전국 전기차 충전소 위치 분석 & 시각화 with Python, Mapbox, Plotly

Data Source:

공공데이터 한국환경공단_전기자동차 충전소 정보

data.go.kr/tcs/dss/selectApiDataDetailView.do?publicDataPk=15076352

공공데이터 포털

활용 라이브러리 패키지:

Mapbox, Plotly

 

Mapbox 활용한 전국 전기차 충전수 위치 지도

전국 전기차 충전소 좌표(위도/경도), 장소명, 주소, 전화번호, 주차료유무 등 데이터 확인이 가능함.

 

Plotly 활용한 전국 전기차 충전소 현황 시각화

 

 

 

 

 

Python Code:

import pandas as pd
table=pd.read_html('https://inasie.github.io/%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D/5/',encoding='utf-8')[0]
table['code']=table['법정동코드'].apply(lambda x:str(x)[:2] )
table2=table.drop_duplicates('code',keep='first')

from urllib.request import urlopen
from urllib.parse import urlencode, unquote, quote_plus
import urllib
import requests
import pandas as pd
import xmltodict
import json
from datetime import datetime as dt
import requests

key='~~~'

final_data=[]

for a, b,c in table2.itertuples(index=False):
    

    url=f'http://apis.data.go.kr/B552584/EvCharger/getChargerInfo?serviceKey={key}&'

    queryParams =urlencode({quote_plus('numOfRows') : '9999', quote_plus('pageNo') : '1',quote_plus('zcode') : c})
    url2 = url + queryParams
    response = urlopen(url2) 
    results = response.read().decode("utf-8")
    results_to_json = xmltodict.parse(results)
    data = json.loads(json.dumps(results_to_json))
    final_data.extend(data['response']['body']['items']['item'])
df=pd.DataFrame(final_data)
df.rename(columns = {'statNm' : '장소명','addr':'주소','useTime':'이용시간','busiCall':'전화번호','parkingFree':'주차료비용'}, inplace = True)

from mapboxgl.utils import df_to_geojson

df['lat']=df['lat'].astype(float)
df['lng']=df['lng'].astype(float)

geo_data = df_to_geojson(
    df.fillna(''),
    properties=['장소명', '주소','powerType','주차료비용','전화번호'],
    lat='lat', lon='lng',
    precision=5,
    filename = "ev_charger.geojson"
)

import json

geo_data_2 = 'ev_charger.geojson'

with open(geo_data_2) as f:
    data = json.loads(f.read())
    
from mapboxgl.viz import *

token = '~~~~'
center = [128.033400, 36.801156]

viz = CircleViz(
    data,
    access_token=token,
    center=center,
    zoom=6.2)

viz.show()
viz.create_html('ev_chargers.html')

df['시도']=df['주소'].apply(lambda x: x[:3])
df['시도']=df['시도'].str.replace('특','').replace('충청북','충북').replace('충청남','충남').replace('경상남','경남').replace('경상북','경북')
df['시도']=df['시도'].str.replace('부산광','부산').replace('대구광','대구').replace('인천광','인천').replace('울산광','울산').replace('광주광','광주')
df['시도']=df['시도'].str.replace('전라남','전남').replace('전라북','전북').replace('대전광','대전')

ddf=pd.DataFrame(df.groupby(['시도']).count()['장소명'])
ddf=ddf[ddf.index!='nul']
ddf=ddf.reset_index()
ddf.rename(columns={'장소명':'충전소 수'}, inplace=True)
ddf=ddf.sort_values(by='충전소 수',ascending=False)
ddf=ddf.rename(columns={'시도':'sido','충전소 수':'number of chargers','충전소 비중':'Perc'})

eng_sido=['gyeongi','seoul','jeju',
          'gyeongnam','gyeongbuk','chungnam','jeonnam',
          'jeonbuk','daegu','gangwon',
          'busan','gwangju','chungbuk',
          'incheon','daejeon','ulsan','sejong']
ddf['eng_sido']=eng_sido

import plotly.express as px
fig = px.bar(ddf, x='eng_sido', y='number of chargers',title="number of electric car chargers per province")
# fig.show()
jj=fig.to_json()
for x,y in zip(ddf['sido'], ddf['eng_sido']):
    jj = jj.replace(y, x)
    
ddf['충전소 비중']=ddf['충전소 수'].apply(lambda x: x/ddf['충전소 수'].sum())
fig = px.pie(ddf, values='Perc', names='eng_sido', title='percentage')
ff=fig.to_json()
for x,y in zip(ddf['sido'], ddf['eng_sido']):
    ff = f.replace(y, x)
    
ingu=pd.read_csv('인구수.csv',encoding='cp949',skiprows=1)
sido=['서울','부산','대구','인천','광주','대전','울산','세종','경기도','강원도','충북','충남','전북','전남','경북','경남','제주']
ingu['sido']=sido
merge=pd.merge(left=ddf,right=ingu,left_on=ddf['sido'],right_on=ingu['sido'],how='inner')
merge['시도별 충전소 대비 인구 수']=merge['총인구수 (명)']/merge['number of chargers']
merge=merge.sort_values(by='시도별 충전소 대비 인구 수',ascending=False)
merge['시도별 충전소 대비 인구 수']=merge['시도별 충전소 대비 인구 수'].apply(lambda x: int(x))
merge=merge.rename(columns={'총인구수 (명)':'Population','시도별 충전소 대비 인구 수':'Population/Chargers'})
fig = px.bar(merge, x='eng_sido', y='Population/Chargers',
             hover_data=['number of chargers', 'Population'], color='Population/Chargers',
             )
fj=fig.to_json()
for x,y in zip(merge['sido_x'], merge['eng_sido']):
    fj = fj.replace(y, x)