
import pandas as pd
import numpy as np
import re
import missingno as msno

import os
import glob

import platform
import matplotlib.pyplot as plt
import seaborn as sns 

%matplotlib inline

import warnings
warnings.filterwarnings('ignore')


path = "c:/Windows/Fonts/malgun.ttf"
from matplotlib import font_manager, rc
if platform.system() == 'Darwin':
    rc('font', family='AppleGothic')
elif platform.system() == 'Windows':
    font_name = font_manager.FontProperties(fname=path).get_name()
    rc('font', family=font_name)
else:
    print('Unknown system... sorry~~~~')    

plt.rcParams['axes.unicode_minus'] = False

from IPython.display import set_matplotlib_formats
set_matplotlib_formats('retina')


%pwd

'c:\\Users\\pc\\Desktop\\데이터스토리'


pd.read_excel('./data/서울시 구별 인구수/Report.xls') # 먼저 받아보고, 어떻게 받아와야 효율적일지 고민해보자


df_gu = pd.read_excel('./data/서울시 구별 인구수/Report.xls', skiprows=[1,2,3])
df_gu


df_seoul_gu = df_gu[['자치구', '인구']] #, '65세이상고령자']]
df_seoul_gu


df_seoul_gu.columns = ['시군구명', '인구수'] #, '고령자수']
df_seoul_gu


df_seoul_gu.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 25 entries, 0 to 24
Data columns (total 2 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   시군구명    25 non-null     object
 1   인구수     25 non-null     int64 
dtypes: int64(1), object(1)
memory usage: 528.0+ bytes


# df_seoul_gu['인구수'] = pd.to_numeric(df_seoul_gu['인구수'])


df_seoul_gu = df_seoul_gu.set_index('시군구명', drop=True) # 시각화를 위해 시군구명을 인덱스로 내린다
df_seoul_gu


df_seoul_gu.sort_values(by='인구수', ascending=False)


df_seoul_gu.to_csv('./data/df_seoul_gu.csv')


df_seoul_gu.sort_values(by='인구수').plot(kind='barh', color='tab:blue', figsize=(12,8)) 
plt.title('서울시 구별 인구수 순위')

Text(0.5, 1.0, '서울시 구별 인구수 순위')


import folium
import json

geo_path = './data/skorea_municipalities_geo_simple.json'
geo_json = json.load(open(geo_path, encoding='utf-8'))


# 지도 그리기 위해 앞에서 처리한 서울시 상권 위도, 경도 데이터 로딩
df_shop_seoul = pd.read_csv('./data/df_shop_seoul.csv')
df_shop_seoul.head()


# https://python-visualization.github.io/folium/quickstart.html
# https://matplotlib.org/stable/gallery/color/colormap_reference.html

map = folium.Map(location=[df_shop_seoul['위도'].mean(), df_shop_seoul['경도'].mean()], 
                 zoom_start=11)

map.choropleth(geo_data = geo_json,
               data = df_seoul_gu['인구수'],
               columns = [df_shop_seoul.index, df_seoul_gu['인구수']],
               fill_color = 'YlGnBu',
               key_on = 'feature.properties.name',
               fill_opacity=0.7,
               line_opacity=0.2,
               highlight=True)
map


# 앞에서 처리한 서울시 구별 음식점 수 csv 데이터 로딩
df_food_seoul = pd.read_csv('./data/df_food_seoul.csv')
df_food_seoul.head()


# 앞에서 처리한 서울시 구별 쓰레기 배출량 csv 데이터 로딩
df_garbage_seoul = pd.read_csv('./data/df_garbage_seoul.csv')
df_garbage_seoul.head()


# 미리 합쳐놓은 데이터프레임 사용
df_food_garbage_corona = pd.read_csv('./data/df_food_garbage_corona.csv')
df_food_garbage_corona.head()


df_seoul_gu


df_food_garbage_corona


df_seoul_gu.reset_index(inplace=True) # 조인을 위해 인덱스를 데이터프레임의 컬럼으로 올려준다


df_pop_food_garbage_corona = pd.merge(df_seoul_gu, df_food_garbage_corona)
df_pop_food_garbage_corona.head()


df_pop_food_garbage_corona.describe()


sns.pairplot(df_pop_food_garbage_corona)

<seaborn.axisgrid.PairGrid at 0x1ecb71e4040>


df_pop_food_garbage_corona.corr()


