won_data_predict.ipynb

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {
    "tags": []
   },
   "outputs": [],
   "source": [
    "import geopandas as gpd\n",
    "import pandas as pd\n",
    "import numpy as np\n",
    "from tqdm import trange, tqdm, tqdm_notebook"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 15,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>이름</th>\n",
       "      <th>지번주소</th>\n",
       "      <th>위도</th>\n",
       "      <th>경도</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>클라비스음악학원</td>\n",
       "      <td>경기도 부천시 고강동 480-1번지 스카이빌딩 6층</td>\n",
       "      <td>37.525342</td>\n",
       "      <td>126.815545</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>라무지카아카데미음악학원</td>\n",
       "      <td>경기도 부천시 고강동 337번지 가람 5동 201호</td>\n",
       "      <td>37.523933</td>\n",
       "      <td>126.813580</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>고강비젼스터디보습학원</td>\n",
       "      <td>경기도 부천시 고강동 347-4번지 3층 일부</td>\n",
       "      <td>37.526758</td>\n",
       "      <td>126.816345</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>아이빈음악학원</td>\n",
       "      <td>경기도 부천시 고강동 389-4번지 3층 일부</td>\n",
       "      <td>37.526477</td>\n",
       "      <td>126.821402</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>고강보습학원</td>\n",
       "      <td>경기도 부천시 고강동 370-9번지 부강빌딩 3층 일부</td>\n",
       "      <td>37.527201</td>\n",
       "      <td>126.817407</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "             이름                            지번주소         위도          경도\n",
       "0      클라비스음악학원    경기도 부천시 고강동 480-1번지 스카이빌딩 6층  37.525342  126.815545\n",
       "1  라무지카아카데미음악학원    경기도 부천시 고강동 337번지 가람 5동 201호  37.523933  126.813580\n",
       "2   고강비젼스터디보습학원       경기도 부천시 고강동 347-4번지 3층 일부  37.526758  126.816345\n",
       "3       아이빈음악학원       경기도 부천시 고강동 389-4번지 3층 일부  37.526477  126.821402\n",
       "4        고강보습학원  경기도 부천시 고강동 370-9번지 부강빌딩 3층 일부  37.527201  126.817407"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    }
   ],
   "source": [
    "academy = pd.read_csv('data/clean/academy.csv')\n",
    "academy = academy.iloc[:, range(1,5)]\n",
    "display(academy.head(5))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 16,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>군집</th>\n",
       "      <th>인구밀도</th>\n",
       "      <th>위도</th>\n",
       "      <th>경도</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>0</td>\n",
       "      <td>677.363636</td>\n",
       "      <td>37.497041</td>\n",
       "      <td>126.767486</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>3</td>\n",
       "      <td>1207.307692</td>\n",
       "      <td>37.501440</td>\n",
       "      <td>126.750386</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>5</td>\n",
       "      <td>553.666667</td>\n",
       "      <td>37.496461</td>\n",
       "      <td>126.787226</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>6</td>\n",
       "      <td>599.444444</td>\n",
       "      <td>37.490873</td>\n",
       "      <td>126.790673</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>10</td>\n",
       "      <td>564.500000</td>\n",
       "      <td>37.480927</td>\n",
       "      <td>126.798087</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>7_1</td>\n",
       "      <td>475.250000</td>\n",
       "      <td>37.530072</td>\n",
       "      <td>126.808048</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>8_0</td>\n",
       "      <td>632.250000</td>\n",
       "      <td>37.469997</td>\n",
       "      <td>126.804220</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>8_1</td>\n",
       "      <td>677.857143</td>\n",
       "      <td>37.467883</td>\n",
       "      <td>126.800565</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>9_0</td>\n",
       "      <td>1836.500000</td>\n",
       "      <td>37.510268</td>\n",
       "      <td>126.756608</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>80</th>\n",
       "      <td>9_1</td>\n",
       "      <td>1701.250000</td>\n",
       "      <td>37.514329</td>\n",
       "      <td>126.757416</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>81 rows × 4 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "     군집         인구밀도         위도          경도\n",
       "0     0   677.363636  37.497041  126.767486\n",
       "1     3  1207.307692  37.501440  126.750386\n",
       "2     5   553.666667  37.496461  126.787226\n",
       "3     6   599.444444  37.490873  126.790673\n",
       "4    10   564.500000  37.480927  126.798087\n",
       "..  ...          ...        ...         ...\n",
       "76  7_1   475.250000  37.530072  126.808048\n",
