class CrimeRateModel:
def __init__(self):
self.dr = DataReader()
def hook(self):
self.create_crime_rate()
def create_crime_rate(self):
self.dr.context = './data/'
self.dr.fname = 'saved/crime_police.csv'
police_crime = self.dr.csv_to_dframe()
print('---------- pivotal 전 ------------------')
print(police_crime.columns)
"""
Index(['Unnamed: 0', '관서명', '살인 발생', '살인 검거',
'강도 발생', '강도 검거', '강간 발생',
'강간 검거', '절도 발생', '절도 검거', '폭력 발생',
'폭력 검거', '구별'],
dtype='object')
"""
police = pd.pivot_table(police_crime, index='구별', aggfunc=np.sum)
print('---------- pivotal 후 ------------------')
print(police.columns)
print(police)
"""
Index(['Unnamed: 0', '강간 검거', '강간 발생', '강도 검거',
'강도 발생', '살인 검거', '살인 발생'], dtype='object')
"""
arrest_crime_1 = pd.to_numeric(police['살인 검거'])
occurr_crime_1 = pd.to_numeric(police['살인 발생'])
print('살인 검거 출력: %s' % (arrest_crime_1))
print('살인 발생 출력: %s' % (occurr_crime_1))
police['살인검거율'] = (arrest_crime_1 / occurr_crime_1) * 100
print('살인검거율 출력: %s' % (police['살인검거율']))
arrest_crime_2 = pd.to_numeric(police['강도 검거'])
occurr_crime_2 = pd.to_numeric(police['강도 발생'])
police['강도검거율'] = (arrest_crime_2 / occurr_crime_2) * 100
arrest_crime_3 = pd.to_numeric(police['강간 검거'])
occurr_crime_3 = pd.to_numeric(police['강간 발생'])
police['강간검거율'] = (arrest_crime_3 / occurr_crime_3) * 100
print('강간검거율 출력: %s' % (police['강간검거율']))
"""
print('--------->> 이슈 발생')
print(police['절도 검거'])
arrest_crime_4 = pd.to_numeric(police['절도 검거'])
print(arrest_crime_4)
occurr_crime_4 = pd.to_numeric(police['절도 발생'])
print('절도 검거 출력: %s' % (arrest_crime_4))
print('절도 발생 출력: %s' % (occurr_crime_4))
police['절도검거율'] = (arrest_crime_4 / occurr_crime_4) * 100
print('절도검거율 출력: %s' % (police['절도검거율']))
arrest_crime_5 = pd.to_numeric(police['폭력 검거'])
occurr_crime_5 = pd.to_numeric(police['폭력 발생'])
police['폭력검거율'] = (arrest_crime_5 / occurr_crime_5) * 100
"""
police.drop(columns={'살인 검거', '강도 검거', '강간 검거'}, axis=1)
print(police.columns)
class CrimeRateModel:
def __init__(self):
self.dr = DataReader()
def create_crime_rate(self):
self.dr.context = './data/'
self.dr.fname = 'saved/crime_police.csv'
police_crime = self.dr.csv_to_dframe()
# print(police_crime.columns)
"""
Index([
"""
police = pd.pivot_table(police_crime, index='구별', aggfunc=np.sum)
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
police.drop(columns={'살인 검거', '강도 검거', '강간 검거', '절도 검거', '폭력 검거'},
axis=1)
print(police)
police_columns = ["살인검거율", "강도검거율", "강간검거율", "절도검거율", "폭력검거율"]
x = police[police_columns].values
min_max_scalar = preprocessing.Mi
class CrimeModel:
def __init__(self):
self.dr = DataReader()
def hook(self) -> object:
self.create_crime_police()
def create_crime_police(self):
self.dr.context = './data/'
self.dr.fname = 'crime_in_Seoul.csv'
crime = self.dr.csv_to_dframe()
def create_crime_police(self):
self.dr.context = "./data/"
self.dr.fname = 'crime_in_Seoul.csv'
crime = self.dr.csv_to_dframe()
station_names = []
for name in crime['관서명']:
station_names.append('서울' + str(name[:1]) + '경찰서')
station_addrs = []
station_lats = []
station_lngs = []
gmaps = self.dr.create_gmaps()
for name in station_names:
tmp = gmaps.geocode(name, language='ko')
station_addrs.append(tmp[0].get('formatted_address'))
tmp_loc = tmp[0].get('geometry')
station_lats.append(tmp_loc['1ocation']['lat'])
station_lats.append(tmp_loc['1ocation']['lng'])
print(name + '----->' + tmp[0].get('formatted_address'))
gu_names = []
for name in station_addrs:
tmp = name.split()
gu_name = [gu for gu in tmp if gu[-1] == '구'][0]
gu_names.append(gu_name)
crime['구별'] = gu_names
#만약에 구와 경찰서 위치가 다른 경우 수작업이 필요합니다.