# https://m.blog.naver.com/kiddwannabe/221763497317

plt.figure(figsize = (8, 6))
sns.heatmap(df_pop_food_garbage_corona.corr(), 
            annot = True,      
            cmap = 'RdYlBu_r',
            linewidths=.5, 
            vmin = -1, vmax = 1, 
            )

<AxesSubplot:>


# https://m.blog.naver.com/kiddwannabe/221763497317

mask = np.zeros_like(df_pop_food_garbage_corona.corr(), dtype=np.bool)
mask[np.triu_indices_from(mask)] = True

plt.figure(figsize=(10,6))

sns.heatmap(df_pop_food_garbage_corona.corr(), 
            annot = True,  
            mask = mask,   
            cmap = 'RdYlBu_r',  
            linewidths=.5, 
            cbar_kws={"shrink": .8},
            vmin = -1, vmax = 1, 
            )

<AxesSubplot:>

	기간	자치구	세대	인구	인구.1	인구.2	인구.3	인구.4	인구.5	인구.6	인구.7	인구.8	세대당인구	65세이상고령자
0	기간	자치구	세대	합계	합계	합계	한국인	한국인	한국인	등록외국인	등록외국인	등록외국인	세대당인구	65세이상고령자
1	기간	자치구	세대	계	남자	여자	계	남자	여자	계	남자	여자	세대당인구	65세이상고령자
2	2021.2/4	합계	4405638	9795426	4756178	5039248	9565990	4649442	4916548	229436	106736	122700	2.17	1576971
3	2021.2/4	종로구	73525	155106	75009	80097	146029	70985	75044	9077	4024	5053	1.99	27605
4	2021.2/4	중구	62897	132259	64526	67733	123016	60019	62997	9243	4507	4736	1.96	23980
5	2021.2/4	용산구	111650	240665	116858	123807	226378	108948	117430	14287	7910	6377	2.03	38884
6	2021.2/4	성동구	134542	295767	143927	151840	289162	141042	148120	6605	2885	3720	2.15	45591
7	2021.2/4	광진구	166957	355306	170624	184682	342481	165233	177248	12825	5391	7434	2.05	50815
8	2021.2/4	동대문구	166372	352259	172865	179394	338040	167335	170705	14219	5530	8689	2.03	61262
9	2021.2/4	중랑구	185073	394679	194556	200123	389972	192688	197284	4707	1868	2839	2.11	70172
10	2021.2/4	성북구	194364	443206	212849	230357	433658	209210	224448	9548	3639	5909	2.23	73568
11	2021.2/4	강북구	144525	306093	148824	157269	302645	147542	155103	3448	1282	2166	2.09	63383
12	2021.2/4	도봉구	138387	322419	156843	165576	320365	156080	164285	2054	763	1291	2.31	62894
13	2021.2/4	노원구	217322	520005	250532	269473	515997	248719	267278	4008	1813	2195	2.37	86697
14	2021.2/4	은평구	213662	479409	229241	250168	475371	227584	247787	4038	1657	2381	2.22	85921
15	2021.2/4	서대문구	143226	317699	150608	167091	307070	146844	160226	10629	3764	6865	2.14	53627
16	2021.2/4	마포구	178625	379984	177998	201986	370132	174200	195932	9852	3798	6054	2.07	53891
17	2021.2/4	양천구	181012	454288	222538	231750	450992	221140	229852	3296	1398	1898	2.49	66942
18	2021.2/4	강서구	269276	582995	280822	302173	577519	278360	299159	5476	2462	3014	2.14	90404
19	2021.2/4	구로구	180258	424582	210936	213646	399266	197034	202232	25316	13902	11414	2.21	71186
20	2021.2/4	금천구	115358	244685	124394	120291	230168	116491	113677	14517	7903	6614	2	40181
21	2021.2/4	영등포구	185025	402375	199881	202494	377421	186482	190939	24954	13399	11555	2.04	61571
22	2021.2/4	동작구	183859	397231	191657	205574	387847	187617	200230	9384	4040	5344	2.11	65732
23	2021.2/4	관악구	274565	502698	251713	250985	488800	245404	243396	13898	6309	7589	1.78	78647
24	2021.2/4	서초구	171574	422174	202027	220147	418407	200163	218244	3767	1864	1903	2.44	60395
25	2021.2/4	강남구	232707	536107	256449	279658	531375	254139	277236	4732	2310	2422	2.28	76184
26	2021.2/4	송파구	280707	664341	320113	344228	658670	317531	341139	5671	2582	3089	2.35	95164
27	2021.2/4	강동구	200170	469094	230388	238706	465209	228652	236557	3885	1736	2149	2.32	72275

