데이터 파일 다운로드👻
[포항시 BIS 교통카드 사용내역 데이터 수집]
1. URL : 국가교통 데이터 오픈마켓
2. 로그인 후 "포항시 BIS 교통카드 사용내역" 검색
3. 상품 다운로드 >> 200개씩 보기 >> 전체선택 >> 파일 다운로드 >> 80개 압축파일 다운
한건 샘플링 하기
여러개의 파일 데이터를 통합하는 경우에는 한개 파일을 기준으로 사용할 컬럼을 정의하여 가공 후 반복 처리하면 편하다.
1. 0번 파일의 csv 데이터 읽어들이기
- 데이터프레임 이름 : df_bus_cart_org
file_path = './01_data/org/trfcard(0)/trfcard.csv'
df_bus_card_org = pd.read_csv(file_path)
df_bus_card_org.head()
2. 결측치가 있는지 정보확인하기
df_bus_card_org.info()
3. 이상치가 있는지 정보확인하기
df_bus_card_org.describe()
4. 메타정의서의 영문명, 한글명 컬럼 읽어들이기
- 데이터프레임 이름 : df_bus_cart_col_org
file_path = './01_data/org/trfcard(0)/trfcard_columns.xlsx'
df_bus_card_col_org = pd.read_excel(file_path,
header=2,
usecols="B:C")
df_bus_card_col_org
5. 딕셔너리 타입으로 정의
- 컬럼명의 이름을 매핑하여 변경하기 위해서는
- 컬럼명의 값을 key:value 딕셔너리 타입으로 정의해야함
- 예시 : {'영문명' : '한글명', '영문명2' : '한글명2'...}
< df_bus_cart_col_org의 데이터를 딕셔너리로 변환하기>
# iloc[행, 열] : 인덱스 번호를 이용하는 방식 (index location)
print(df_bus_card_col_org.iloc[0, 0])
print(df_bus_card_col_org.iloc[0, 1])
print(df_bus_card_col_org.iloc[1, 0])
print(df_bus_card_col_org.iloc[1, 1])
print("---------------------------")
# loc[행값, 열값] : 눈에 보이는 인덱스 값을 이용하는 방식
print(df_bus_card_col_org.loc[0, "컬럼명 (영문)"])
print(df_bus_card_col_org.loc[0, "컬럼명 (한글)"])
print(df_bus_card_col_org.loc[1, "컬럼명 (영문)"])
print(df_bus_card_col_org.loc[1, "컬럼명 (한글)"])
6. 데이터프레임을 딕셔너리로 변환
- df_bus_cart_col_org 데이터프레임을 딕셔너리로 변환
- 딕셔너리 변수명 : df_bus_card_col_new_dict
- 영문명은 key로, 한글명은 value로 만들어주세요
- 예시 : { 'on_date' : '승차시각' , 'off_date' : '하차시각', ... }
< 방법 1 >
df_bus_card_col_new_dict = {}
for i in range(len(df_bus_card_col_org)):
key = df_bus_card_col_org.loc[i, "컬럼명 (영문)"]
value = df_bus_card_col_org.loc[i, "컬럼명 (한글)"]
df_bus_card_col_new_dict[key] = value
df_bus_card_col_new_dict
< 방법 2 >
df_bus_card_col_new_dict = {}
df_bus_card_col_new_dict = dict(zip(df_bus_card_col_org["컬럼명 (영문)"], df_bus_card_col_org["컬럼명 (한글)"] ))
df_bus_card_col_new_dict
< 방법 3 >
df_bus_card_col_new_dict = {}
for k, v in zip(df_bus_card_col_org.iloc[:, 0], df_bus_card_col_org.iloc[:, 1]):
df_bus_card_col_new_dict[k] = v
df_bus_card_col_new_dict
※ 여기서 .iloc[: , 0] 콜론은 모든 행, 0은 0번째 열을 의미함.
