mapboxgl를 사용해 행정구역별 인구 데이터 시각화하기 (feat. geopandas로 shp 읽기, crs 설정)
2024. 02. 27. by 박하람
행정구역과 관련된 데이터는 인구나 면적 등의 데이터와 결합해 지도 시각화를 하는 데 활발히 사용된다. 행정구역과 관련된 다양한 데이터 분석을 진행해봤는데, 그 중에서 행정구역별 인구를 지도에서 시각화한 결과를 보여주는 것이 가장 간단했다. 하지만, mapboxgl을 활용해 시각화를 하는 과정에서 여러가지 삽질을 했다. 특히나, 데이터의 좌표계 설정을 잘 해주지 못해서 끙끙 앓다가 해결했는데 그 과정을 설정한다. 이 포스팅은 행정동을 기준으로 인구를 mapboxgl에 시각화한다.
데이터 준비하기
- 행정동별 할당된 인구 데이터는 행정안전부의 주민등록 인구통계에서 다운로드 받을 수 있다. 제공하는 데이터 중에서 주민등록 인구 및 세대현황 데이터를 활용했고, '전체읍면동현황'을 클릭하고 'xlsx 파일 다운로드'를 했다. xlsx로 파일을 다운로드받으면, 행정기관코드와 함께 총 인구수 데이터를 얻을 수 있다. 여기에서 행정기관코드는 행정동코드다.
- 행정동별 경계 데이터는 주소기반산업지원서비스의 구역의 도형에서 다운로드 받을 수 있다. '구역의 도형활용' 버튼을 클릭하면, 개별 테이블별로 레이아웃을 확인할 수 있다. 법정구역에서 행정동 (TL_SCCO_GEMD) 레이아웃이 행정동 경계를 제공한다. 이 때, 행정동 경계 geometry의 CRS는
EPSG:5179다.
데이터 불러오기
데이터를 불러오는 코드는 다음과 같다. 엑셀 파일은 pandas로 불러오면 되고, shp 파일은 geopandas로 불러올 수 있다. 구역의 도형 데이터는 인코딩을 cp949로 설정하면 된다.
import pandas as pd
import geopandas as gpd
df1 = pd.read_excel('data/population.xlsx')
df2 = gpd.read_file('data/26000/TL_SCCO_GEMD.shp', encoding="cp949")
데이터 정제와 병합
구역의 도형 데이터는 읍면동 데이터를 모두 포함하고 있기 때문에, 읍과 면을 제거한다. 인구와 shp 파일을 병합하기 위해 행정동코드의 컬럼명을 통일한다. 다음은 행정동코드를 기준으로 데이터를 병합한다.
# 읍과 면을 제거하고 동만 남기기
df2 = df2[(df2["EMD_KOR_NM"]).str.endswith("동")]
# 행정동코드의 컬럼명 통일하기
df1.rename(columns={'행정기관코드':'행정동코드'}, inplace=True)
df2.rename(columns={'EMD_CD':'행정동코드'}, inplace=True)
# 행정동코드 기준으로 병합하기
merged = df1.merge(df2, on='행정동코드')
CRS 설정하기
CRS를 설정하려면, 병합된 데이터를 GeoDataFrame으로 설정해야 한다. 변환해준 다음에 geometry에 대한 CRS 설정이 필요하다. 구역의 도형의 기본 CRS는 EPSG:5179다. mapbox의 좌표계는 EPSG:4326이기 때문에, 좌표계를 바꿔줘야 한다. 변환 과정은 먼저 CRS를 EPSG:5179로 설정해주고, EPSG:4326으로 변경한다. 이 때, 바로 EPSG:4326로 변환하면 안되고 !!! EPSG:5179로 설정해준 다음에 변환하는 것이 필수다. mapboxgl은 geojson 파일을 읽기 때문에 변환된 파일은 geojson으로 저장한다.
# GeoDataFrame으로 변환
gdf = gpd.GeoDataFrame(merged)
# CRS 변환
gdf = gdf.set_crs(epsg=5179)
gdf = gdf.to_crs(epsg=4326)
# CRS 확인
print(gdf.crs)
# <Geographic 2D CRS: EPSG:4326>
# Name: WGS 84
# Axis Info [ellipsoidal]:
# - Lat[north]: Geodetic latitude (degree)
# - Lon[east]: Geodetic longitude (degree)
# Area of Use:
# - name: World.
# - bounds: (-180.0, -90.0, 180.0, 90.0)
# Datum: World Geodetic System 1984 ensemble
# - Ellipsoid: WGS 84
# - Prime Meridian: Greenwich
# 파일 저장하기
gdf.to_file('busan-geoj.geojson', driver="GeoJSON")
mapbox로 지도 시각화하기
mapbox를 사용하려면 토큰을 발급해야 한다. mapbox에서 토큰을 받은 후 다음과 같이 토큰을 설정한다(.env 파일에 토큰을 저장해 불러와도 된다). 그 다음은 geojson 파일을 불러온다.
