
from IPython.core.display import display, HTML
display(HTML("<style>.container {width:80% !important;}</style>"))
%matplotlib inline

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from scipy import stats
import warnings
warnings.filterwarnings('ignore')

mpl.rcParams['figure.figsize'] = (12,8)  #시각화 figure default 설정
mpl.rcParams['font.family'] = 'NanumGothic' #폰트 디폴트 설정
mpl.rcParams['font.size'] = 10    #폰트 사이즈 디폴트 설정
plt.rcParams['axes.unicode_minus'] = False
%config InlineBackend.figure_format='retina' # 그래프 글씨 뚜렷
pd.options.display.float_format = '{:.0f}'.format # 넘파이 과학적 표기 제거


df_shop = pd.read_csv("H:\내 드라이브\jeju\제주도_상권정보.csv", encoding = "cp949")
df_facility = pd.read_csv("H:\내 드라이브\jeju\제주도_관광편의시설현황_2022.csv", encoding = "cp949")
df_card = pd.read_csv("H:\내 드라이브\jeju\제주도_유동인구_카드매출액_2018.csv", encoding = "cp949")
df_chinese = pd.read_csv("H:\내 드라이브\jeju\중국인_업종별_이용금액_2018.csv", encoding = "cp949")
df_wifi = pd.read_csv("H:\내 드라이브\jeju\외국인유동인구_와이파이이용_2018.csv", encoding = "cp949")


# df_card["지역명"] = "제주특별자치도" + " " + df_card["시도명"] + " " + df_card["읍면동명"]


df_card_new = df_card.groupby(["읍면동명", "년월", "업종명"])[["이용자수", "이용금액", "방문인구"]].agg("sum").reset_index().copy()


df_card_new.head()


df_card_new["1인당지출"] = df_card_new["이용금액"] / df_card_new["이용자수"]


df_card_new["년월"] = df_card_new["년월"].str[:-3]


df_district = df_card_new.groupby("읍면동명").sum().reset_index()
df_district["1인당지출"] = df_district["이용금액"] / df_district["이용자수"]


df_district.sample()


11944813957 / 310669

38448.68318692885


## 평균 1인당지출
mean_expenditure = np.mean(df_district['1인당지출'])
print("평균 1인당지출:", mean_expenditure)

## 평균 방문인구
mean_tourist = np.mean(df_district['방문인구'])
print("평균 방문인구:", mean_tourist)

평균 1인당지출: 35733.6410177536
평균 방문인구: 1807337969.3193033


## 평균 1인당지출과 평균 방문인구를 기준으로 High/Low 구분
def expenditure_segmentation(expenditure, mean_expenditure):
    if (expenditure >= mean_expenditure):
        return "높은 관광지출"
    elif (expenditure < mean_expenditure):
        return "낮은 관광지출"
    
def tourist_segmentation(tourist, mean_tourist):
    if (tourist >= mean_tourist):
        return "높은 방문객수"
    elif (tourist < mean_tourist):
        return "낮은 방문객수"


## 위에서 정의한 함수르 적용하여 지역 구분 필드 생성
df_district["관광지출_구분"] = df_district["1인당지출"].apply(lambda x: expenditure_segmentation(x, mean_expenditure))
df_district["방문객수_구분"] = df_district["방문인구"].apply(lambda x: tourist_segmentation(x, mean_tourist))


## 2개의 구분 필드를 결합하여 "지역_구분" 필드로 통합
df_district["지역_구분"] = df_district["관광지출_구분"] + " & " + df_district["방문객수_구분"]
df_district.head(3)


# df_district.to_csv("제주도_지역별_연간방문객수_1인당지출.csv", index = False)


## "지역_구분"을 기준으로 그룹화하여 소속된 읍면동명 확인
df_district.groupby(["지역_구분", "읍면동명"])[["방문인구", "1인당지출"]].sum()


## 제주도 지역별 연간 관광객수와 1인당 지출을 기준으로 산점도 시각화 
## 평균 지출액과 평균 방문객수를 기준으로 4개의 영역으로 구분
plt.figure(figsize = (14, 8))
sns.scatterplot(x = df_district["방문인구"], y = df_district["1인당지출"], hue = df_district["지역_구분"])
plt.axhline(y = mean_expenditure, linestyle = "--", color = "#e63946")
plt.axvline(x = mean_tourist, linestyle = "--", color = "#e63946")
plt.xlabel("연간 방문객수", fontsize = 15, fontweight = "semibold")
plt.ylabel("관광객 1인당지출", fontsize = 15, fontweight = "semibold")
plt.title("<제주도 지역별 연간 방문객수 & 1인당지출>",fontsize = 20, fontweight = "bold")
plt.show()


df_jeju_map = pd.read_csv("H:\내 드라이브\jeju\제주도_지역별_연간방문객수_1인당지출.csv", encoding = "utf-8-sig")
df_jeju_map.head(2)
# df_jeju_map = df_jeju_map[["지역명", "지역_구분"]]
# df_jeju_map.head(2)


import folium
import requests
import json
import folium.plugins

# 서울 행정구역 json raw파일(githubcontent)
# r = requests.get('https://raw.githubusercontent.com/vuski/admdongkor/master/ver20230101/HangJeongDong_ver20230101.geojson')
r = requests.get('https://raw.githubusercontent.com/raqoon886/Local_HangJeongDong/master/hangjeongdong_%EC%A0%9C%EC%A3%BC%ED%8A%B9%EB%B3%84%EC%9E%90%EC%B9%98%EB%8F%84.geojson')
c = r.content
jeju_geo = json.loads(c)