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'] == '종암서', ['구별']] == '성북구'
crime.loc[crime['관서명'] == '방배서', ['구별']] == '서초구'
crime.loc[crime['관서명'] == '수서서', ['구별']] == '감남구'
print(crime)
crime.to_csv(self.dr.context + 'saved/crime_police.csv')
class PoliceChart:
def __init__(self):
self.dr = DataReader()
def hook(self):
police_norm = self.create_police_norm()
#self.show_sns(police_norm)
self.show_heatmap(police_norm)
def create_police_norm(self):
self.dr.context = './data/'
self.dr.fname = 'saved/police_norm.csv'
police_norm = self.dr.csv_to_dframe()
return police_norm
def show_sns(self, pn):
font = 'C:/Windows/Fonts/malgun.ttf'
font_name = font_manager.FontProperties(fname=font).get_name()
print('폰트명 %s : ' % (font_name))
rc('font', family=font_name)
sns.pairplot(pn, vars=['강도', '살인', '폭력'], kind='reg', height=3)
sns.pairplot(pn,
x_vars=['인구수', 'CCTV'],
y_vars=['살인', '강도'],
kind='reg',
height=3)
tmp_max = pn['검거'].max()
pn['검거'] = pn['검거'] / tmp_max * 100
pn_sort = pn.sort_values(by='검거', ascending=False)
plt.figure(figsize=(10, 10))
plt.show()
def show_heatmap(self, pn):
font = 'C:/Windows/Fonts/malgun.ttf'
font_name = font_manager.FontProperties(fname=font).get_name()
print('폰트명 %s : ' % (font_name))
rc('font', family=font_name)
pn_sort = pn.sort_values(by='검거', ascending=False)
crime_rate_columns = ["살인검거율", "강도검거율", "강간검거율", "절도검거율", "폭력검거율"]
sns.heatmap(pn[crime_rate_columns],
annot=True,
fmt='f',
linewidths=5,
cmap="Greens")
plt.title('범죄 검거 비율')
#plt.show()
crime_columns = ["살인", "강도", "강간", "절도", "폭력"]
pn['범죄'] = pn['범죄'] / 5
pn_sort = pn.sort_values(by='범죄', ascending=False)
plt.figure(figsize=(10, 10))
sns.heatmap(pn[crime_columns],
annot=True,
fmt='f',
linewidths=5,
cmap="Greens")
plt.title('범죄 비율')
plt.show()
class CrimeMap:
def __init__(self):
self.dr = DataReader()
def hook(self):
self.create_seoul_crime_map()
def create_seoul_crime_map(self):
self.dr.context = './data/'
self.dr.fname = 'saved/police_norm.csv'
pn = self.dr.csv_to_dframe()
print(pn)
self.dr.fname = 'geo_simple.json'
geo_str = self.dr.json_load()
map = folium.Map(location=[37.5502, 126.982],
zoom_start=12,
tiles='Stamen Toner')
map.choropleth(geo_data=geo_str,
name='choropleth',
data=tuple(zip(pn['구별'], pn['범죄'])),
key_on='feature.id',
fill_color='PuRd')
map.save(self.dr.context + 'saved/seoul_crime_map.html')
def create_map(self):
self.dr.context = "./data/"
self.dr.fname = 'crime_in_Seoul.csv'
crime = self.dr.csv_to_dframe()
station_names = []
for name in crime['관서명']:
station_names.append('서울' + str(name[:1]) + '경찰서')
station_addrs = []
station_lats = []
station_lngs = []