	기간	자치구	세대	인구	인구.1	인구.2	인구.3	인구.4	인구.5	인구.6	인구.7	인구.8	세대당인구	65세이상고령자
0	2021.2/4	종로구	73525	155106	75009	80097	146029	70985	75044	9077	4024	5053	1.99	27605
1	2021.2/4	중구	62897	132259	64526	67733	123016	60019	62997	9243	4507	4736	1.96	23980
2	2021.2/4	용산구	111650	240665	116858	123807	226378	108948	117430	14287	7910	6377	2.03	38884
3	2021.2/4	성동구	134542	295767	143927	151840	289162	141042	148120	6605	2885	3720	2.15	45591
4	2021.2/4	광진구	166957	355306	170624	184682	342481	165233	177248	12825	5391	7434	2.05	50815
5	2021.2/4	동대문구	166372	352259	172865	179394	338040	167335	170705	14219	5530	8689	2.03	61262
6	2021.2/4	중랑구	185073	394679	194556	200123	389972	192688	197284	4707	1868	2839	2.11	70172
7	2021.2/4	성북구	194364	443206	212849	230357	433658	209210	224448	9548	3639	5909	2.23	73568
8	2021.2/4	강북구	144525	306093	148824	157269	302645	147542	155103	3448	1282	2166	2.09	63383
9	2021.2/4	도봉구	138387	322419	156843	165576	320365	156080	164285	2054	763	1291	2.31	62894
10	2021.2/4	노원구	217322	520005	250532	269473	515997	248719	267278	4008	1813	2195	2.37	86697
11	2021.2/4	은평구	213662	479409	229241	250168	475371	227584	247787	4038	1657	2381	2.22	85921
12	2021.2/4	서대문구	143226	317699	150608	167091	307070	146844	160226	10629	3764	6865	2.14	53627
13	2021.2/4	마포구	178625	379984	177998	201986	370132	174200	195932	9852	3798	6054	2.07	53891
14	2021.2/4	양천구	181012	454288	222538	231750	450992	221140	229852	3296	1398	1898	2.49	66942
15	2021.2/4	강서구	269276	582995	280822	302173	577519	278360	299159	5476	2462	3014	2.14	90404
16	2021.2/4	구로구	180258	424582	210936	213646	399266	197034	202232	25316	13902	11414	2.21	71186
17	2021.2/4	금천구	115358	244685	124394	120291	230168	116491	113677	14517	7903	6614	2.00	40181
18	2021.2/4	영등포구	185025	402375	199881	202494	377421	186482	190939	24954	13399	11555	2.04	61571
19	2021.2/4	동작구	183859	397231	191657	205574	387847	187617	200230	9384	4040	5344	2.11	65732
20	2021.2/4	관악구	274565	502698	251713	250985	488800	245404	243396	13898	6309	7589	1.78	78647
21	2021.2/4	서초구	171574	422174	202027	220147	418407	200163	218244	3767	1864	1903	2.44	60395
22	2021.2/4	강남구	232707	536107	256449	279658	531375	254139	277236	4732	2310	2422	2.28	76184
23	2021.2/4	송파구	280707	664341	320113	344228	658670	317531	341139	5671	2582	3089	2.35	95164
24	2021.2/4	강동구	200170	469094	230388	238706	465209	228652	236557	3885	1736	2149	2.32	72275

	자치구	인구
0	종로구	155106
1	중구	132259
2	용산구	240665
3	성동구	295767
4	광진구	355306
5	동대문구	352259
6	중랑구	394679
7	성북구	443206
8	강북구	306093
9	도봉구	322419
10	노원구	520005
11	은평구	479409
12	서대문구	317699
13	마포구	379984
14	양천구	454288
15	강서구	582995
16	구로구	424582
17	금천구	244685
18	영등포구	402375
19	동작구	397231
20	관악구	502698
21	서초구	422174
22	강남구	536107
23	송파구	664341
24	강동구	469094