       "77  8_0   632.250000  37.469997  126.804220\n",
       "78  8_1   677.857143  37.467883  126.800565\n",
       "79  9_0  1836.500000  37.510268  126.756608\n",
       "80  9_1  1701.250000  37.514329  126.757416\n",
       "\n",
       "[81 rows x 4 columns]"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    }
   ],
   "source": [
    "candidate = pd.read_csv('output/cluster80.csv')\n",
    "candidate = candidate.iloc[:, range(1,5)]\n",
    "candidate.columns = ['군집', '인구밀도', '위도', '경도']\n",
    "display(candidate)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 17,
   "metadata": {},
   "outputs": [],
   "source": [
    "temp = gpd.read_file('data/bucheongrid/bucheonjsonjson.geojson')\n",
    "temp = temp.dropna(axis=0)\n",
    "축척 = sum([\n",
    "    *(temp['geometry'].bounds['maxx'] - temp['geometry'].bounds['minx']),\n",
    "    *(temp['geometry'].bounds['maxy'] - temp['geometry'].bounds['miny']),\n",
    "    ]) / (2 * len(temp)) / 100\n",
    "도보속도 = 133.1"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 18,
   "metadata": {},
   "outputs": [],
   "source": [
    "minute = 5\n",
    "거리 = minute * 133.1 / 100 * 60"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "metadata": {
    "jupyter": {
     "source_hidden": true
    },
    "tags": []
   },
   "outputs": [],
   "source": [
    "def multipolygon_to_경도(x):\n",
    "    경도, 위도 = x[0].exterior.xy \n",
    "    return np.array([x for x in 경도])\n",
    "def multipolygon_to_위도(x):\n",
    "    경도, 위도 = x[0].exterior.xy \n",
    "    return np.array([x for x in 위도])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "metadata": {
    "jupyter": {
     "source_hidden": true
    },
    "tags": []
   },
   "outputs": [],
   "source": [
    "def get_within_nminutes_infor(Data_input, Data_infor_input, name, value=False, geojson=False):\n",
    "    \"\"\"\n",
    "    array을 이용하여 한번에 거리를 계산 후, 도보 3분이내 거리안에 해당하는 경우의\n",
    "    수, 거리의 최소,평균,최대, 값의 최소,평균,최대를 계산합니다.\n",
    "    \n",
    "    geojson파일인 경우 멀티폴리곤에서 각각 경위도를 계산해주고 작업을 시행합니다.\n",
    "    \"\"\"\n",
    "    \n",
    "    Data = Data_input.copy()\n",
    "    Data_infor = Data_infor_input.copy()\n",
    "    \n",
    "    print(name + \"_작업중.............\")\n",
    "    \n",
    "    ## geojson의 경우.. 지적도의 경우 경위도를 만들어 넣어 줄 거기 때문에 try로 함수입력\n",
    "    if geojson:\n",
    "        try:\n",
    "            Data_infor['경도'] = Data_infor['geometry'].apply(multipolygon_to_경도) \n",
    "            Data_infor['위도'] = Data_infor['geometry'].apply(multipolygon_to_위도)        \n",
    "        except:\n",
    "            try:\n",
    "                Data_infor['경도'] = Data_infor['geometry'].centroid.x\n",
    "                Data_infor['위도'] = Data_infor['geometry'].centroid.y\n",
    "            except:\n",
    "                pass\n",
    "            \n",
    "    Len1 = len(Data)\n",
    "    Len2 = len(Data_infor)\n",
    "    \n",
    "    tt_위도 = np.repeat(Data['위도'], Len2)\n",
    "    tt_위도 = np.array(tt_위도).reshape(Len1, Len2)\n",
    "    diff_위도 = tt_위도 - np.array(Data_infor['위도'])\n",
    "\n",
    "    tt_경도 = np.repeat(Data['경도'], Len2)\n",
    "    tt_경도 = np.array(tt_경도).reshape(Len1, Len2)\n",
    "    diff_경도 = tt_경도 - np.array(Data_infor['경도'])\n",
    "    \n",
    "    diff_위도 = diff_위도**2\n",
    "    diff_경도 = diff_경도**2\n",
    "    dist = (diff_위도 + diff_경도)**(0.5)\n",
    "    \n",
    "    \n",
    "    Count = []\n",
    "    Dist_min = []\n",
    "    Dist_mean = []\n",
    "    Dist_max = []\n",
    "    \n",
    "    Val_min = []\n",
    "    Val_mean = []\n",
    "    Val_max = []\n",
    "    \n",
    "    \n",
    "    \n",
    "    for idx in tqdm(Data.index):\n",
    "        if geojson:\n",
    "            dist_idx = np.array([i.min() for i in dist[idx]])\n",
    "        else:\n",
    "            dist_idx = dist[idx]\n",
    "        \n",
    "        temp = Data_infor.loc[dist_idx < 거리 * 축척]           \n",
    "        Count.append(len(temp))\n",
    "        \n",
    "        try:\n",
    "            Dist_min.append(dist_idx[dist_idx < 거리 * 축척].min())\n",
    "            Dist_mean.append(dist_idx[dist_idx < 거리 * 축척].mean())\n",
    "            Dist_max.append(dist_idx[dist_idx < 거리 * 축척].max())\n",
    "        except:\n",
    "            ## 수정된 부분!\n",
    "            Dist_min.append(0.0025)\n",
    "            Dist_mean.append(0.0025)\n",
    "            Dist_max.append(0.0025)\n",
    "            \n",
    "    Data[name + \"_\" + str(minute) + \"분이내수\"] = Count\n",
    "    Data[name + \"_\" + str(minute) + \"분이내거리최소\"] = Dist_min\n",
    "    Data[name + \"_\" + str(minute) + \"분이내거리평균\"] = Dist_mean\n",
