5/30(화) IT K-DT(61일차) / 13. 떡볶이 프랜차이즈 입점전략 관련 데이터 분석 예제

 

13. 떡볶이 프랜차이즈 입점전략 관련 데이터 분석 예제

 

import pandas as pd

# 데이터 df로 변환

df = pd.read_csv('/content/소상공인시장진흥공단_상가(상권)정보_서울_202303.csv')

# 데이터 불러오기

df

 

# 데이터 정보 확인

df.info()

 

# 떡볶이집의 이름으로 shop을 만듦

 

shop = ['엽기떡볶이', '신전떡볶이', '죠스떡볶이', '국대떡볶이', '감탄떡볶이']

# 파리바게뜨 데이터 필터링 (파리바게뜨나 파리바게트라는 이름의 업소명, 업소번호, 경도, 위도를 불러옴)
# df_paris
# 상가업소번호, 경도, 위도

cont1 = df['상호명'].str.contains(r'파리바게뜨|파리바게트')
df_paris = df.loc[cont1, ['상가업소번호', '상호명', '경도', '위도']].copy()
df_paris

 

# 열의 이름을 바꾸고, 인덱스도 깔끔하게 새로 바꿈

df_paris = df_paris.set_axis(['업소번호', '업소상호명', 
'업소경도', '업소위도'], axis=1).reset_index(drop=True)
df_paris

 

# 떡볶이 프랜차이드 데이터 필터링 

(['엽기떡볶이', '신전떡볶이', '죠스떡볶이', '국대떡볶이', '감탄떡볶이']를 찾음)
extract(): 특정 문자열을 포함하고 있다면 그 문자열을 반환하고, 포함하고있지 않다면 NaN을 반환.

df_shop = df.copy()
df_shop['상호명'] = df_shop['상호명'].str.extract(r'({})'.format('|'.join(shop)))[0]
df_shop = df_shop.dropna(subset=['상호명']).iloc[:,[0, 1, 14, 37, 38]].reset_index(drop=True)
df_shop

 

# 곱집합 / 가는 길에 대한 모든 경로를 만들어줌

df1 = pd.DataFrame(['A', 'B'])
df2 = pd.DataFrame(['가', '나', '다'])

df1.merge(df2, how='cross')

 

# 파리바게뜨와 떡볶이집의 병합

df_cross = df_shop.merge(df_paris, how='cross')
df_cross

 

# 두 지점의 위도/경도를 입력하면 거리를 구해주는 라이브러리 설치

 

!pip install haversine
from haversine import haversine

# 서울과 파리의 위도/경도를 입력해서 거리를 구하는 예시

seoul = [37.541, 126.986]
paris = [48.8567, 2.3508]
haversine(seoul, paris, unit='km')

 

# '거리'를 파생변수로 만든 후 km단위로 확인

df_cross['거리'] = df_cross.apply(lambda x: haversine([x[4], x[3]], [x[8],x[7]], unit='km'), axis=1)
df_cross

 

# 개별 떡볶이 매장과 파리바게뜨와의 거리

df_dis = df_cross.groupby(['상가업소번호', '상호명'])['거리'].min().reset_index()
df_dis

 

# 각 프랜차이즈별 파리바게뜨와의 평균 거리

df_dis.groupby(['상호명'])['거리'].mean()

 

agg(): 다중집계작업 (여러 개를 한꺼번에 계산)

df_dis.groupby('상호명')['거리'].agg(['mean', 'count'])

 

# 프랜차이즈별 파리바게뜨와 50m 이하인 매장의 평균거리와 매장 개수

dis = df_dis['거리']<=50
df_dis[dis].groupby('상호명')['거리'].agg(['mean', 'count'])

 

# 거리를 입력하면 프랜차이즈별 파리바게뜨와의 평균거리와 매장개수를 출력(함수는 distance)

def distance(x):
    dis = df_dis['거리']<=x
    return df_dis[dis].groupby('상호명')['거리'].agg(['mean', 'count'])
distance(10)

 

 

!pip install pandasecharts
from pyecharts.charts import Timeline, Grid
from pandasecharts import echart
import IPython

 

df_50 = distance(50).reset_index()
df_50

 

 

df_50.echart.pie(x='상호명', y='count', figsize=(600,400), 
                radius=['20%', '60%'], label_opts={'position':'outer'}, 
                title='떡볶이집의 입점전략은 과연 파리바게뜨 옆인가?', 
                legend_opts={'pos_right':'0%', 'orient':'vertical'}, 
                subtitle='50m이내 매장수').render()
IPython.display.HTML(filename='render.html')

 

# 타임라인 작성

tl = Timeline({'width':'600px', 'height':'400px'})

pie1 = df_50.echart.pie(x='상호명', y='count', figsize=(600,400), 
                radius=['20%', '60%'], label_opts={'position':'outer'}, 
                title='떡볶이집의 입점전략은 과연 파리바게뜨 옆인가?', 
                legend_opts={'pos_right':'0%', 'orient':'vertical'}, 
                subtitle='50m이내 매장수')
tl.add(pie1, '50m').render()
IPython.display.HTML(filename='render.html')

 

# 반복문 작성

tl = Timeline({'width':'600px', 'height':'400px'})
for i in [1000, 100, 50, 30]:
    df_d = distance(i).reset_index()
    pie1 = df_d.echart.pie(x='상호명', y='count', figsize=(600, 400),
                    radius=['20%', '60%'], label_opts={'position':'outer'},
                    title='떡볶이집의 입점전략은 과연 파리바케트 옆인가?',
                    legend_opts={'pos_right':'0%', 'orient':'vertical'},
                    subtitle='{}m 이내 매장수'.format(i))
    tl.add(pie1, '{}m'.format(i)).render()
IPython.display.HTML(filename='render.html')