	시군구명	인구수
0	종로구	155106
1	중구	132259
2	용산구	240665
3	성동구	295767
4	광진구	355306
5	동대문구	352259
6	중랑구	394679
7	성북구	443206
8	강북구	306093
9	도봉구	322419
10	노원구	520005
11	은평구	479409
12	서대문구	317699
13	마포구	379984
14	양천구	454288
15	강서구	582995
16	구로구	424582
17	금천구	244685
18	영등포구	402375
19	동작구	397231
20	관악구	502698
21	서초구	422174
22	강남구	536107
23	송파구	664341
24	강동구	469094

	인구수
시군구명
종로구	155106
중구	132259
용산구	240665
성동구	295767
광진구	355306
동대문구	352259
중랑구	394679
성북구	443206
강북구	306093
도봉구	322419
노원구	520005
은평구	479409
서대문구	317699
마포구	379984
양천구	454288
강서구	582995
구로구	424582
금천구	244685
영등포구	402375
동작구	397231
관악구	502698
서초구	422174
강남구	536107
송파구	664341
강동구	469094

4. 서울시 주민등록인구 구별 통계¶

이후 연계분석 위해 '서울시 구별 인구수' 데이터프레임으로 저장¶

다양한 컬러 옵션을 줄 수 있다¶

folium 활용한 <인구수> 지도 choropleth 시각화

구별 인구수, 음식점수, 쓰레기 배출량과 코로나 발생의 상관관계 (학습용)¶

	상호명	지점명	상권업종대분류명	상권업종중분류명	상권업종소분류명	시도명	시군구명	행정동명	법정동명	지번주소	도로명주소	경도	위도
0	비지트	NaN	음식	한식	한식/백반/한정식	서울특별시	서초구	방배4동	방배동	서울특별시 서초구 방배동 854-18	서울특별시 서초구 동광로18길 82	126.991394	37.488375
1	쓰리에프	NaN	음식	한식	한식/백반/한정식	서울특별시	동작구	사당2동	사당동	서울특별시 동작구 사당동 139-72	서울특별시 동작구 동작대로27가길 12	126.980952	37.487105
2	채움	NaN	음식	한식	한식/백반/한정식	서울특별시	종로구	종로1.2.3.4가동	수송동	서울특별시 종로구 수송동 58	서울특별시 종로구 삼봉로 81	126.981794	37.572387
3	호구의주방	NaN	소매	가정/주방/인테리어	주방가구판매	서울특별시	영등포구	양평2동	양평동4가	서울특별시 영등포구 양평동4가 160-2	서울특별시 영등포구 선유로 269	126.897892	37.536700
4	다향	NaN	음식	한식	한식/백반/한정식	서울특별시	서초구	서초3동	서초동	서울특별시 서초구 서초동 1485-3	서울특별시 서초구 효령로 230	127.009382	37.483436

	시군구명	음식점수
0	강남구	12723
1	마포구	7684
2	송파구	7348
3	서초구	6610
4	강서구	6393

	시군구명	배출량
0	송파구	38265512065
1	도봉구	34790954457
2	노원구	32942231384
3	마포구	20825545358
4	영등포구	18647711639

	시군구명	음식점수	배출량	확진자수
0	강남구	12723	1418405631	7146
1	마포구	7684	20825545358	3889
2	송파구	7348	38265512065	6606
3	서초구	6610	9714324358	4380
4	강서구	6393	7844540723	4627

	시군구명	인구수	음식점수	배출량	확진자수
0	종로구	155106	5158	2390357650	1745
1	중구	132259	4869	4395584448	1824
2	용산구	240665	4583	220185394	2814
3	성동구	295767	3917	9915469267	2961
4	광진구	355306	4569	5490445600	3633

	인구수	음식점수	배출량	확진자수
count	25.000000	25.000000	2.500000e+01	25.000000
mean	391817.040000	5048.120000	1.131163e+10	3865.600000
std	125915.847806	2064.582349	1.041689e+10	1303.178166
min	132259.000000	2690.000000	2.201854e+08	1745.000000
25%	317699.000000	3917.000000	4.395584e+09	2814.000000
50%	397231.000000	4583.000000	8.487977e+09	3889.000000
75%	469094.000000	5387.000000	1.217723e+10	4449.000000
max	664341.000000	12723.000000	3.826551e+10	7146.000000

	인구수	음식점수	배출량	확진자수
인구수	1.000000	0.424563	0.388794	0.874852
음식점수	0.424563	1.000000	-0.036131	0.693609
배출량	0.388794	-0.036131	1.000000	0.203059
확진자수	0.874852	0.693609	0.203059	1.000000