7. 컬럼명 변경하기
- 컬럼명 영어에서 한글로 변경하기
- inplace=True : 변경사항을 메모리에 반영하기
df_bus_card_org.rename(columns=df_bus_card_col_new_dict, inplace = True)
분석 주제
- 대주제 : 포항시 버스 이용량 분석
- 소주제
(버스 이용량 분석) ->양적분석(빈도분석)
* 기준월 및 기준일자별 버스 이용량 분석 비교 (count)
* 기준일 및 시간대별 버스 이용량 분석 비교
* 기준시간 및 시간(분)별 버스 이용량 분석 비교
(버스 내 체류시간 분석)
* 기준월 및 기준일자별 버스 체류시간 분석 비교 (하차시간 - 승차시간)
* 기준일 및 시간대별 버스 체류시간 분석 비교
* 기준시간 및 시간(분)별 버스 체류시간 분석 비교
* 승하차정류장 구간별 버스 내 체류시간
- 체류시간(분) 상위 30건 분석 비교
1. 분석을 위한 데이터 가공하기
- int 타입은 우리가 분리해서 가져오거나 추출할 수 없음
- 따라서, 년월일 시분 단위로 분리하기 위해 str타입으로 바꿔야 함
- astype() : 데이터 형변환 함수
### 데이터프레임 복제하기
df_bus_card_kor = df_bus_card_org.copy()
### 1. 승차시각과 하차지각 데이터 타입을 문자열로 변환하기
df_bus_card_kor = df_bus_card_kor.astype({'승차시각':'str',
'하차시각':'str'})
df_bus_card_kor.info()
2. 분석에 필요한 컬럼 추출하기
### 필요한 컬럼들만 포함한 데이터프레임 복제하기
df_bus_card = df_bus_card_kor[["승차시각","하차시각","승객연령","환승여부","추가운임여부","승차정류장","하차정류장"]].copy()
df_bus_card.head()
3. 승차시각과 하차시각의 데이터타입을 날짜타입으로 변경하기
- to_datetime() : datetime형태로 변환
df_bus_card["승차시각"] = pd.to_datetime(df_bus_card_kor.loc[:,"승차시각"])
df_bus_card["하차시각"] = pd.to_datetime(df_bus_card_kor.loc[:,"하차시각"])
df_bus_card.info()
df_bus_card
4. 버스 내 체류시간(분단위) 계산
- 컬럼명 : 버스내체류시간(분)
- 체류시간 = 하차시각 - 승차시각
- round( a, b ) : 반올림 함수, a를 소수점 b자리까지 반올림
- total_seconds() : 초단위로 변환하는 함수
round((df_bus_card.iloc[0,1] - df_bus_card.iloc[0,0]).total_seconds()/60, 2)
7.92
round((df_bus_card["하차시각"] - df_bus_card["승차시각"]).dt.total_seconds()/60, 2)
※ .dt는 Pandas DataFrame의 datetime 타입 열에서 날짜 및 시간과 관련된 속성 및 메서드에 접근하기 위한 속성
- .dt.year: 연도 추출
- .dt.month: 월 추출
- .dt.day: 일 추출
- .dt.hour: 시간 추출
- .dt.minute: 분 추출
- .dt.second: 초 추출
- .dt.microsecond: 마이크로초 추출
- .dt.date(): 날짜 부분 추출
- .dt.time(): 시간 부분 추출
- .dt.day_name(): 요일 추출
- .dt.month_name(): 월 이름 추출
- .dt.total_seconds(): 시간 간격을 초로 변환
5. 체류시간(분) 컬럼 생성
- \(역슬래시) 쓰고 뒤에 아무 것도 없으면 무시하고 이어서 인식됨
df_bus_card["버스내체류시간(분)"] = round((df_bus_card["하차시각"] - \
df_bus_card["승차시각"]).dt.total_seconds()/60, 2)
df_bus_card
6. 기준년도, 기준월, 기준일, 기준시간, 기준시간(분), 컬럼 생성하기
# 기준년도
df_bus_card["기준년도"] = df_bus_card["승차시각"].dt.year
# 기준월
df_bus_card["기준월"] = df_bus_card["승차시각"].dt.month
# 기준일
df_bus_card["기준일"] = df_bus_card["승차시각"].dt.day
# 기준시간
df_bus_card["기준시간"] = df_bus_card["승차시각"].dt.hour