gmaps = self.dr.create_gmaps()
for name in station_names:
tmp = gmaps.geocode(name, language='ko')
station_addrs.append(tmp[0].get('formatted_address'))
tmp_loc = tmp[0].get('geometry')
station_lats.append(tmp_loc['1ocation']['lat'])
station_lats.append(tmp_loc['1ocation']['lng'])
print(name + '----->' + tmp[0].get('formatted_address'))
class PoliceNormModel:
def __init__(self):
self.dr = DataReader()
def hook(self):
self.create_crime_rate()
def create_crime_rate(self):
self.dr.context = './data/'
self.dr.fname = 'saved/crime_police.csv'
police_crime = self.dr.csv_to_dframe()
police = pd.pivot_table(police_crime, index='구별', aggfunc=np.sum)
"""
Index(['Unnamed: 0', '강간 검거', '강간 발생', '강도 검거',
'강도 발생', '살인 검거', '살인 발생'], dtype='object')
"""
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
police.drop(columns={'살인 검거', '강도 검거', '강간 검거'}, axis=1)
crime_rate_columns = ["살인검거율", "강도검거율", "강간검거율", "절도검거율", "폭력검거율"]
for i in crime_rate_columns:
police.loc[police[i] > 100, 1] = 100
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
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,
Quantile 정규화
-- 제일 작은 값들은 갖은 값을 갖고,
-- 두 번째로 작은 값들이 같은 값을 갖고...
"""
police_norm = pd.DataFrame(x_scaled,
columns=crime_columns,
index=police.index)
police_norm[crime_rate_columns] = police[crime_rate_columns]
self.dr.fname = 'saved/cctv_pop.csv'
cctv_pop = pd.read_csv(self.dr.new_file(),
encoding='UTF-8',
sep=',',
index_col='구별')
police_norm[['인구수', 'CCTV']] = cctv_pop[['인구수', '소계']] # 소계는 CCTV 갯수
print('>>')
print(police_norm)
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(self.dr.context + 'saved/police_norm.csv',
sep=',',
encoding='utf-8')
class CrimeRateModel:
def __init__(self):
self.dr = DataReader()
def hook(self):
self.create_crime_rate()
def create_crime_rate(self):
self.dr.context = './data/'
self.dr.fname = 'saved/crime_police.csv'
police_crime = self.dr.csv_to_dframe()
print('---------- pivotal 전 ------------------')
print(police_crime.columns)
"""
Index(['Unnamed: 0', '관서명', '살인 발생', '살인 검거',
'강도 발생', '강도 검거', '강간 발생',
'강간 검거', '절도 발생', '절도 검거', '폭력 발생',
'폭력 검거', '구별'],
dtype='object')
"""
police = pd.pivot_table(police_crime, index='구별', aggfunc=np.sum)
print('---------- pivotal 후 ------------------')
print(police.columns)
print(police)
"""
Index(['Unnamed: 0', '강간 검거', '강간 발생', '강도 검거',
'강도 발생', '살인 검거', '살인 발생'], dtype='object')
"""
arrest_crime_1 = pd.to_numeric(police['살인 검거'])
occurr_crime_1 = pd.to_numeric(police['살인 발생'])
print('살인 검거 출력: %s' % (arrest_crime_1))
print('살인 발생 출력: %s' % (occurr_crime_1))
police['살인검거율'] = (arrest_crime_1 / occurr_crime_1) * 100
