서울시 프랜차이즈 햄버거(버거킹/맥도날드/맘스터치/롯데리아) 분석 & 시각화 with Python, Pydeck

이번 포스팅에서는 서울시 내 위치한 프랜차이즈 버거(버거킹, 롯데리아, 맥도날드, 맘스터치) 위치 데이터를 카카오 지도 API를 활용해서 가져온 다음 해당 데이터를 갖고 간단한 분석과 시각화를 해보도록 하겠다.

 

Data Source: Kakao 지도 Api 

 

 

버거 브랜드 홈페이지에서 가져온 데이타가 아닌 카카오 API를 활용한 데이터이다 보니 100% 정확한 수치는 아니다. 서울시 내 버거 지점 수에서는 롯데리아>맘스터치>버거킹>맥도날드 순으로 나타났다.

 

from bs4 import BeautifulSoup as bs
import pandas as pd
import requests

link='https://www.seoul.go.kr/seoul/autonomy.do'
re=requests.get(link)
obj=bs(re.content,'html.parser')
gu=[]
for s in obj.find_all('li',{'class':'tabcont'}):
    gu.append(s.select_one('strong').get_text())

api='~~~'

def burger(key,x):
    data=[]

    for v in gu:
        query=v+x

        for i in range(1,10):

            url = f'''https://dapi.kakao.com/v2/local/search/keyword?query={query}&page={i}&size=15'''
            headers = {
                "Authorization": f"KakaoAK {key}"
            }

            places = requests.get(url, headers = headers).json()['documents']
            data.extend(places)

    df=pd.DataFrame(data)
    df_=df.drop_duplicates().sort_values(by='place_name',ascending=True)
    df_['si']=df_['address_name'].apply(lambda x: x.split(' ')[0])
    df_=df_[(df_['si']=='서울') & (df_['category_group_code']=='FD6')]
    df_=df_[['place_name','address_name','y','x']]
    df_['지역구']=df_['address_name'].apply(lambda x: x.split(' ')[1])
    
    return df_

bk=burger(api,'버거킹')
bk['burger']='버거킹'
mc=burger(api,'맥도날드')
mc['burger']='맥도날드'
mt=burger(api,'맘스터치')
mt['burger']='맘스터치'
lt=burger(api,'롯데리아')
lt=lt[lt['place_name'].str.contains('롯데리아')]
lt['burger']='롯데리아'

df=pd.concat([bk,mc,mt,lt],axis=0)
df['y']=df['y'].astype(float)
df['x']=df['x'].astype(float)
df=df.drop_duplicates(['place_name'])
df=df.rename(columns={'y':'lat','x':'lng'})

df2=pd.DataFrame(df.groupby(['burger']).count()['place_name']).sort_values(by='place_name',ascending=False)
df2=df2.rename(columns={'place_name':'지점 수'})
df2=df2.reset_index()

import plotly.express as px
fig = px.bar(df2, x='burger', y='지점 수')
fig.show()
ff=fig.to_json()

 

Visualization With Pydeck

Uber에서 만든 시각화 라이브러리 Pydeck을 사용해서 버거 브랜드 위치를 지도에 포인트로 해서 아래와 같이 시각화를 해보도록 하겠다. 지도 위에 마우스를 올려 놓으면 해당 지점 이름과 주소를 확인할 수 있다.

 

 

bk=bk.rename(columns={'y':'lat','x':'lng'})
bk['lat']=bk['lat'].astype(float)
bk['lng']=bk['lng'].astype(float)
mc=mc.rename(columns={'y':'lat','x':'lng'})
mc['lat']=mc['lat'].astype(float)
mc['lng']=mc['lng'].astype(float)
mt=mt.rename(columns={'y':'lat','x':'lng'})
mt['lat']=mt['lat'].astype(float)
mt['lng']=mt['lng'].astype(float)
lt=lt.rename(columns={'y':'lat','x':'lng'})
lt['lat']=lt['lat'].astype(float)
lt['lng']=lt['lng'].astype(float)

import pydeck as pdk
layer = pdk.Layer(
    'ScatterplotLayer',
    bk,
    get_position=['lng','lat'],
    get_radius=200,
    get_fill_color='[180]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,    
)
layer2 = pdk.Layer(
    'ScatterplotLayer',
    mc,
    get_position=['lng','lat'],
    get_radius=200,
    get_fill_color='[90]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,    
)
layer3 = pdk.Layer(
    'ScatterplotLayer',
    mt,
    get_position=['lng','lat'],
    get_radius=200,
    get_fill_color='[0,180]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,    
)
layer4 = pdk.Layer(
    'ScatterplotLayer',
    lt,
    get_position=['lng','lat'],
    get_radius=200,
    get_fill_color='[320]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,    
)

center = [126.986, 37.565]
view_state = pdk.ViewState(
    longitude=center[0],
    latitude=center[1],
    zoom=11)

r = pdk.Deck(layers=[layer,layer2,layer3,layer4], initial_view_state=view_state,
             tooltip={"text": "{place_name}\n{address_name}"})
r.show()
r.to_html('서울 버거 맵.html')

 

다음으로 서울시 내 지역별 버거지점 수 기준으로 히트맵을 그리도록 하겠다. 강남3구와 종로구 쪽에 버거가 많이 밀집되어 있는 점을 확인할 수 있다.

