[시각화 분석 프로젝트] 2-3 승차수가 가장 많은 지하철 역 분석

러닝스푼즈 수업 정리 

 

 

< 이전 글 > 

https://silvercoding.tistory.com/58

[시각화 분석 프로젝트] 2-2 지하철 승객수가 많은 날?

 

---

 데이터 불러오기 & 살펴보기 

import pandas as pd

raw = pd.read_excel('./data/subway_raw.xlsx')

2-1 포스팅에서 합병해 놓은 2019년 1월 - 6월 지하철 데이터를 불러온다. 

raw.info()

총 99342 개의 row가 존재하고 , null 값이 없는 것을 확인하였다. 

 

 

 

---

 어느 역에서 , 언제 지하철을 가장 많이 탈까 ? 

1. 승객이 가장 많이 타는 역

data_station = raw.pivot_table(index = '역명', values = '승차총승객수', aggfunc='sum')
data_station = data_station.sort_values(by = '승차총승객수', ascending = False)
data_station.head(10)  # 승차승객수가 가장 많은 역 상위 10개

역별로 승차총승객수를 내림차순 정렬한 피벗테이블이다. 상위 10개 역을 출력하였고 , 2019년 상반기 가장 많은 승객수가 있었던 역은 잠실역임을 알 수 있다. 

 

 

 

 

2. 시각화 : 노선 별 (1-9호선) 역별/요일별 승객수 비교해 보기

---

* 히트맵 

• sns.heatmap(data, annot = True, fmt = '.0f', cmap = "RdBu_r")
  • annot : True 일경우 값을 그래프에 표시
  • fmt : 값 표시 형태.
    • ex) 'f' : 실수로 표현(default 로 값이 있는 소수 자리까지 표시됨)
    • ex) '.0f' : 실수로 표현해달라 (소수 0번째 자리까지만 == 정수자리만 )
    • ex) '.1f' : 실수로 표현해달라 (소수 1번째 자리까지만)
    • ex) .1% 는 퍼센트(소수 첫번째 자리까지 표시)
  • cmap : 색상 차트. _r 으로 끝나는 차트는 색상 방향 반대로 되어있는 버전임(아래 컬러 리스트 참고)

---

* cmap 종류

Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, icefire, icefire_r, inferno, inferno_r, jet, jet_r, magma, magma_r, mako, mako_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r

---

- 1호선만 시각화 해보기 

line = '1호선'
data_line = raw[raw['노선명'] == line]

# 피벗테이블: 노선의 역 순서에 맞춰 정리하기 위해 역ID도 인덱스에 포함
df_pivot = data_line.pivot_table(index = ['역ID', '역명'], columns = '요일', values = '승차총승객수',aggfunc = 'sum') 
df_pivot = df_pivot[['월','화','수','목','금','토','일']]   # 컬럼 순서를 요일에 맞게 정리
df_pivot = df_pivot / 10000  # 만명단위로 표현하기 위해 데이터프레임 전체를 1만으로 나누기
df_pivot

역별 요일별 승차총객수를 집계한 피벗테이블이다. 요일이 뒤죽박죽 나오기 때문에 다시 선택하여 순서대로 정리해 준다. 

import matplotlib.pyplot as plt
import seaborn as sns 
from matplotlib import font_manager, rc
import platform 

# 한글 폰트 사용
if platform.system() == 'Windows': 
    path = 'c:/Windows/Fonts/malgun.ttf'
    font_name = font_manager.FontProperties(fname=path).get_name()
    rc('font', family=font_name)
elif platform.system() == 'Darwin':
    rc('font', family='AppleGothic')

fig, ax = plt.subplots( figsize=(6,5) )   # 그래프 사이즈 지정
plt.title(f"{line} 역별/요일별 승객수", fontsize = 20) # for title
sns.heatmap(df_pivot, cmap = "Reds", 
           annot = True, fmt = '.0f')

1호선의 역별 요일별 승객수 히트맵니다. 서울역과 종각역의 승객수가 가장 많아보이고, 그중에서도 서울역의 금요일에 승객수가 가장 많은 것을 볼 수 있다. 

 

 

동일한 방법으로 모든 노선을 시각화하여 비교 해 보자. 

 

- 1호선~9호선 시각화 하여 비교 해보기 

raw['노선명'].unique()

이렇게 많은 노선이 있는데 , 본 포스팅에서는 1호선 ~ 9호선 만을 시각화 한다. 

line_seoul_list = [ ]
for line in raw['노선명'].unique():
    if line[1:] == '호선':    # x호선 인 경우를 선택. 
        line_seoul_list.append(line)
line_seoul_list

for line in sorted(line_seoul_list):
    
    # 데이터 정리하기
    data_line = raw[raw['노선명'] == line]
    df_pivot = data_line.pivot_table(index = ['역ID', '역명'], columns = '요일', values = '승차총승객수',aggfunc = 'sum')
    df_pivot = df_pivot[['월','화','수','목','금','토','일']]
    df_pivot = df_pivot / 10000  # 만명단위로 수정
    
    
    # 그래프 그리기
    fig, ax = plt.subplots( figsize=(6,len(df_pivot)/3 ) )   # 그래프 사이즈를 조정하여, 역 수가 많은 경우는 세로를 길게 표현
    plt.title(f"{line} 역별/요일별 승객수", fontsize = 20) # for title
    sns.heatmap(df_pivot, cmap = "Reds", 
               annot = True, fmt = '.0f')

 

진한 빨간색일 수록 승객수가 많은 것을 의미한다. 승객수가 많은 역은 모든 요일이 대체적으로 색이 진한 것을 확인할 수 있다. 이전 포스팅에서 전체적으로 금요일에 승객수가 가장 많고 , 주말이 되면 승객수가 떨어지는 경향이 있었는데 , 역 별로 보니 주말이 더 많은 역도 발견할 수 있었다. (  ex, 이태원, 고속터미널, 홍대입구 )