class CrimeModel:
def __init__(self):
self.dr = DataReader()
def hook_process(self):
print("-------------------3. CCTV 파일로 DF 생성")
self.get_crime()
def get_crime(self):
self.dr.context = "./data/"
self.dr.fname = "crime_in_seoul.csv"
crime = self.dr.csv_dframe()
print(crime)
station_names = []
for name in crime["관서명"]:
station_names.append("서울" + str(name[:-1] + "경찰서"))
station_addrs = []
station_lats = [] #위도
station_lngs = [] #경도
gmaps = self.dr.create_gmaps()
for name in station_names:
t = gmaps.geocode(name, language="ko")
station_addrs.append(t[0].get("formatted_address"))
t_loc = t[0].get("geometry")
#구글의 컬럼 명 그대로lat, lng -> api
station_lats.append(t_loc["location"]["lat"])
station_lngs.append(t_loc["location"]["lng"])
print(name + "--------------->" + t[0].get("formatted_address"))
gu_names = []
for name in station_addrs:
t = name.split()
#-1 : 뒤에서 한 글자
#:-1 : 0부터 맨 끝까지
gu_name = [gu for gu in t if gu[-1] == "구"][0]
gu_names.append(gu_name)
crime["구별"] = gu_names
#구 와 경찰서 위치가 다른 경우 수작업
crime.loc[crime["관서명"] == "혜화서", ["구별"]] == "종로구"
crime.loc[crime["관서명"] == "서부서", ["구별"]] == "은평구"
crime.loc[crime["관서명"] == "강서서", ["구별"]] == "양천구"
crime.loc[crime["관서명"] == "중앙서", ["구별"]] == "성북구"
crime.loc[crime["관서명"] == "방배서", ["구별"]] == "서초구"
crime.loc[crime["관서명"] == "수서서", ["구별"]] == "강남구"
print(crime)
crime.to_csv("./saved_data/crime_police.csv")
class CCTVModel:
def __init__(self):
self.dr = DataReader()
def hook_process(self):
print("-------1.cctv 파일 df 생성--------")
self.get_cctv()
def get_cctv(self):
self.dr.context = "./data/"
#setter의 메소드명과 일치해야 한다.
#@fname.setter
#def fname(self, fname):
self.dr.fname = 'cctv_in_seoul.csv'
cctv = self.dr.csv_dframe()
#print(cctv)
#print(cctv.columns)
self.dr.fname = "population_in_seoul.xls"
pop = self.dr.xls_to_dframe(2, "B,D,G,J,N")
#print(pop)
#print(pop.header())
#print(pop.columns)
cctv.rename(columns={cctv.columns[0]: "구 별"}, inplace=True)
pop.rename(columns={
pop.columns[0]: "구 별",
pop.columns[1]: "인구수",
pop.columns[2]: "한국인",
pop.columns[3]: "외국인",
pop.columns[4]: "고령인"
},
inplace=True)
#pop.drop([0], True)
print(pop["구 별"].isnull())
pop.drop([26], inplace=True)
pop["외국인비율"] = pop["외국인"] / pop["인구수"] * 100
pop["고령자비율"] = pop["고령인"] / pop["인구수"] * 100
#pop.drop([26], inplace=True)
cctv.drop(["2013년도 이전", "2014년", "2015년", "2016년"], 1, inplace=True)
cctv_pop = pd.merge(cctv, pop, on="구 별")
#상관관계를 찾는것
#가설을 세운 후 증명하는 과정
cor1 = np.corrcoef(cctv_pop["고령자비율"], cctv_pop["소계"])
cor2 = np.corrcoef(cctv_pop["외국인비율"], cctv_pop["소계"])
#가공된 데이터 다시 저장
cctv_pop.to_csv("./saved_data/cctv_pop.csv")
class PoliceNormModel:
def __init__(self):
self.dr = DataReader()
def hook(self):
print("---------- 1.cctv 파일로 df 생성")
self.create_crime_rate()
def create_crime_rate(self):
self.dr.context = "./saved_data"
self.dr.fname = "/crime_police.csv"
police_crime = self.dr.csv_dframe()
police = pd.pivot_table(police_crime, index="구별", aggfunc=np.sum)
print(police.columns)
police["살인검거율"] = (police["살인 검거"] / police["살인 발생"]) * 100
police["강도검거율"] = (police["강도 검거"] / police["강도 발생"]) * 100
police["강간검거율"] = (police["강간 검거"] / police["강간 발생"]) * 100
police["절도검거율"] = (police["절도 검거"] / police["절도 발생"]) * 100
police["폭력검거율"] = (police["폭력 검거"] / police["폭력 발생"]) * 100
#axis=1 -> 컬럼 단위로 삭제(세로)
police.drop(columns={"살인 검거", "강도 검거", "강간 검거", "절도 검거", "폭력 검거"},
axis=1)
crime_rate_columns = ["살인검거율", "강도검거율", "강간검거율", "절도검거율", "폭력검거율"]
for i in crime_rate_columns:
police.loc[police[i] > 100,
1] = 100 #100%가 넘어가는 경우 에러가 발생 -> 방지하기 위한 로직 100으로 치환
police.rename(columns={
"살인 발생": "살인",
"강도 발생": "강도",
"강간 발생": "강간",
"절도 발생": "절도",
"폭력 발생": "폭력"
},
inplace=True)
crime_columns = ["살인", "강도", "강간", "절도", "폭력"]
x = police[crime_rate_columns].values
#scaler ->
#return은 반드시 스칼라가 되어야 한다.