    "    Data[name + \"_\" + str(minute) + \"분이내거리최대\"] = Dist_max\n",
    "        \n",
    "    \n",
    "    if value:\n",
    "        for idx in tqdm(Data.index):\n",
    "            if geojson:\n",
    "                dist_idx = np.array([i.min() for i in dist[idx]])\n",
    "            else:\n",
    "                dist_idx = dist[idx]\n",
    "                \n",
    "            temp = Data_infor.loc[dist_idx < 거리 * 축척]\n",
    "            Val_min.append(temp[value].min())\n",
    "            Val_mean.append(temp[value].mean())\n",
    "            Val_max.append(temp[value].max())\n",
    "            \n",
    "        Data[name + \"_\" + str(minute) + \"분이내값최소\"] = Val_min\n",
    "        Data[name + \"_\" + str(minute) + \"분이내값평균\"] = Val_mean\n",
    "        Data[name + \"_\" + str(minute) + \"분이내값최대\"] = Val_max\n",
    "        Data = Data.fillna(0)\n",
    "        \n",
    "        return Data\n",
    "    \n",
    "    else:\n",
    "        return Data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 19,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "학원_작업중.............\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|████████████████████████████████████████████████████████████████████████████████| 81/81 [00:00<00:00, 3561.31it/s]\n"
     ]
    }
   ],
   "source": [
    "academy_result = get_within_nminutes_infor(Data_input = candidate, Data_infor_input = academy, name=\"학원\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 23,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>군집</th>\n",
       "      <th>인구밀도</th>\n",
       "      <th>위도</th>\n",
       "      <th>경도</th>\n",
       "      <th>학원_5분이내수</th>\n",
       "      <th>학원_5분이내거리최소</th>\n",
       "      <th>학원_5분이내거리평균</th>\n",
       "      <th>학원_5분이내거리최대</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>0</td>\n",
       "      <td>677.363636</td>\n",
       "      <td>37.497041</td>\n",
       "      <td>126.767486</td>\n",
       "      <td>40</td>\n",
       "      <td>0.001019</td>\n",
       "      <td>0.002794</td>\n",
       "      <td>0.004017</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>3</td>\n",
       "      <td>1207.307692</td>\n",
       "      <td>37.501440</td>\n",
       "      <td>126.750386</td>\n",
       "      <td>126</td>\n",
       "      <td>0.001493</td>\n",
       "      <td>0.002893</td>\n",
       "      <td>0.004002</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>5</td>\n",
       "      <td>553.666667</td>\n",
       "      <td>37.496461</td>\n",
       "      <td>126.787226</td>\n",
       "      <td>20</td>\n",
       "      <td>0.001662</td>\n",
       "      <td>0.003284</td>\n",
       "      <td>0.004080</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>6</td>\n",
       "      <td>599.444444</td>\n",
       "      <td>37.490873</td>\n",
       "      <td>126.790673</td>\n",
       "      <td>36</td>\n",
       "      <td>0.000812</td>\n",
       "      <td>0.002476</td>\n",
       "      <td>0.003918</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>10</td>\n",
       "      <td>564.500000</td>\n",
       "      <td>37.480927</td>\n",
       "      <td>126.798087</td>\n",
       "      <td>4</td>\n",
       "      <td>0.002960</td>\n",
       "      <td>0.003258</td>\n",
       "      <td>0.003743</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "   군집         인구밀도         위도          경도  학원_5분이내수  학원_5분이내거리최소  학원_5분이내거리평균  \\\n",
       "0   0   677.363636  37.497041  126.767486        40     0.001019     0.002794   \n",
       "1   3  1207.307692  37.501440  126.750386       126     0.001493     0.002893   \n",
       "2   5   553.666667  37.496461  126.787226        20     0.001662     0.003284   \n",
       "3   6   599.444444  37.490873  126.790673        36     0.000812     0.002476   \n",
       "4  10   564.500000  37.480927  126.798087         4     0.002960     0.003258   \n",
       "\n",
       "   학원_5분이내거리최대  \n",
       "0     0.004017  \n",
       "1     0.004002  \n",
       "2     0.004080  \n",
       "3     0.003918  \n",
       "4     0.003743  "
      ]
     },
     "execution_count": 23,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "academy_result.head()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 29,
   "metadata": {},
   "outputs": [],
   "source": [
    "academy_result = academy_result[['군집', '위도', '경도', '학원_5분이내거리최소']]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 32,
   "metadata": {},
   "outputs": [],
   "source": [
    "academy_result.to_csv('output/var_cluster_academy.csv')"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.8.5"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}