns].copy()
df.shape

 

 

 

필요없는 컬럼들의 제거하니 11개의 컬럼이 남았고 하단의 사진처럼 메모리 사용량도 상당히 줄었다.

 

 

 

이제 이 데이터셋에서 서울의 데이터만 가져와보자 df_seoul에 담아보자.

 

#서울데이터만 가져오기

df_seoul = df[df["시도명"] =="서울특별시"].copy()
print(df_seoul.shape)
df_seoul.head()

 

 

 

 

이제 배스킨라빈스와 던킨도너츠의 입점 위치를 분석해보자

상호명에 Dunkin이나 BaskinRobbins 등 영문 대소문자가 같이 들어갈 경우가 있으니 영문은 모두 소문자로 변경하여 "상호명_소문자"로 새로운 컬럼을 만들어 할당해 주자.

# 영문자는 전부 소문자로 바꿔준다.

df_seoul["상호명_소문자"] = df_seoul["상호명"].str.lower()

 

이제 던킨도너츠와 베스킨라빈스의 데이터만 추출해 df_db라는 변수에 담아보자

 

# 던킨도너츠와 베스킨라빈스 데이터만 추출하기

df_db = df_seoul[df_seoul["상호명_소문자"].str.contains(
    "던킨|dunkin|baskinrobbins|베스킨라빈스|배스킨라빈스")].copy()

 

데이터를 확인해보면 어떤곳은 베스킨라빈스 또 어떠한 곳은 영문으로 baskinrobbins로 저장되어있다.

이러한 데이터를 이제 "브랜드명" 이라는 컬럼을 만들어 베스킨라빈스면 베스킨라빈스 던킨도너츠면 던킨도너츠로 데이터를 통일시켜주자.

 

# 브랜드명이라는 컬럼을 만들어 데이터 통일시켜주기

df_db.loc[df_db["상호명_소문자"].str.contains("baskinrobbins|베스킨라빈스|배스킨라빈스")
          ,"브랜드명"]="베스킨라빈스"
df_db[["상호명","브랜드명"]]

 

 

 

# 던킨도너츠 데이터를 넣어주자.
df_db["브랜드명"] =df_db["브랜드명"].fillna("던킨도너츠")
df_db["브랜드명"]

 

 

 

베스킨라빈스 와 던킨도너츠의 데이터가 잘 모아졌는지 확인해보자.

 

# 데이터가 잘 모아졌는지 확인

df_db["상권업종대분류명"].value_counts()

 

 

분명히 위에서 df_db에 베스킨라빈스와 던킨도너츠의 데이터만 담았는데 

상권업종대분류명이 생활서비스, 소매인 데이터가 존재한다. 

어떠한 데이터인지 확인해보자.

 

#소매, 생활서비스 데이터 확인하기

df_db[df_db["상권업종대분류명"].isin(["소매","생활서비스"])]

 

 

위 데이터는 제거하도록 하자.

 

# 소매, 생활서비스 데이터 제거

df_db = df_db[~df_db["상권업종대분류명"].isin(["소매","생활서비스"])]

 

전처리를 끝낸 df_db로 이제 분석을 시작해보자.

 

# 서울의 베스킨라빈스와 던킨도너츠의 매장수 비교

df_db["브랜드명"].value_counts().plot.bar()
print(df_db["브랜드명"].value_counts())

 

위 데이터에서 확인할수있듯이 서울에는 던킨도너츠보다 베스킨라빈스의 매장수가 더 많다.

 

 

좀더 들어가 각 지역구마다 베스킨라빈스와 던킨도너츠 매장의수를 그래프로 확인해보자.

# 각 시군구별 베스킨라빈스와 던킨도너츠 매장수를 그래프로 확인하기.

plt.figure(figsize=(15,4))
g= sns.countplot(data=df_db , x="시군구명" , hue="브랜드명")

 

다음은 scatterplot으로 경도와 위도 데이터를 활용해 위치를 찍어보자.

 

sns.scatterplot(data=df_db , x="경도" , y="위도" , hue="브랜드명")

 

 

다음은 folium을 활용하여 지도에 각 매장의 위치를 표시해보자.

 

import folium

# 지도 중심을 지정하기위해 위도와 경도의 평균값 구하자

lat = df_db["위도"].mean()
long = df_db["경도"].mean()

# 지도의 중간점 세팅
m = folium.Map([lat,long])

# 베스킨라빈스는 파란색 , 던킨도너츠는 빨간색으로 
# 지도에 표시하자.

for i in df_db.index:
    sub_lat = df_db.loc[i,"위도"]
    sub_long = df_db.loc[i,"경도"]
    sub_title = df_db.loc[i,"상호명"] + "-" + df_db.loc[i,"도로명주소"]
    
    icon_color = "blue"
    if df_db.loc[i,"브랜드명"] =="던킨도너츠":
        icon_color ="red"
    
    folium.Marker(
        [ sub_lat, sub_long],
        popup=f'<i>{sub_title}</i>',
        icon= folium.Icon(color=icon_color),
        tooltip=sub_title).add_to(m)
m