Lesson 15: 지리정보 시각화

{{< https://youtu.be/playlist?list=PLQqh36zP38-xxG7nDnT3hEQKy6izEqLPT&si=Xd9rXXUj23s4ALSc >}}

import numpy as np
import pandas as pd
#---#
import plotly.express as px
import json 
import requests 

데이터 불러오기

global_dict = json.loads(requests.get('https://raw.githubusercontent.com/southkorea/southkorea-maps/master/kostat/2018/json/skorea-provinces-2018-geo.json').text)
local_dict = json.loads(requests.get('https://raw.githubusercontent.com/southkorea/southkorea-maps/master/kostat/2018/json/skorea-municipalities-2018-geo.json').text)
#--#
df = pd.read_csv('https://raw.githubusercontent.com/guebin/PP2024WIN/main/posts/Day3/choro.csv')
df

	년도	시도	지역	건물동수	연면적	에너지사용량(TOE)/전기	에너지사용량(TOE)/도시가스	에너지사용량(TOE)/지역난방	code_local	code
0	2018	서울특별시	종로구	17929	9141777	64818	82015	111	11010	11
1	2019	서울특별시	종로구	17851	9204140	63492	76653	799	11010	11
2	2020	서울특별시	종로구	17638	9148895	60123	71263	912	11010	11
3	2021	서울특별시	종로구	22845	18551145	125179	117061	0	11010	11
4	2018	서울특별시	중구	10598	10056233	81672	75260	563	11020	11
...	...	...	...	...	...	...	...	...	...	...
995	2021	제주특별자치도	제주시	67053	20275738	103217	25689	0	39010	39
996	2018	제주특별자치도	서귀포시	34154	6914685	34470	1597	0	39020	39
997	2019	제주특별자치도	서귀포시	34729	7233931	34641	1306	0	39020	39
998	2020	제주특별자치도	서귀포시	34880	7330040	35510	1639	0	39020	39
999	2021	제주특별자치도	서귀포시	35230	7512206	37884	2641	0	39020	39

1000 rows × 10 columns

시각화1

df[df.년도 == 2018]

	년도	시도	지역	건물동수	연면적	에너지사용량(TOE)/전기	에너지사용량(TOE)/도시가스	에너지사용량(TOE)/지역난방	code_local	code
0	2018	서울특별시	종로구	17929	9141777	64818	82015	111	11010	11
4	2018	서울특별시	중구	10598	10056233	81672	75260	563	11020	11
8	2018	서울특별시	용산구	17201	10639652	52659	85220	12043	11030	11
12	2018	서울특별시	성동구	14180	11631770	60559	107416	0	11040	11
16	2018	서울특별시	광진구	21520	12054796	70609	130308	0	11050	11
...	...	...	...	...	...	...	...	...	...	...
980	2018	경상남도	함양군	12706	1462068	6593	2510	0	38380	38
984	2018	경상남도	거창군	14757	2310173	10780	7530	0	38390	38
988	2018	경상남도	합천군	16372	1604332	7803	1	0	38400	38
992	2018	제주특별자치도	제주시	64743	18933369	95392	15996	0	39010	39
996	2018	제주특별자치도	서귀포시	34154	6914685	34470	1597	0	39020	39

250 rows × 10 columns

fig = px.choropleth_mapbox(
    geojson = local_dict, # 폴리곤들이 정의되어 있는 dict를 의미, 깃헙에서 다운로드 해야하는 고정자료
    featureidkey = 'properties.code', # 코드 11010따위가 저장되어있는 위치, local_dict상에서의 위치. 
    data_frame = df[df.년도 == 2018], # 색상을 입힐떄 필요한 정보가 있는 데이터 프레임
    locations = 'code_local', # 색상정보데이터프레임에서 local_dict와 연결되는 코드를 정의해주는 column이름 
    color = '에너지사용량(TOE)/전기', # 색상정보데이터프레임에서 다각형에 칠해질 색을 정의해주는 column이름 
    hover_data = ['시도','지역','건물동수'], # 색상정보데이터프레임에서 마우스를 움직였을 경우 나타나는 추가정보를 출력
    #---#
    mapbox_style="carto-positron",
    center={"lat": 36, "lon": 127.5}, 
    zoom=6,
    height=800,
    width=800    
)
fig.show(config={'scrollZoom':False})

시각화2

_df = pd.DataFrame([[l,df[df.시도 == l]['에너지사용량(TOE)/전기'].sum(),df[df.시도 == l]['code'].iloc[0]] for l in set(df.시도)])
_df.columns = ['A','B','C']
_df

	A	B	C
0	서울특별시	9331349	11
1	대구광역시	1802007	22
2	광주광역시	1154501	24
3	경상북도	2045804	37
4	충청북도	1413048	33
5	충청남도	1795949	34
6	울산광역시	779840	26
7	경상남도	2450436	38
8	부산광역시	2860998	21
9	강원도	1491560	32
10	전라남도	1341756	36
11	제주특별자치도	536540	39
12	세종특별자치시	263956	29
13	대전광역시	1221429	25
14	인천광역시	1988226	23
15	경기도	9084472	31
16	전라북도	1416208	35

fig = px.choropleth_mapbox(
    geojson = global_dict, # 폴리곤들이 정의되어 있는 dict를 의미, 깃헙에서 다운로드 해야하는 고정자료
    featureidkey = 'properties.code', # 코드 11따위가 저장되어있는 위치, global_dict상에서의 위치. 
    data_frame = _df, # 색상을 입힐떄 필요한 정보가 있는 데이터 프레임
    locations = 'C', # 색상정보데이터프레임에서 global_dict와 연결되는 코드를 정의해주는 column이름 
    color = 'B', # 색상정보데이터프레임에서 다각형에 칠해질 색을 정의해주는 column이름 
    hover_data = ['A'], # 색상정보데이터프레임에서 마우스를 움직였을 경우 나타나는 추가정보를 출력
    #---#
    mapbox_style="carto-positron",
    center={"lat": 36, "lon": 127.5}, 
    zoom=6,
    height=800,
    width=800    
)
fig.show(config={'scrollZoom':False})