 

 

heat = pdk.Layer(
    'HeatmapLayer',
    df,
    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('버거 히트맵.html')

 

마지막으로 서울 행정구역 별로 총 햄버거 프랜차이즈 총 지점 수와 브랜드멸 지점 수를 아래 지도를 통해서 알아보도록 하겠다. 

 

 

import json
df_gb=pd.DataFrame(df.groupby(['지역구','burger']).count()['place_name']).reset_index()
state=json.load(open('C:/Users/banad/Downloads/TL_SCCO_SIG (1).zip.geojson', encoding='utf-8'))

code=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]
code2=code[code['법정동주소'].str.contains('서울특별시')][1:]
code2['code']=code2['법정동주소'].apply(lambda x:x.split(' ')[1])
td=pd.merge(left=df_gb,right=code2,how='left',left_on=df_gb['지역구'],right_on=code2['code'])

ft=pd.pivot_table(td,index=['지역구','법정동코드'],columns=['burger']).reset_index()
ft.columns=['지역구','코드','롯데리아','맘스터치','맥도날드','버거킹']
ft['total']=ft['롯데리아']+ft['맘스터치']+ft['맥도날드']+ft['버거킹']
ft['코드']= ft['코드'].astype(str)

for idx, sigun in enumerate(state['features']):
    code=sigun['properties']['SIG_CD']
    if code in ft['코드'].values:
        total= ft.loc[(ft['코드']==code),'total'].iloc[0]
        bk_nm= ft.loc[(ft['코드']==code),'버거킹'].iloc[0]
        mc_nm= ft.loc[(ft['코드']==code),'맥도날드'].iloc[0]
        mt_nm= ft.loc[(ft['코드']==code),'맘스터치'].iloc[0]
        lt_nm= ft.loc[(ft['코드']==code),'롯데리아'].iloc[0]
        addr=ft.loc[(ft['코드']==code),'지역구'].iloc[0]
        
        state['features'][idx]['properties']['총 프랜차이즈 버거 지점 수']=float(total)*1000
        state['features'][idx]['properties']['버거킹']=float(bk_nm)*1000
        state['features'][idx]['properties']['맥도날드']=float(mc_nm)*1000
        state['features'][idx]['properties']['맘스터치']=float(mt_nm)*1000
        state['features'][idx]['properties']['롯데리아']=float(lt_nm)*1000
        state['features'][idx]['properties']['지역구']=addr
        
data=[x for x in state['features'] if len(x['properties'])>1 ]
state['features']=data

coordinates=[]
total=[]
region=[]
bk2=[]
mc2=[]
mt2=[]
lt2=[]
for i in state['features']:
    coordinates.append(i['geometry']['coordinates'][0])
    total.append(i['properties']['총 프랜차이즈 버거 지점 수'])
    region.append(i['properties']['지역구'])
    bk2.append(i['properties']['버거킹'])
    mc2.append(i['properties']['맥도날드'])
    mt2.append(i['properties']['맘스터치'])
    lt2.append(i['properties']['롯데리아'])
    
final=pd.DataFrame({'지역':region,'total1':total,'버거킹1':bk2,'맥도날드1':mc2,
                   '맘스터치1':mt2,'롯데리아1':lt2,'coordinates':coordinates
                   })
final['정규화'] = final['total1'] / final['total1'].max()
final['total']=final['total1']/1000
final['bk']=final['버거킹1']/1000
final['mc']=final['맥도날드1']/1000
final['mt']=final['맘스터치1']/1000
final['lt']=final['롯데리아1']/1000


final2=pd.merge(left=final,right=kor_eng,how='inner',left_on=final['지역'],right_on=kor_eng['kor'])

mm = pdk.Layer(
    'PolygonLayer', # 사용할 Layer 타입
    final2, # 시각화에 쓰일 데이터프레임
    get_polygon='coordinates', # geometry 정보를 담고있는 컬럼 이름
    get_fill_color='[0, 255*정규화, 0]', # 각 데이터 별 rgb 또는 rgba 값 (0~255)
    pickable=True, # 지도와 interactive 한 동작 on
    auto_highlight=True, # 마우스 오버(hover) 시 박스 출력
    extruded = True,
    get_elevation = 'total1',
    elevation_scale = 0.2
    
)

# Set the viewport location
center = [126.986, 37.565]
view_state = pdk.ViewState(
    longitude=center[0],
    latitude=center[1],
    zoom=10,
    bearing=15,
    pitch=45
)


r = pdk.Deck(layers=[mm], initial_view_state=view_state,
            tooltip={
                "html": 
                '''<b>Region:</b> {kor} <br/> <b>Total:</b> {total}<br/> <b>BurgerKing:</b> {bk}<br/>
                <b>MacDonald:</b> {mc} <br/> <b>MomsTouch:</b> {mt}<br/> <b>Lotteria:</b> {lt}<br/>'''
            }
            )
r.show()  
r.to_html('D:/Download/index.html')