김도현의 블로그

1. 앞서 했던 matplotlib의 한글 폰트를 잡자. 윈도우, 맥인지에 따라 다르다. Windows의 경우 맑은 고딕(Malgun Gothic)으로 바꾼다. import matplotlib.pyplot as plt import seaborn as sns #%matplotlib inline get_ipython().run_line_magic('matplotlib', 'inline') from matplotlib import rc plt.rcParams['axes.unicode_minus'] = False rc('font', family='Malgun Gothic') 2. 먼저 pairplot기능으로 '강도', '살인', '폭력'에 대한 상관관계를 보자. 아직 더 시각화를 해야 하지만, 현재 페어플롯으로..

1. 검거율까지의 데이터는 잘 정리된듯 하지만, 범죄의 경중에 따라 발생 건수의 차이가 크다. 예를 들어, 살인은 한자리수로 발생하지만, 절도는 네자리수로 발생한다. 2. 이제 정규화(normalization, 정규화에는 여러가지 방법이 있는데, 여기서는 min/max scailer)를 해보자. 본래의 DataFrame은 두고, 정규화된 데이터를 따로 만들 것이다. 최고값을 1로 두고, 최소값을 0으로 둔다. 3. crime_anal_norm이라는 새로 만들어진 데이터에 검거율을 추가한다. 4. 데이터 정리를 완료했다. 이제 구별 CCTV자료에서 인구수와 CCTV 수를 가져오자. 5. 정규화된 현재의 데이터 중, 범죄(살인, 강도, 강간/추행, 절도, 폭력)의 발생 건수 전체의 평균을 구해서 새로 컬럼을..

1. 다시 데이터 분석으로 돌아오자. google maps를 활용해서 주소와 위치정보를 얻어 온다. 2. tmp = gmaps.geocode('서울영등포경찰서', language='ko') 명령어로 tmp변수를 선언해준다. API를 통해 데이터를 얻어오는 작업이다. 전체 결과의 크기가 1인 list형 데이터기 때문에, tmp[0]으로 접근해야 한다.(큰 리스트 안에 dict형으로 들어가 있다.) 따라서 정보를 얻어올 때도 dic에서 데이터를 얻어오는 get명령을 사용해서 접근한다. 3. 또한 전체 주소에서 필요한 구 이름만 가져와보자. 4. 이전에 지정했던 crime_station 데이터프레임 옆에 새로운 컬럼을 추가하자. '구별', 'lat(위도)', 'lng(경도)' 세 개의 컬럼을 추가한다. 일단 ..