# 토큰 설정하기
token = '************'
# geojson 파일 열기
geo_data = 'busan-geoj.geojson'
with open(geo_data, 'rt', encoding='utf-8') as f:
gj = geojson.load(f)
다음은 mapboxgl로 지도 시각화를 하는 코드다. 이 코드는 전반적으로 [지도 데이터 시각화] Part 5. Mapboxgl 살펴보기를 참고했다. ChoroplethViz에서 data는 gj로 설정해주고, color_property는 인구 데이터에 해당하는 컬럼명을 설정한다.
from mapboxgl.utils import create_color_stops
# 부산 중심부의 경도와 위도
center = [129.05562775, 35.1379222]
# 색상의 범주 지정
color_breaks = [0, 10000, 20000, 30000, 40000, 50000, 60000]
color_stops = create_color_stops(color_breaks, colors='BuPu')
# ChoroplethViz 그리기
viz = ChoroplethViz(
access_token=token,
data=gj,
color_property='population',
color_stops=color_stops,
center=center,
zoom=10)
# 맵 출력
viz.show()
위의 코드의 결과는 다음 그림과 같다. 색이 진한 곳이 읍면동별로 인구가 많은 곳이다.
위의 결과가 더 입체적으로 보이고 싶다면, 다음의 코드로 시각화하면 된다. 맵을 -15도만큼 좌우회전하고, 45도만큼 상하 회전한 다음 인구를 기준으로 높이를 부여한다(viz.height_property).
from mapboxgl.utils import create_numeric_stops
viz.bearing = -15
viz.pitch = 45
viz.height_property = 'population'
numeric_stops = create_numeric_stops([0, 10000, 20000, 30000, 40000, 50000, 60000], 0, 3000)
viz.height_stops = numeric_stops
viz.height_function_type = 'interpolate'
viz.show()
결과는 다음과 같이 행정동별 인구가 입체적으로 시각화된다.
마무리하면 시각화는 그렇게 어렵지 않은데, 데이터를 mapboxgl에 맞게 준비하는 과정이 오래 걸린다. 특히, 좌표계를 변환하는 과정과 geojson으로 데이터를 준비하는 과정이 꽤나 지난했다. 여러분들은 저처럼 삽질을 하지 마시길...🥲
행정구역과 관련된 데이터는 인구나 면적 등의 데이터와 결합해 지도 시각화를 하는 데 활발히 사용된다. 행정구역과 관련된 다양한 데이터 분석을 진행해봤는데, 그 중에서 행정구역별 인구를 지도에서 시각화한 결과를 보여주는 것이 가장 간단했다. 하지만, mapboxgl을 활용해 시각화를 하는 과정에서 여러가지 삽질을 했다. 특히나, 데이터의 좌표계 설정을 잘 해주지 못해서 끙끙 앓다가 해결했는데 그 과정을 설정한다. 이 포스팅은 행정동을 기준으로 인구를 mapboxgl에 시각화한다.
데이터 준비하기
- 행정동별 할당된 인구 데이터는 행정안전부의 주민등록 인구통계에서 다운로드 받을 수 있다. 제공하는 데이터 중에서 주민등록 인구 및 세대현황 데이터를 활용했고, '전체읍면동현황'을 클릭하고 'xlsx 파일 다운로드'를 했다. xlsx로 파일을 다운로드받으면, 행정기관코드와 함께 총 인구수 데이터를 얻을 수 있다. 여기에서 행정기관코드는 행정동코드다.
- 행정동별 경계 데이터는 주소기반산업지원서비스의 구역의 도형에서 다운로드 받을 수 있다. '구역의 도형활용' 버튼을 클릭하면, 개별 테이블별로 레이아웃을 확인할 수 있다. 법정구역에서 행정동 (TL_SCCO_GEMD) 레이아웃이 행정동 경계를 제공한다. 이 때, 행정동 경계 geometry의 CRS는
EPSG:5179다.
데이터 불러오기
데이터를 불러오는 코드는 다음과 같다. 엑셀 파일은 pandas로 불러오면 되고, shp 파일은 geopandas로 불러올 수 있다. 구역의 도형 데이터는 인코딩을 cp949로 설정하면 된다.
import pandas as pd
import geopandas as gpd
df1 = pd.read_excel('data/population.xlsx')
df2 = gpd.read_file('data/26000/TL_SCCO_GEMD.shp', encoding="cp949")
데이터 정제와 병합
구역의 도형 데이터는 읍면동 데이터를 모두 포함하고 있기 때문에, 읍과 면을 제거한다. 인구와 shp 파일을 병합하기 위해 행정동코드의 컬럼명을 통일한다. 다음은 행정동코드를 기준으로 데이터를 병합한다.