print('살인검거율 출력: %s' % (police['살인검거율']))
arrest_crime_2 = pd.to_numeric(police['강도 검거'])
occurr_crime_2 = pd.to_numeric(police['강도 발생'])
police['강도검거율'] = (arrest_crime_2 / occurr_crime_2) * 100
arrest_crime_3 = pd.to_numeric(police['강간 검거'])
occurr_crime_3 = pd.to_numeric(police['강간 발생'])
police['강간검거율'] = (arrest_crime_3 / occurr_crime_3) * 100
print('강간검거율 출력: %s' % (police['강간검거율']))
"""
print('--------->> 이슈 발생')
print(police['절도 검거'])
arrest_crime_4 = pd.to_numeric(police['절도 검거'])
print(arrest_crime_4)
occurr_crime_4 = pd.to_numeric(police['절도 발생'])
print('절도 검거 출력: %s' % (arrest_crime_4))
print('절도 발생 출력: %s' % (occurr_crime_4))
police['절도검거율'] = (arrest_crime_4 / occurr_crime_4) * 100
print('절도검거율 출력: %s' % (police['절도검거율']))
arrest_crime_5 = pd.to_numeric(police['폭력 검거'])
occurr_crime_5 = pd.to_numeric(police['폭력 발생'])
police['폭력검거율'] = (arrest_crime_5 / occurr_crime_5) * 100
"""
police.drop(columns={'살인 검거', '강도 검거', '강간 검거'}, axis=1)
print(police)
#검거율이 100%가 넘는 것은 오류를 발생시키므로 정리함
police_columns = ["살인검거율", "강도검거율", "강간검거율", "절도검거율", "폭력검거율"]
x = police[police_columns].values
main_max_scalar = preprocessing.MinMaxScaler()
"""
평균 = 0, 분산 = 1
"""
x_scalar = min_max_scalar.fit_transform(x.astype(float))
police_norm = pd.DataFrame(x_scalar,
columns=police_columns,
index=police.index)
police_norm = [police_columns] = police[police_columns]
#self.dr.context('./data/')
#self.dr.fname('saved/cctv_pop.csv')
#newfile = self.dr.new_file()
cctv_pop = pd.read_csv('./data/saved/cctv_pop.csv',
encoding='UTF-8',
sep=',',
index_col='구별')
police_norm[['인구수', 'CCTV']] = cctv_pop[['인구수', '소계']] #소계는 CCTV 갯수
police_norm['범죄'] = np.sum
print(cctv_pop)
class CrimeMap:
def __init__(self):
self.dr = DataReader()
def hook(self):
# self.seoul_crime_map()
self.create_map()
def create_seoul_crime_map(self):
print('---------1 ---------')
self.dr.context = './data/'
self.dr.fname = 'saved/police_norm.csv'
pn = self.dr.csv_to_dframe()
print(pn)
self.dr.fname = 'geo_simple.json'
geo_str = self.dr.json_load()
map = folium.Map(location=[37.5502, 126.982],
zoom_start=12,
tiles='Stamen Toner')
map.choropleth(
geo_data=geo_str,
name='choropleth',
data=tuple(zip(pn['구별'], pn['범죄'])),
key_on='feature.id',
fill_color='PuRd'
)
map.save(self.dr.context+'saved/seoul_crime_map.html')
def create_map(self):
print('-----------')
self.dr.context = './data/'
self.dr.fname = 'saved/police_norm.csv'
pn = self.dr.csv_to_dframe()
self.dr.fname = 'crime_in_Seoul.csv'
crime = self.dr.csv_to_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:
tmp = gmaps.geocode(name, language='ko')
station_addrs.append(tmp[0].get('formatted_address'))
