[프랜차이즈 분석] 배스킨라빈스와 던킨 위치 분석

데이터 불러오기

• 공공데이터 포털 : https://www.data.go.kr/dataset/15012005/fileData.do
• 공공데이터 포털에서 소상공인시장진흥공단 상가업소정보를 다운로드 받아 사용했습니다

 

df = pd.read_csv('data/상가업소정보_201912_01.csv', sep='|')
df.head()

 

 

서울 데이터 서브셋으로 가져오기

# 서브셋을 만들때 copy 하기! 데이터 오류 발생 방지

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

 

 

서울의 배스킨라빈스와 던킨도너츠 데이터 가져오기

# 상호명을 소문자로 변경

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

df_31 = df_seoul[df_seoul["상호명_소문자"].str.contains(
    "배스킨라빈스|베스킨라빈스|baskinrobbins|던킨|dunkin")].copy()
df_31.shape

df_31.loc[df_31["상호명_소문자"].str.contains("배스킨라빈스|베스킨라빈스|baskinrobbins"), 
          "브랜드명"] = "배스킨라빈스"
df_31[["상호명", "브랜드명"]].head()

즉, 배스킨라빈스, 베스킨라빈스, beskinrobbins 이름인 경우 브랜드명을 배스킨라빈스로 채운다.

 

남은 데이터 값을 던킨도너츠로 채우기

# df_31.loc[~df_31["상호명_소문자"].str.contains("배스킨라빈스|베스킨라빈스|baskinrobbins"), "브랜드명"] = "던킨도너츠"

df_31["브랜드명"] = df_31["브랜드명"].fillna("던킨도너츠")
df_31["브랜드명"]

 

 

의도하지 않은 데이터는 제외하기

# df_31에 의도한 데이터만 있는지 확인 한다.

df_31["상권업종대분류명"].value_counts()

# 소매, 생활서비스가 우리가 의도한 데이터가 아님을 확인.

df_31[df_31["상권업종대분류명"].isin(["소매", "생활서비스"])]

# 소매, 생활 서비스는 제외하고 다시 저장한다.

df_31 = df_31[~df_31["상권업종대분류명"].isin(["소매", "생활서비스"])].copy()
df_31.shape

 

# jointplot 은 두 개의 그래프를 같이 보여준다.

sns.jointplot(data=df_31, x="경도", y="위도", kind="hex")

 

 

 

Folium으로 지도 시각화하기

import folium

# 지도의 중심을 지정하기 위해 위도와 경도의 평균을 구한다

lat = df_31["위도"].mean()
long = df_31["경도"].mean()
lat, long

m = folium.Map([lat, long])
# 127.039032	37.495593
folium.Marker(
    [37.495593, 127.039032], 
    popup='<i>던킨도너츠</i>', 
    tooltip="던킨도너츠").add_to(m)
m.save('index.html')
m

 

 

서울의 배스킨라빈스와 던킨도너츠의 매장 분포

df_31.index

 

 

기본 마커로 표현하기

m = folium.Map([lat, long], zoom_start = 12)

for i in df_31.index:
    
    sub_lat = df_31.loc[i, "위도"]
    sub_long = df_31.loc[i, "경도"]
    title = df_31.loc[i, "상호명"] + "-" + df_31.loc[i, "도로명주소"]
    
    icon_color = "pink"
    if df_31.loc[i, "브랜드명"] == "던킨도너츠":
        icon_color = "orange"
    
    folium.Marker(
        [sub_lat, sub_long], 
        icon = folium.Icon(color=icon_color),
        popup=f'<i>{title}</i>', 
        tooltip=title).add_to(m)
    
m.save('index.html')
m

 

 

MarkerCluster로 표현하기

from folium.plugins import MarkerCluster

m = folium.Map([lat, long], zoom_start=12)
marker_cluster = MarkerCluster().add_to(m)

for i in df_31.index:
    
    sub_lat = df_31.loc[i, "위도"]
    sub_long = df_31.loc[i, "경도"]
    title = df_31.loc[i, "상호명"] + " - " + df_31.loc[i, "도로명주소"]
    
    icon_color = "pink"
    if df_31.loc[i, "브랜드명"] == "던킨도너츠":
        icon_color = "orange"
    
    folium.Marker(
        [sub_lat, sub_long], 
        icon=folium.Icon(color=icon_color),
        popup=f'<i>{title}</i>', 
        tooltip=title).add_to(marker_cluster)

m.save('index.html')
m

 

 

GitHub - DAWUNHAN/DataAnalysisInPython