[Mini Project] 6. 전체 상권 데이터 + 대중교통 승하차 데이터 통합

🧐 상권 데이터에 대중교통 승하차 데이터 합치기

연도마다 버스 승하차/지하철 승하차 정보가 다른 부분이 있어 2020~2022년 3개년을 각각 따로 작업하였다.

예시로, 2022년 데이터를 전체 통합하는 과정을 포스팅한다.

 

 

🌍 상권 영역 내 버스정류장/지하철역들 확인

• 먼저, 상권별 영역 내에 포함된 버스정류장/지하철 역 수와 각 영역에 구체적으로 어떤 버스정류장과 지하철역이 포함되어 있는지 확인하면 다음과 같다. (팀원분이 작업해주심!)
• 데이터명 : ALL_filter22

ALL_filter22

 

🌍 연도, 분기, 상권 코드 기준으로 버스 승하차 승객수 & 지하철 승하차 승객수를 시간대별로 합하기

➡ 관련있는 데이터 모두 불러오기

• 이 문제를 해결하기 위해 여러 데이터프레임의 자료를 가져와 합치는 것이 필요했다.
• 위의 자료에서 상권_코드별로 어떤 버스정류장과 지하철역이 포함되어 있는지 확인했으니, 
  • 연도, 분기별로 해당 상권 내에 각 버스정류장과 지하철역을 이용한 승하차 승객수를 시간대별로 나타내야했다.
  • 이를 위해 두 개 자료 버스 승하차 데이터 / 지하철 승하차 데이터를 불러와 가공했다.
  • 버스 승하차 데이터와 지하철 승하차 데이터도 연도별로 나누어 진행
• 버스 승하차 데이터
  • bus22

 

• 지하철 승하차 데이터
  • sub22

• 최종적으로 병합해야하는 상권 데이터

일부

 

---

 

➡ 연도/분기/상권코드 별 포함된 버스정류장 재정렬

bus_temp = []

# 반복문을 사용하여 각 버스 정류장의 정보 추출
for index, row in ALL_filter22.iterrows():
    연도 = row['연도']
    분기 = row['분기']
    상권코드 = row['상권_코드']
    버스정류장들 = row['버스정류장들']
    
    # 각 버스 정류장에 대한 정보를 추출하여 새로운 행을 생성하고 리스트에 추가
    for 정류장 in 버스정류장들:
        new_row = {'연도': 연도, '분기': 분기, '상권_코드': 상권코드, '버스정류장': 정류장}
        bus_temp.append(new_row)

# 새로운 데이터프레임 생성
bus_temp = pd.DataFrame(bus_temp)

# 결과 확인
bus_temp = bus_temp.drop_duplicates()
expanded_bus22 = bus_temp
expanded_bus22

expanded_bus22

➡ 연도/분기/상권코드 별 포함된 지하철역 재정렬

new_data = []

for index, row in ALL_filter22.iterrows():
    연도 = row['연도']
    분기 = row['분기']
    상권코드 = row['상권_코드']
    지하철역들 = row['지하철역들']
    
    # 각 지하철 역에 대한 정보를 추출하여 새로운 행을 생성하고 리스트에 추가
    for 역 in 지하철역들:
        new_row = {'연도': 연도, '분기': 분기, '상권_코드': 상권코드, '지하철역': 역}
        new_data.append(new_row)
    
new_df = pd.DataFrame(new_data)
new_df = new_df.drop_duplicates()
expanded_sub22 = new_df
expanded_sub22

expanded_sub22

---

➡ expanded 데이터에 시간대별 승하차 승객수 데이터 매핑

bus_merged22 = pd.merge(expanded_bus22, bus22, how='left', on=['연도', '분기', '버스정류장'])

bus_merged22 = bus_merged22.fillna(0)
bus_merged22[['00~06_승하차_승객수', '06~11_승하차_승객수','11~14_승하차_승객수', '14~17_승하차_승객수', '17~21_승하차_승객수','21~24_승하차_승객수']] \
    = bus_merged22[['00~06_승하차_승객수', '06~11_승하차_승객수','11~14_승하차_승객수', '14~17_승하차_승객수', '17~21_승하차_승객수','21~24_승하차_승객수']].astype(int)


bus_merged22 = bus_merged22.rename(columns = {
    '00~06_승하차_승객수': '00~06시_버스',
    '06~11_승하차_승객수': '06~11시_버스',
    '11~14_승하차_승객수': '11~14시_버스',
    '14~17_승하차_승객수': '14~17시_버스',
    '17~21_승하차_승객수': '17~21시_버스',
    '21~24_승하차_승객수': '21~24시_버스',
})


bus_merged22

sub_merged22 = sub_merged22.groupby(['연도', '분기', '상권_코드']).sum()
# sub_merged22 = sub_merged22.drop(columns = '지하철역')
sub_merged22 = sub_merged22.reset_index()

sub_merged22 = sub_merged22.rename(columns = {
    '00-06시': '00~06시_지하철',
    '06-11시': '06~11시_지하철',
    '11-14시': '11~14시_지하철',
    '14-17시': '14~17시_지하철',
    '17-21시': '17~21시_지하철',
    '21-24시': '21~24시_지하철'
})

sub_merged22

 

 

➡ 2022년 연도/분기/상권코드/시간대별 버스 승하차 승객 수 + 지하철 승하차 승객 수 합치기

• 연도, 분기, 상권 코드를 기준으로 left join 을 하고, 결측치는 0으로 처리

➡ 상권 데이터프레임에 대중교통 데이터 통합

• 다음으로, 최종 상권데이터 프레임(df22)에 이를 통합해야함
• 차례로 버스데이터와 지하철데이터를 합치기
• 결측치는 0으로 일괄 처리

merged22_bus= pd.merge(df22, bus_merged22, on=['연도', '분기', '상권_코드'], how = 'left')
merged22_bus_sub = pd.merge(merged22_bus, sub_merged22, on=['연도', '분기', '상권_코드'], how = 'left')
merged22_bus_sub = merged22_bus_sub.fillna(0)
merged22_bus_sub

 

🚀 상권 데이터프레임에 대중교통 데이터 통합

• ALL_filter22에 있던 상권별 지하철역 수, 버스정류장 수 불러와서 합치기
• 불필요한 컬럼은 삭제

final_2022 = pd.merge(merged22_bus_sub, ALL_filter22, on=['연도', '분기', '상권_코드'], how = 'left')
final_2022 = final_2022.drop(columns = ['버스정류장들', '지하철역들', '폴리곤_좌표_x', '폴리곤_좌표_y'])

최종 데이터 프레임

---

동일한 과정을 2020, 2021, 2022년 데이터에 대해 3번 반복하고, 이를 통합하여 최종 대중교통+상권 데이터프레임으로 반환

이로써 상권데이터팀과 작업할 최종적인 대중교통(버스, 지하철) 데이터 통합이 완료되었다!