tmp_loc = tmp[0].get('geometry')
station_lats.append(tmp_loc['location']['lat'])
station_lngs.append(tmp_loc['location']['lng'])
print(name + '---> '+tmp[0].get('formatted_address'))
self.dr.fname = 'police_position.csv'
police_pos = self.dr.csv_to_dframe()
police_pos['lat'] = station_lats
police_pos['lng'] = station_lngs
print(police_pos.columns)
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'
geo_str = self.dr.json_load()
map = folium.Map(location=[37.5502, 126.982],
zoom_start=12,
tiles='Stamen Toner')
map.choropleth(
geo_data=geo_str,
name='choropleth',
data=tuple(zip(pn['구별'], pn['범죄'])),
key_on='feature.id',
fill_color='PuRd'
)
for i in police_pos.index:
folium.CircleMarker([police_pos['lat'][i], police_pos['lng'][i]],
radius=police_pos['검거'][i] * 10,
color = '#0a0a32',
fill_color = '#0a0a32').add_to(map)
map.save(self.dr.context+'saved/seoul_police_map.html')
class CCTVModel:
def __init__(self):
self.dr = DataReader()
def hook(self) -> object:
self.create_cctv_pop()
def create_cctv_pop(self) -> object:
self.dr.context = './data/'
self.dr.fname = 'CCTV_in_Seoul.csv'
cctv = self.dr.csv_to_dframe()
print(cctv)
cctv_idx = cctv.columns
print(cctv_idx)
print('::::::::::::::::::::::::::::')
self.dr.fname = 'population_in_Seoul.xls'
pop = self.dr.xls_to_dframe(2, 'B,D,G,J,N')
print(pop)
pop_idx = pop.columns
print(pop_idx)
cctv.rename(columns={cctv.columns[0]: '구별'}, inplace=True)
pop.rename(columns={
pop.columns[0]: '구별',
pop.columns[1]: '인구수',
pop.columns[2]: '한국인',
pop.columns[3]: '외국인',
pop.columns[4]: '고령자'
},
inplace=True)
# cctv.sort_values(by='소계', ascending=True)
pop.drop([0], inplace=True)
# print(pop['구별'].unique())
# print(pop['구별'].isnull()) # 26행이 null
pop.drop([26], inplace=True)
pop['외국인비율'] = pop['외국인'] / pop['인구수'] * 100
pop['고령자비율'] = pop['고령자'] / pop['인구수'] * 100
cctv.drop(['2013년도 이전', '2014년', '2015년', '2016년'], 1, inplace=True)
cctv_pop = pd.merge(cctv, pop, on='구별')
cctv_pop.set_index('구별', inplace=True)
print(cctv_pop)
cor1 = np.corrcoef(cctv_pop['고령자비율'], cctv_pop['소계'])
cor2 = np.corrcoef(cctv_pop['외국인비율'], cctv_pop['소계'])
print('고령자비율 과 CCTV 상관계수 {} \n 외국인비율 과 CCTV 상관계수 {}'.format(
cor1, cor2))
"""
r이 -1.0과 -0.7 사이이면, 강한 음적 선형관계,
r이 -0.7과 -0.3 사이이면, 뚜렷한 음적 선형관계,
r이 -0.3과 -0.1 사이이면, 약한 음적dkfo ck 선형관계,
r이 -0.1과 +0.1 사이이면, 거의 무시될 수 있는 선형관계,
r이 +0.1과 +0.3 사이이면, 약한 양적 선형관계,
r이 +0.3과 +0.7 사이이면, 뚜렷한 양적 선형관계,
r이 +0.7과 +1.0 사이이면, 강한 양적 선형관계
고령자비율 과 CCTV 상관계수 [[ 1. -0.28078554] 약한 음적 선형관계
[-0.28078554 1. ]]
외국인비율 과 CCTV 상관계수 [[ 1. -0.13607433] 거의 무시될 수 있는
[-0.13607433 1. ]]
"""
cctv_pop.to_csv(self.dr.context + 'saved/cctv_pop.csv')