[파이썬] 서울시 범죄 현황 분석 - 1

시작에 앞서

해당 내용은 <파이썬으로 데이터 주무르기> -민형기 저, BJPUBLIC 출판사 의 내용을 토대로 작성되었습니다.
보다 자세한 내용은 해당 교재를 확인하여 주시기 바랍니다.

---

데이터 획득하기

 
하단 링크에 접속하여 서울시 5대범죄 발생 검거 현황 csv 파일 다운로드

경찰청 서울특별시경찰청_경찰서별 5대범죄 발생 검거 현황_20221231

 
 
※ 단, 책이 작성된 시점이 현재(2024년)로부터 지났으므로, 저자가 git hub에 올려둔 자료를 활용하여 분석

---

모듈 불러오기 (numpy, pandas)

---

데이터 불러오기

 
먼저 다운로드 받은 csv 파일을 pandas로 불러온다

crime_anal_police = pd.read_csv('../data/02. crime_in_Seoul.csv', thousands=',',
                                 encoding='euc-kr')
crime_anal_police.head()

 

※ 해당 데이터 중 구 이름과 다른 경찰서 등이 있어 확인 및 변경이 필요

---

관서별로 되어 있는 경찰서 목록을 확인 하기

 
경찰청 홈페이지에 접속하면 서울시 관서별 경찰서 목록을 알 수 있다

전국경찰관서안내 : HOME > 기관소개 > 조직안내 > 전국경찰관서안내

---

Google Maps 를 통해 지도 정보 얻기

 
Google Maps API 홈페이지에 접속

Google Maps Platform  |  Google for Developers

 
Google Maps API를 받기 위해서는 계정이 있어야 하는데,
해당 절차는 아래 링크를 통해 확인

웹 페이지에 구글 지도 띄우기 (구글 Maps API)

 
Anaconda prompt를 켜고 googlemaps 모듈을 설치하고,
다시 jupyter notebook에서 googlemaps 모듈을 import 해온다

import googlemaps
gmaps = googlemaps.Client(key="구글로부터 부여 받은 API 키")

API 키는 노출하지 않는 것이 좋다

 
※ 구글 API Key 발급 받기 (하단 링크 참고)

구글 지오코딩 API 키 발급 받는 방법 (Geocoding API) - 코스모스팜 블로그

 

[Python/실습] 구글 맵 지리정보 활용하기1.

구글 맵 API - Geocoding API 설정하는 방법

 

서울중부경찰서 위치정보 불러오기

 
import한 google maps 모듈을 활용하여 서울중부경찰서 위치를 조회한다.

gmaps.geocode('서울중부경찰서', language='ko')

 
lng와 lat 명령: 위도와 경도 정보 확인

---

관서명에 '+경찰서' 붙여주기

 
데이터 상의 경찰서 이름과 구글맵의 경찰서 이름이 일치하지 않는 경우가 있기 때문에, 서울**경찰서로 만들어줌

station_name = []

for name in crime_anal_police['관서명']:
      station_name.append('서울' + str(name[:-1]) + '경찰서')

station_name

 

경찰서 주소 받아오기

station_addreess = []
station_lat = []
station_lng = []

for name in station_name:
       tmp = gmaps.geocode(name, language='ko')
       station_addreess.append(tmp[0].get("formatted_address"))

       tmp_loc = tmp[0].get("geometry")
       
       station_lat.append(tmp_loc['location']['lat'])
       station_lng.append(tmp_loc['location']['lng'])

       print(name + '-->' + tmp[0].get("formatted_address"))

위도와 경도 확인하기

 

---

주소 정보를 이용하여 '구별' 컬럼 생성

 

gu_name = []

for name in station_addreess:
      tmp = name.split()

      tmp_gu = [gu for gu in tmp if gu.endswith('구')]
      gu_name.append(tmp_gu)

crime_anal_police['구별'] = gu_name
crime_anal_police.head()

