2013년 ~ 2020년 연도별 한강공원 방문 이용객 수 데이터 분석 With Python, folium, Plotly

이번 포스팅에서 다룰 주제는 바로 서울 한강공원 이용객 수 데이터다. 연도별로 무슨 목적으로 얼마나 많은 사람들이 어떤 한강공원에 방문했는지 분석해보도록 하겠다. 데이터는 아래 링크와 같이 서울 열린 데이터 광장에서 가져왔다.

 

https://data.seoul.go.kr/dataList/10798/S/2/datasetView.do

서울시 한강공원 이용객 현황 통계

 

1. 연도별 한강공원 이용객 수 추이

코로나 여파로 한강공원 이용객 수는 확실히 감소된 점을 확인할 수 있다. 목적별로 볼 경우에는 특이한 점은 자전거나 운동을 하기 위해서 한강을 방문하는 이용객 수는 오히려 코로나 이후 증가하였다. 한강에서 취식, 행사가 금지되고, 많은 시내 운동 시설이 영업 정지를 하면서 한강에 운동하러 오는 사람이 증가하지 않았을까 추정된다.

 

 

import pandas as pd
import numpy as np
import plotly.express as px

df=pd.read_csv('C:/Users/banad/Downloads/report.txt',sep='\t')

total=df[df['구분']=='합계']
total=total.melt(id_vars=['기간','구분'],var_name='목적',value_name='이용객')
total['이용객']=total['이용객'].str.replace(',','')

total['이용객']=total['이용객'].astype(int)
total['이용객']=total['이용객'].astype(np.int64)

fig = px.line(total, x="기간", y="이용객",color="목적", title='한강공원 이용객 수')
fig.show()
fig.write_html("C:/Users/banad/OneDrive/바탕 화면/동앤트/total_counts.html")

 

 

2. 목적별 한강공원 이용객 수 비중

 

연도별로 무슨 목적으로 한강공원을 방문했는지 파이 차트로 시각화해보도록 하겠다.

 

아래 파이 차트로 보면 확실히 자전거와 운동 목적의 이용객 수 비중이 크게 증가한 부분을 명확하게 볼 수 있다.

 

 

total2=total[total['목적']!='합계']
total3=total.pivot('기간','목적','이용객')
for i in total3.columns:
    total3[f'{i}_비중']=total3[f'{i}']/total3['합계']
    
total3=total3.iloc[:,7:13]
total3=total3.T
total3.reset_index(inplace=True)

import plotly.graph_objects as go
from plotly.subplots import make_subplots

fig = make_subplots(rows=2, cols=4, specs=[[{'type':'domain'}, {'type':'domain'},{'type':'domain'}, {'type':'domain'}],
                                          [{'type':'domain'}, {'type':'domain'},{'type':'domain'}, {'type':'domain'}]
                                          ])

fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2013], name="2013"),
              1, 1)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2014], name="2014"),
              1, 2)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2015], name="2015"),
              1, 3)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2016], name="2016"),
              1, 4)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2017], name="2017"),
              2, 1)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2018], name="2018"),
              2, 2)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2019], name="2019"),
              2, 3)
fig.add_trace(go.Pie(labels=total3['목적'], values=total3[2020], name="2020"),
              2, 4)

fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="연도별 한강공원 이용객 비중",

    annotations=[dict(text='2013', x=0.074, y=0.82, font_size=15, showarrow=False),
                dict(text='2014', x=0.373, y=0.82, font_size=15, showarrow=False),
                 dict(text='2015', x=0.63, y=0.82, font_size=15, showarrow=False),
                 dict(text='2016', x=0.925, y=0.82, font_size=15, showarrow=False),
                 dict(text='2017', x=0.074, y=0.18, font_size=15, showarrow=False),
                dict(text='2018', x=0.373, y=0.18, font_size=15, showarrow=False),
                 dict(text='2019', x=0.63, y=0.18, font_size=15, showarrow=False),
                 dict(text='2020', x=0.925, y=0.18, font_size=15, showarrow=False),
                
                ])
fig.show()

 

 

 

 

3. 2013년 ~ 2020년 한강공원 지구별 이용객 수 지도 시각화

다음으로는 어느 한강공원에 가장 많이 방문했는지 지도에 찍어보도록 하겠다.

 

확실히 여의도와 뚝섬 한강공원 지구가 가장 인기가 많은 곳인 점을 아래 지도 그래프에서 확인할 수 있다. 특이한 점은 코로나가 터지기 이전 19년도부터 한강공원 이용객 수가 감소했다.

 

import requests
from folium.plugins import TimestampedGeoJson
import folium

df2=df[df['구분']!='합계']
df2['Location']=df2['구분'].apply(lambda x: '한강공원'+x+'지구')

lat=[]
lon=[]
for i in df2['Location']:
    try:
        url = f'''https://dapi.kakao.com/v2/local/search/keyword.json?query={i}'''

        headers = {
                "Authorization": "KakaoAK ~~"
        }
            #json 형태로 데이터가 주어진다
        places = requests.get(url, headers = headers).json()['documents']
        lat.append(places[0]['y'])
        lon.append(places[0]['x'])
    except:
        lat.append('')
        lon.append('')

df2['lat']=lat
df2['lon']=lon
df2['lat']=df2['lat'].astype(float)
df2['lon']=df2['lon'].astype(float)

df2['fillColor']='#586065'
df2['합계']=df2['합계'].str.replace(',','')
df2['합계']=df2['합계'].astype(np.int64)

def create_geojson_features(df):
    features = []
    
    for _, row in df.iterrows():
        feature = {
            'type': 'Feature',
            'geometry': {
                'type':'Point', 
                'coordinates':[row['lon'],row['lat']]
            },
            'properties': {
                'time':pd.to_datetime(row['기간'], format='%Y').__str__(),
                'style': {'color' : ''},
                'icon': 'circle',
                'iconstyle':{
                    'fillColor': row['fillColor'],
                    'fillOpacity': 0.8,
                    'stroke': 'true',
                    'radius': row['합계']/1000000
                }
            }
        }
        features.append(feature)
    return features

start_geojson = create_geojson_features(df2)


m = folium.Map(location = [37.517568, 126.986690],
                    tiles = "CartoDB Positron",
                    zoom_start = 11,
              )

TimestampedGeoJson(start_geojson,
                  period = 'P1Y',
                  duration = 'P1Y',
                  transition_time = 1000,
                   date_options='YYYY',
                  auto_play = True
                  
                  ).add_to(m)