서울 내 스타벅스가 가장 많은 지역을 알아보자 - 스타벅스 위치 데이터 분석 With Python

이제 서울 내에서 스타벅스 없는 동네를 찾기가 더 어렵다. 그만큼 스타벅스가 구석구석 엄청나게 많은 지점을 늘려왔다는 의미이기도 하다. 그래서 오늘 포스팅에서는 서울 내 위치한 스타벅스 지점 위치 데이터를 가져와서 간단한 분석 및 시각화를 해보도록 하겠다.

 

1. 데이터 가져오기

스타벅스 데이터는 홈페이지에서 크롤링하거나 아님 아래 내가 한 것처럼 카카오 API를 통해 가져올 수 있다. 카카오 API가 데이터 가져오기 쉽고 빠르기는 하지만 데이터가 100% 정확하지 않은 단점이 있다.

 

쿼리가 제대로 돌아간다면 아래와 같이 서울 내 481개의 스타벅스 지점 위치 데이터를 볼 수 있을 것이다. 스타벅스 홈페이지에 따르면 약 541개의 서울 지점이 있는데 뭐 정확히 맞출 수는 없는 법...

 

아래 데이터에는 우리가 필요하는 주소, 지점명, 좌표가 주어져 있다.

import pandas as pd
import requests

gu=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]
seoul=gu[gu['법정동주소'].str.contains('서울')][1:]

api='~~'

starbucks=[]
for q in seoul['법정동주소']:
    query= q+' 스타벅스'
    for i in range(1,46):
        url = f'''https://dapi.kakao.com/v2/local/search/keyword?query={query}&page={i}&size=15&category_group_code'''
        headers = {
            "Authorization": f"KakaoAK {api}"
        }
        places = requests.get(url, headers = headers).json()['documents']
        starbucks.extend(places)
sb=pd.DataFrame(starbucks)
sb=sb.drop_duplicates('place_name',keep='last')
sb=sb[sb['address_name'].str.contains('서울')]

starbucksr=[]
for q in seoul['법정동주소']:
    query= q+' 스타벅스 리저브'
    for i in range(1,46):
        url = f'''https://dapi.kakao.com/v2/local/search/keyword?query={query}&page={i}&size=15&category_group_code'''
        headers = {
            "Authorization": f"KakaoAK {api}"
        }
        places = requests.get(url, headers = headers).json()['documents']
        starbucksr.extend(places)
sbr=pd.DataFrame(starbucksr)
sbr=sbr[sbr['place_name'].str.contains('R')].drop_duplicates()
sbr=sbr[sbr['address_name'].str.contains('서울')]

bucks=pd.concat([sb,sbr],axis=0)
bucks=bucks.drop_duplicates(['address_name'],keep='last')

 

2. 지도 좌표 시각화

다음으로는 주어진 위도 경도 좌표 데이터를 지도에 찍어보도록 하겠다.

아래와 같이 스타벅스 지점별로 원형이 찍혀 있는 점을 확인할 수 있다. 마우스를 올려보면 지점명과 주소도 같이 확인할 수 있다.

 

 

from mapboxgl.utils import *
from mapboxgl.viz import *
from mapboxgl.utils import df_to_geojson
import json

bucks['x']=bucks['x'].astype(float)
bucks['y']=bucks['y'].astype(float)

geo_data = df_to_geojson(
    df=bucks,
    properties=['place_name', 'place_url','address_name','phone'],
    lat='y', lon='x',
    precision=5,
    filename = "starbucks.geojson"
)

geo_data_2 = 'starbucks.geojson'

with open(geo_data_2) as f:
    gdata = json.loads(f.read())

token = '~~'
center = [126.984630, 37.520189]


viz = CircleViz(
    data=gdata,
    access_token=token,
    center=center,
    zoom=10,
    radius=3.5,
    stroke_color='red'
)
viz.show()
viz.create_html('starbucks.html')

 

마지막으로 스타벅스 지점 수를 기준으로 클러스터링해서 시각화를 해보도록 하겠다.

 

 

color_stops = create_color_stops([20,40,60,80,100,120], colors='BrBG')

cviz = ClusteredCircleViz(gdata,
                         access_token=token,
                         color_stops=color_stops,
                         radius_stops=[[1,5], [10, 10], [50, 15], [100, 20]],
                         radius_default=2,
                         cluster_maxzoom=10,
                         cluster_radius=30,
                         label_size=12,
                         opacity=0.9,
                         center=center,
                         zoom=10
                         )

cviz.show()
cviz.create_html('스벅 수.html')

 

3. 스타벅스 히트맵

다음으로는 Uber에서 만든 시각화 라이브러리 Pydeck을 활용해서 스타벅스 지점 수 기준으로 히트맵을 지도에 그려보도록 하겠다.

 

아래 히트맵을 보면 확실히 종로 지역에 스타벅스 지점이 가장 밀집되어 있는 점을 확인할 수 있다.

 

 

import pydeck as pdk

bucks=bucks.rename(columns={'x':'lng','y':'lat'})

heat = pdk.Layer(
    'HeatmapLayer',
    bucks,
    get_position='[lng, lat]',
    auto_highlight=True,
    opacity=0.5
)

center = [126.986, 37.565]
view_state = pdk.ViewState(
    longitude=center[0],
    latitude=center[1],
    zoom=10)

r = pdk.Deck(layers=[heat], initial_view_state=view_state)
r.show()
r.to_html('스타벅스 히트맵.html')