 
※ 금천경찰서는 관악구에 위치해 있으므로, 금천서는 예외처리 필요 ('구별' 컬럼에서 '관악구' > '금천구'로 변경)

crime_anal_police.loc[crime_anal_police['관서명']=='금천서', ['구별']] = '금천구'
crime_anal_police[crime_anal_police['관서명']=='금천서']

 
◆ 파일 저장 하기 (to_csv)

crime_anal_police.to_csv('../data/02. crime_in_Seoul_include_gu_name.csv',
                                          sep=',', encoding='utf-8')

csv 파일로 저장이 잘 된 것 확인

 

---

pandas 의 pivot_table 을 이용하여 원 데이터를 관서별에서 구별로 바꿔주기

crime_anal_raw = pd.read_csv('../data/02. crime_in_Seoul_include_gu_name.csv',
                                                 encoding='utf-8', index_col=0)
crime_anal = pd.pivot_table(crime_anal_raw, index='구별', aggfunc=np.sum)
crime_anal.head()

 

각 범죄별 검거율 계산하기 (+각 검거 건수 삭제하기)

※ 검거율이 100 넘는 경우에는, 그냥 다 100으로 처리

con_list = ['강간검거율', '강도검거율', '살인검거율', '절도검거율', '폭력검거율']

for column in con_list:
       crime_anal.loc[crime_anal[column] > 100, column] = 100

crime_anal.head()

 

 
각 범죄 컬럼의 '발생' 단어 삭제 (rename 명령)

crime_anal.rename(columns = {'강간 발생':'강간',
                             '강도 발생':'강도',
                             '살인 발생':'살인',
                             '절도 발생':'절도',
                             '폭력 발생':'폭력'}, inplace=True)
crime_anal.head()

 

---

데이터 표현을 위한 정규화

 
살인 사건은 두 자릿수, 절도와 폭력은 네 자릿수이므로 각각을 비슷한 범위에 놓고 비교하는 것이 분석에는 편리.
각 항목의 최대를 1로 두면 추후 범죄 발생 건수를 종합적으로 비교할 때 편리하기 때문에,
각 컬럼별로 정규화(Normalization)

from sklearn import preprocessing

col = ['강간', '강도', '살인', '절도', '폭력']

x = crime_anal[col].values
min_max_scaler = preprocessing.MinMaxScaler()

x_scaled = min_max_scaler.fit_transform(x.astype(float))
crime_anal_norm = pd.DataFrame(x_scaled, columns = col, index = crime_anal.index)

col2 = ['강간검거율', '강도검거율', '살인검거율', '절도검거율', '폭력검거율']
crime_anal_norm[col2] = crime_anal[col2]
crime_anal_norm.head()

※ 머신러닝에 관한 모듈로 유명한 scikit learn 에 있는 전처리 (preprocessing) 도구에는 최소값, 최대값을 이용하여 정규화 시키는 함수 있음

※ 구별 데이터에 ['구'] 로 되어있어, 일일이 수정을 했는데, 혹시 데이터를 일괄적으로 수정하시는 방법 아시는 분 댓글 부탁 드립니다!

---

기존 작업 CCTV.csv 불러와서 구별 인구수와 CCTV 개수 합치기

result_CCTV = pd.read_csv('../data/01. CCTV_result.csv', encoding='utf-8', index_col='구별')
crime_anal_norm[['인구수', 'CCTV']] = result_CCTV[['인구수', '소계']]
crime_anal_norm.head()

 

각 범죄 발생건수를 합하고, 이를 '검거'라는 컬럼 생성 (검거율도 통합)

col = ['강간검거율','강도검거율','살인검거율','절도검거율','폭력검거율']
crime_anal_norm['검거'] = np.sum(crime_anal_norm[col], axis=1)
crime_anal_norm

 
이렇게 구별 각 범죄 건수, 그 검거율 및 인구수, CCTV 데이터를 통합하였다.
다음 시간에는 이를 시각화 하려고 한다.

---

다음글

[파이썬 데이터 분석] 서울시 범죄 현황 분석 - 2