# 기준시간(분)
df_bus_card["기준시간(분)"] = df_bus_card["승차시각"].dt.minute
df_bus_card
전체 통합하기
위 한건 샘플 프로세스를 이용하여 전체 파일 통합하기
1. 통합하기 - 내가한 방법
- 최종 통합 데이터프레임 이름 : df_bus_card_tot
df_bus_card_tot = []
# 반복문 돌려서 리스트에 append하기(포맷사용 : f " {변수} ")
for i in range(0,80):
file_path = f"./01_data/org/trfcard({i})/trfcard.csv"
df_bus_card_tot.append(pd.read_csv(file_path))
# append한 내용을 해당 컬럼에 맞게 합치게 concat해주기 (ignore_index = True 해주어 인덱스 새로설정하기 )
df_bus_card_tot = pd.concat(df_bus_card_tot, ignore_index = True)
# rename으로 한글 컬럼명으로 바꿔주기
df_bus_card_tot.rename(columns=df_bus_card_col_new_dict, inplace = True)
df_bus_card_tot
# 복사하기
df_bus_card_tot1 = df_bus_card_tot.copy()
### 1. 승차시각과 하차지각 데이터 타입을 문자열로 변환하기
df_bus_card_tot1 = df_bus_card_tot1.astype({'승차시각':'str', '하차시각':'str'})
### 2. 필요한 컬럼만 가져오기
df_bus_card_tot1 = df_bus_card_tot1[["승차시각","하차시각","승객연령","환승여부","추가운임여부","승차정류장","하차정류장"]].copy()
### 3. 승차시각과 하차시각의 데이터타입을 날짜타입으로 변경하기(문자 타입만 datetime으로 변환가능하다.)
df_bus_card_tot1["승차시각"] = pd.to_datetime(df_bus_card_tot1.loc[:,"승차시각"])
df_bus_card_tot1["하차시각"] = pd.to_datetime(df_bus_card_tot1.loc[:,"하차시각"])
### 4. 버스 내 체류시간(분단위) 컬럼만들기
df_bus_card_tot1["버스내체류시간(분)"] = round((df_bus_card_tot1["하차시각"] - df_bus_card_tot1["승차시각"]).dt.total_seconds()/60, 2)
### 5. 기준년도, 기준월, 기준일, 기준시간, 기준시간(분), 컬럼 생성하기
# 기준년도
df_bus_card_tot1["기준년도"] = df_bus_card_tot1["승차시각"].dt.year
# 기준월
df_bus_card_tot1["기준월"] = df_bus_card_tot1["승차시각"].dt.month
# 기준일
df_bus_card_tot1["기준일"] = df_bus_card_tot1["승차시각"].dt.day
# 기준시간
df_bus_card_tot1["기준시간"] = df_bus_card_tot1["승차시각"].dt.hour
# 기준시간(분)
df_bus_card_tot1["기준시간(분)"] = df_bus_card_tot1["승차시각"].dt.minute
df_bus_card_tot1
1. 통합하기 - 교수님 방법
- 최종 통합 데이터프레임 이름 : df_bus_card_tot
# 실행시간 체크할 수 있는 라이브러리
from datetime import datetime
## 통합 시작 시간
start_date = datetime.today().strftime("%Y-%m-%d %H:%M:%S")
### 최종 통합 데이터프레임 이름 : df_bus_card_tot
df_bus_card_tot = pd.DataFrame()
### 0~79까지 폴더에 접근하기 위한 반복 수행
for i in range(0, 80, 1) :
file_path = f"./01_data/org/trfcard({i})/trfcard.csv"
df_bus_card_org = pd.read_csv(file_path)
# 갯수 잘 반복했는지 확인용
# print(i, " / ", len(df_bus_card_org))
### 메타정의서의 영문명, 한글명 컬럼 읽어들이기
# 데이터프레임 이름 : df_bus_cart_col_org
file_path = f'./01_data/org/trfcard({i})/trfcard_columns.xlsx'