min_max_scalar = preprocessing.MinMaxScaler()
"""
스케일링은 선형변환을 적용하여
전체 자료의 분포를 평균 0, 분산 1이 되도록 만드는 과정
"""
x_scaled = min_max_scalar.fit_transform(x.astype(float))
"""
정규화(normalization)
많은 양의 데이터를 처리함에 있어 여러 이유로 정규화.
즉, 데이터의 범위를 일치시키거나
분포를 유사하게 만들어 주는 등의 작업,.
평균값 정규화, 중간값 정규화...
"""
police_norm = pd.DataFrame(x_scaled,
columns=crime_columns,
index=police.index)
police_norm[crime_rate_columns] = police[crime_rate_columns]
self.dr.context = "./saved_data"
self.dr.fname = "/cctv_pop.csv"
cctv_pop = pd.read_csv(self.dr.new_file(),
encoding="UTF-8",
sep=",",
index_col="구 별")
police_norm["범죄"] = np.sum(police_norm[crime_rate_columns], axis=1)
police_norm["검거"] = np.sum(police_norm[crime_columns], axis=1)
print(police_norm.columns)
police_norm.to_csv("./saved_data/police_nomr.csv",
sep=",",
encoding="UTF-8")
class CrimeMap:
def __init__(self):
self.dr = DataReader()
def hook(self):
self.create_seoul_crime_map()
def create_seoul_crime_map(self):
#생성한 객체의 변수에 값 할당
self.dr.context = "./saved_data/"
self.dr.fname = "police_nomr.csv"
police = self.dr.csv_dframe()
print(police)
self.dr.context = "./data/"
self.dr.fname = 'geo_simple.json'
seoul_geo = self.dr.json_load()
self.dr.context = "./data/"
self.dr.fname = "crime_in_seoul.csv"
crime = self.dr.csv_dframe()
station_names = []
for name in crime["관서명"]:
station_names.append("서울" + str(name[:-1] + "경찰서"))
station_addrs = []
station_lats = [] # 위도
station_lngs = [] # 경도
gmaps = self.dr.create_gmaps()
for name in station_names:
t = gmaps.geocode(name, language="ko")
station_addrs.append(t[0].get("formatted_address"))
t_loc = t[0].get("geometry")
# 구글의 컬럼 명 그대로lat, lng -> api
station_lats.append(t_loc["location"]["lat"])
station_lngs.append(t_loc["location"]["lng"])
print(name + "--------------->" + t[0].get("formatted_address"))
# 기존 코드
self.dr.context = './data/'
self.dr.fname = 'police_position.csv'
police_pos = self.dr.csv_dframe()
police_pos['lat'] = station_lats
police_pos['lng'] = station_lngs
print(police_pos)
col = ['살인 검거', '강도 검거', '강간 검거', '절도 검거', ' 폭력 검거']
tmp = police_pos[col] / police_pos[col].max
police_pos['검거'] = np.sum(tmp, axis=1)
self.dr.fname = 'geo_simple.json'
m = folium.Map(location=[37.5902, 126.982],
zoom_start=12,
title='Stamen Toner')
# 속성값
m.choropleth(
geo_data=seoul_geo,
name="choropleth",
data=tuple(zip(police['구별'], police['범죄'])),
#columns=["State", "Unemployment"],
key_on="feature.id",
fill_color="PuRd",
fill_opacity=0.7,
line_opacity=0.2,
lengend_name="CRIME RATE (%)")
for i in police_pos.index:
#동그란 이미지 추가
folium.CircleMarker([police_pos['lat'][i], police_pos['lng'][i]],
radius=police_pos['검거'][i] * 10,
fill_color='#0a0a32').add_to(m)
#저장하기
m.save('./saved_data/Seoul_Crime_Map.html')