# 읍과 면을 제거하고 동만 남기기
df2 = df2[(df2["EMD_KOR_NM"]).str.endswith("동")]
# 행정동코드의 컬럼명 통일하기
df1.rename(columns={'행정기관코드':'행정동코드'}, inplace=True)
df2.rename(columns={'EMD_CD':'행정동코드'}, inplace=True)
# 행정동코드 기준으로 병합하기
merged = df1.merge(df2, on='행정동코드')
CRS 설정하기
CRS를 설정하려면, 병합된 데이터를 GeoDataFrame으로 설정해야 한다. 변환해준 다음에 geometry에 대한 CRS 설정이 필요하다. 구역의 도형의 기본 CRS는 EPSG:5179다. mapbox의 좌표계는 EPSG:4326이기 때문에, 좌표계를 바꿔줘야 한다. 변환 과정은 먼저 CRS를 EPSG:5179로 설정해주고, EPSG:4326으로 변경한다. 이 때, 바로 EPSG:4326로 변환하면 안되고 !!! EPSG:5179로 설정해준 다음에 변환하는 것이 필수다. mapboxgl은 geojson 파일을 읽기 때문에 변환된 파일은 geojson으로 저장한다.
# GeoDataFrame으로 변환
gdf = gpd.GeoDataFrame(merged)
# CRS 변환
gdf = gdf.set_crs(epsg=5179)
gdf = gdf.to_crs(epsg=4326)
# CRS 확인
print(gdf.crs)
# <Geographic 2D CRS: EPSG:4326>
# Name: WGS 84
# Axis Info [ellipsoidal]:
# - Lat[north]: Geodetic latitude (degree)
# - Lon[east]: Geodetic longitude (degree)
# Area of Use:
# - name: World.
# - bounds: (-180.0, -90.0, 180.0, 90.0)
# Datum: World Geodetic System 1984 ensemble
# - Ellipsoid: WGS 84
# - Prime Meridian: Greenwich
# 파일 저장하기
gdf.to_file('busan-geoj.geojson', driver="GeoJSON")
mapbox로 지도 시각화하기
mapbox를 사용하려면 토큰을 발급해야 한다. mapbox에서 토큰을 받은 후 다음과 같이 토큰을 설정한다(.env 파일에 토큰을 저장해 불러와도 된다). 그 다음은 geojson 파일을 불러온다.
# 토큰 설정하기
token = '************'
# geojson 파일 열기
geo_data = 'busan-geoj.geojson'
with open(geo_data, 'rt', encoding='utf-8') as f:
gj = geojson.load(f)
다음은 mapboxgl로 지도 시각화를 하는 코드다. 이 코드는 전반적으로 [지도 데이터 시각화] Part 5. Mapboxgl 살펴보기를 참고했다. ChoroplethViz에서 data는 gj로 설정해주고, color_property는 인구 데이터에 해당하는 컬럼명을 설정한다.
from mapboxgl.utils import create_color_stops
# 부산 중심부의 경도와 위도
center = [129.05562775, 35.1379222]
# 색상의 범주 지정
color_breaks = [0, 10000, 20000, 30000, 40000, 50000, 60000]
color_stops = create_color_stops(color_breaks, colors='BuPu')
# ChoroplethViz 그리기
viz = ChoroplethViz(
access_token=token,
data=gj,
color_property='population',
color_stops=color_stops,
center=center,
zoom=10)
# 맵 출력
viz.show()
위의 코드의 결과는 다음 그림과 같다. 색이 진한 곳이 읍면동별로 인구가 많은 곳이다.
위의 결과가 더 입체적으로 보이고 싶다면, 다음의 코드로 시각화하면 된다. 맵을 -15도만큼 좌우회전하고, 45도만큼 상하 회전한 다음 인구를 기준으로 높이를 부여한다(viz.height_property).
from mapboxgl.utils import create_numeric_stops
viz.bearing = -15
viz.pitch = 45
viz.height_property = 'population'
numeric_stops = create_numeric_stops([0, 10000, 20000, 30000, 40000, 50000, 60000], 0, 3000)
viz.height_stops = numeric_stops
viz.height_function_type = 'interpolate'
viz.show()
결과는 다음과 같이 행정동별 인구가 입체적으로 시각화된다.
마무리하면 시각화는 그렇게 어렵지 않은데, 데이터를 mapboxgl에 맞게 준비하는 과정이 오래 걸린다. 특히, 좌표계를 변환하는 과정과 geojson으로 데이터를 준비하는 과정이 꽤나 지난했다. 여러분들은 저처럼 삽질을 하지 마시길...🥲