df_bus_card_col_org = pd.read_excel(file_path,
header=2,
usecols="B:C")
# print(i, " / ", len(df_bus_card_col_org))
#방법 3
df_bus_card_col_new_dict = {}
for k, v in zip(df_bus_card_col_org.iloc[:, 0], df_bus_card_col_org.iloc[:, 1]):
df_bus_card_col_new_dict[k] = v
### 컬럼명 변경하기
# inplace=True : 변경사항을 메모리에 반영하기
df_bus_card_org.rename(columns=df_bus_card_col_new_dict, inplace = True)
### 데이터프레임 복제하기
df_bus_card_kor = df_bus_card_org.copy()
### 1. 승차시각과 하차지각 데이터 타입을 문자열로 변환하기
# astype() : 데이터 형변환 함수
df_bus_card_kor = df_bus_card_kor.astype({'승차시각':'str', '하차시각':'str'})
df_bus_card = df_bus_card_kor[["승차시각","하차시각","승객연령","환승여부","추가운임여부","승차정류장","하차정류장"]].copy()
### 3. 승차시각과 하차시각의 데이터타입을 날짜타입으로 변경하기(문자 타입만 datetime으로 변환가능하다.)
df_bus_card["승차시각"] = pd.to_datetime(df_bus_card_kor.loc[:,"승차시각"])
df_bus_card["하차시각"] = pd.to_datetime(df_bus_card_kor.loc[:,"하차시각"])
### 체류시간(분) 계산 및 컬럼 생성
df_bus_card["버스내체류시간(분)"] = round((df_bus_card["하차시각"] - \
df_bus_card["승차시각"]).dt.total_seconds()/60, 2)
### 5. 기준년도, 기준월, 기준일, 기준시간, 기준시간(분), 컬럼 생성하기
# 기준년도
df_bus_card["기준년도"] = df_bus_card["승차시각"].dt.year
# 기준월
df_bus_card["기준월"] = df_bus_card["승차시각"].dt.month
# 기준일
df_bus_card["기준일"] = df_bus_card["승차시각"].dt.day
# 기준시간
df_bus_card["기준시간"] = df_bus_card["승차시각"].dt.hour
# 기준시간(분)
df_bus_card["기준시간(분)"] = df_bus_card["승차시각"].dt.minute
#print(f"{i} / {len(df_bus_card)}")
# axis=0 : 데이터프레임에 행단위로 추가하기
df_bus_card_tot = pd.concat([df_bus_card_tot, df_bus_card], axis=0, ignore_index=True)
## 통합 종료 시간
end_date = datetime.today().strftime("%Y-%m-%d %H:%M:%S")
print(f"전체 실행 시간 ==> {start_date} ~ {end_date}")
print(f" df_bus_card_tot ==> {len(df_bus_card_tot)}")
### 최종 결과 확인하기 : 인덱스 번호 확인
df_bus_card_tot
2. 통합 데이터프레임 저장시키기
- 저장 파일 위치 : all 폴더
- 저장 파일 명 : 데이터프레임 변수명과 동일하게
- 확장자 : csv
save_path = "./01_data/all/df_bus_card_tot.csv"
df_bus_card_tot.to_csv(save_path, index = False)
'Back-End > 데이터베이스' 카테고리의 다른 글
[DB] 데이터 수집 - 웹크롤링(selenium) (1) | 2023.12.04 |
---|---|
[DB] 데이터베이스 실습 - 버스교통카드 데이터 전처리 시각화(히트맵, 막대그래프, 선그래프) (2) | 2023.11.30 |
[DB] 데이터베이스 연결 - pymysql 라이브러리 사용 (3) | 2023.11.29 |
[DB] 데이터베이스 테이블에 저장하기, 설계하기 (DB 연결, 저장, 자원반환) (2) | 2023.11.28 |
[DB] 데이터 수집하기 (0) | 2023.11.28 |