06. 실습5 : 떡볶이 프렌차이즈의 입점전략

 

1. 떡볶이 프렌차이즈의 입점전략

  

 

• import

  

 

        import pandas as pd

 

  

@

 

• 작업파일 불러오기

 

 

        df = pd.read_csv('/content/drive/MyDrive/1. KDT/5. 데이터 분석/데이터/소상공인시장진흥공단_상가(상권)정보_서울_202303.csv')

        df

 

 

 

• 데이터 프레임 정보보기

  

 

       df.info()

  

 

 

 

• 파리바게트 데이터 필터링

 

 

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

 

 

          # 파리바게트 데이터 필터링

          # contains() : 특정 문자열 포함 여부에 따라 True, False를 반환

          data = df['상호명'].str.contains('파리바게트|파리바게뜨')

          df_paris = df.loc[data, ['상가업소번호','상호명','경도','위도']].copy()

          df_paris

 

  

 

 

• df_paris 데이터프레임의 열 이름을 변경하고, 인덱스를 재설정

  

 

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

          df_paris

 

 

 

 

 

• 떡볶이 프랜차이즈 데이터 필터링

 

 

 

          # 떡볶이 프랜차이즈 데이터 필터링

          df_shop = df.copy()

 

          # 상가업소번호, 상호명, 시군구명, 경도, 위도

          # extract() : 특정문자열을 포함하고 있으면 그 문자열을 반환하고, 포함하지 않으면 NaN을 반환

          # df_shop['상호명'] = df_shop['상호명'].str.extract('({})'.format('|'.json(shop)))

          df_shop['상호명'].str.extract('({})'.format('|'.join(shop)))

 

 

 

• 떡볶이 프랜차이즈 데이터 필터링

 

 

 

        df_shop['상호명'] = df_shop['상호명'].str.extract('({})'.format('|'.join(shop)))[0]

 

         df_shop

 

 

 

 

• df_shop에서 특정 열(상호명)에 결측치가 있는 행을 제거, 필요한 열만 선택하여 인덱스를 재설정

  

 

          df_shop = df_shop.dropna(subset=['상호명']).iloc[:, [0, 1, 14, 37, 38]].reset_index(drop=True)

          df_shop

 

 

 

• 곱집합 원리

  

          # 곱집합

          df1 = pd.DataFrame(['A','B'])

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

          df1.merge(df2, how='cross')

 

  

 

 

 

 

2. 파버사인 공식 

  두 지점의 위도와 경도를 입력하며 거릴 구해주는 모듈

 

• 설치

  

 

        ! pip install haversine

 

 

 

Collecting haversine   Downloading haversine-2.8.1-py2.py3-none-any.whl (7.7 kB) Installing collected packages: haversine Successfully installed haversine-2.8.1

 

 

• import

 

     

 

        from haversine import haversine

 

  

 

 

• haversine 함수를 사용하여 서울과 파리 간의 거리를 계산,
  결과를 킬로미터와 미터 단위로 출력

  

 

        seoul = [37.541, 126.986]

        paris = [48.8567, 2.3508]

        print(haversine(seoul,paris, unit='km'))

        print(haversine(seoul,paris, unit='m'))

 

 

8968.562580161477 8968562.580161477

 

 

• 두 데이터프레임의 곱집합을 생성하기 위해 merge 메서드를 사용, how='cross' 옵션을 사용하여 곱집합을 생성

 

 

 

        df_shop.shape

 

        df_paris.shape

 

 

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

        df_cross

 

 

 

• 기존의 df_cross 데이터프레임에 '거리' 열을 추가
  각 행에 대해 위도와 경도를 사용하여 거리를 계산

  

          df_cross['거리'] = df_cross.apply(lambda x: haversine([x['위도'], x['경도']], [x['업소위도'], x['업소경도']], unit='m'), axis=1)

          df_cross

 

  

 

 

 

• df_cross 를 '상가업소번호'와 '상호명'으로 그룹화하여 각 그룹에 대해 최소 거리를 계산
   '상가업소번호'와 '상호명'으로 그룹화하여 '거리' 열의 최소값을 계산

 

 

          # 개별 떡볶이 매장과 파리바게트와의 최소거리

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

          df_dis

 

  

 

•  

  

 

        # 각 프랜차이즈 별 파리바게트와의 평균 거리

        df_dis.groupby('상호명')['거리'].mean()

 

  

 

 

•  

 

 

          #agg() : 다중 집계 작업을 간단하게 해주는 함수

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

 

  

 

 

•  

  

 

            # 거리를 입력하면 프랜차이즈 별 파리바게트와의 평균거리와 매장개수를 출력하는 함수

            def distance(x):

              dis = df_dis['거리'] <=x

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

 

  

          distance(50)

 

 

 

2. 원형그래프 사용하기 

  

 

• 설치

  

 

       ! pip install pandasecharts

 

  

 

 

• import

 

 

        import IPython

        from pandasechar ts import echart

 

  

 

 

•  

  

 

          df_100 = distance(100).reset_index()

          df_100

 

  

 

 

•  

 

 

 

          df_100.echart.pie(x='상호명',y='count',figsize=(600,400),

                            radius=['20%','60%'],label_opts={'position':'outer'},

                            title='떡볶이 프랜차이즈의 입점전략은 과연 파리바게트 옆인가?',

                            legend_opts={'pos_right':'0%','orient':'vertical'},

                            subtitle='100m 이내 매장수').render()

          IPython.display.HTML(filename='render.html')

 

 

  

 

 

•  

  

          from pyecharts.charts import Timeline, Grid

 

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

          pie1 = df_100.echart.pie(x= '상호명', y='count', figsize=(600, 400),

                            radius=['20%', '60%'], label_opts={'position' : 'outer'},

                            title = '떡볶이 프렌차이즈의 입점전략은 과연 파리바게트 옆인가?', legend_opts={'pos_right':'0%', 'orient':'vertical'},

                            subtitle='100m 이내 매장수')

          tl.add(pie1, '100m').render()

          IPython.display.HTML(filename='render.html')

  

 

 

 

•  

 

      < js >

 

        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='떡볶이 프렌차이즈의 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')