# jeju_geo


m = folium.Map(
    location=[33.361417, 126.529417],
    width=750, height=500,
    zoom_start=10, 
    tiles='cartodbpositron',
    min_zoom=10,
    max_zoom=10, 
    zoom_control = False
)

folium.GeoJson(
    jeju_geo,
    name='지역명'
).add_to(m)

folium.Choropleth(
            geo_data= jeju_geo,
            data=df_jeju_map,
            columns = ["지역명", "1인당지출"],
            fill_color='RdBu_r',
            line_color="Black", 
            fill_opacity=0.8,
            line_opacity=1.0,
            key_on='properties.adm_nm',
            legend_name='1인당지출').add_to(m) 

locations = list(zip(df_shop["위도"], df_shop["경도"]))[:20000]


cluster = folium.plugins.MarkerCluster(locations=locations)
m.add_child(cluster)

# for i in range(len(locations[:10000])):
#     folium.CircleMarker(location=locations[i],radius=1).add_to(m)

m


m = folium.Map(
    location=[33.361417, 126.529417],
    width=750, height=500,
    zoom_start=10, 
    tiles='cartodbpositron',
    min_zoom=10,
    max_zoom=10, 
    zoom_control = False
)

folium.GeoJson(
    jeju_geo,
    name='지역명'
).add_to(m)

folium.Choropleth(
            geo_data= jeju_geo,
            name = "지역별 연간방문객수",
            data=df_jeju_map,
            columns = ["지역명", "방문인구"],
            fill_color='RdBu_r', 
            line_color="Black", 
            fill_opacity=0.8,
            line_opacity=1.0,
            key_on='properties.adm_nm',
            legend_name='연간방문객수').add_to(m)
m


# from folium.features import DivIcon
# import folium.plugins

# m = folium.plugins.DualMap(
#     location=[33.361417, 126.529417],
#     zoom_start=10, 
#     tiles='cartodbpositron',
#     min_zoom=10,
#     max_zoom=10, 
#     zoom_control = False
# )

# folium.GeoJson(
#     jeju_geo,
#     name='지역명'
# ).add_to(m)

# # 왼쪽 지도 - 지역별 방문객 1인당 지출"
# choropleth1 = folium.Choropleth(
#             geo_data= jeju_geo,
#             name = "지역별 방문객 1인당 지출",
#             data=df_jeju_map,
#             columns = ["지역명", "1인당지출"],
#             fill_color='RdBu', 
#             fill_opacity=0.8,
#             line_opacity=0.2,
#             key_on='properties.adm_nm',
#             legend_name='1인당지출').add_to(m.m1) 

# # 오른쪽 지도 - 지역별 연간방문객수

# choropleth2 = folium.Choropleth(
#             geo_data= jeju_geo,
#             name = "지역별 연간방문객수",
#             data=df_jeju_map,
#             columns = ["지역명", "방문인구"],
#             fill_color='RdBu', 
#             fill_opacity=0.8,
#             line_opacity=0.2,
#             key_on='properties.adm_nm',
#             legend_name='연간방문객수').add_to(m.m2) 

# m


# df_facility.head(2)


# shop_list = ['숙박', '음식','스포츠', '관광/여가/오락']
# df_shop[df_shop["상권업종대분류명"].isin(shop_list)]


# df_shop = df_shop.groupby(["상권업종대분류명", "상권업종중분류명", "상권업종소분류명"]).mean().


# print(df_shop["상권업종중분류명"].unique())
# print()
# print(df_shop["상권업종소분류명"].unique())

	읍면동명	년월	업종명	이용자수	이용금액	방문인구
0	건입동	2018-01-01	과실 및 채소 소매업	65	7802800	4938897
1	건입동	2018-01-01	관광 민예품 및 선물용품 소매업	142	3569450	4938897
2	건입동	2018-01-01	기타 외국식 음식점업	226	7633360	4938897
3	건입동	2018-01-01	기타 주점업	109	22890000	4938897
4	건입동	2018-01-01	기타음식료품위주종합소매업	38	6516550	4938897

	읍면동명	이용자수	이용금액	방문인구	1인당지출	관광지출_구분	방문객수_구분	지역_구분
0	건입동	637606	22837472311	1516734675	35818	높은 관광지출	낮은 방문객수	높은 관광지출 & 낮은 방문객수
1	구좌읍	801964	24672424016	1946041726	30765	낮은 관광지출	높은 방문객수	낮은 관광지출 & 높은 방문객수
2	남원읍	617808	26116645201	1682710331	42273	높은 관광지출	낮은 방문객수	높은 관광지출 & 낮은 방문객수

		방문인구	1인당지출
지역_구분	읍면동명
낮은 관광지출 & 낮은 방문객수	대정읍	1402450560	32647
	대천동	1130720804	26864
	동홍동	1516297911	32851
	삼도1동	1455991387	30550
	삼양동	983827359	25303
	서홍동	635625243	22379
	외도동	1060109452	26968
	우도면	205980081	24304
	이호동	586353829	28364
	천지동	485510672	35223
	효돈동	240024140	27601
낮은 관광지출 & 높은 방문객수	구좌읍	1946041726	30765
	노형동	6031387943	31720
	성산읍	2226897809	33860
	아라동	3103245604	21638
	안덕면	2314658633	33957
	애월읍	5597200967	34962
	오라동	2630533234	35075
	이도2동	6267381151	29791
	일도2동	2528784477	33756
	조천읍	3087423560	32559
	화북동	1904236034	27754
높은 관광지출 & 낮은 방문객수	건입동	1516734675	35818
	남원읍	1682710331	42273
	도두동	660535341	38354
	봉개동	658321867	38449
	삼도2동	1271362494	42609
	송산동	434374874	36821
	영천동	555704091	55658
	용담1동	925972239	39207
	이도1동	1763670245	41653
	일도1동	611658177	46376
	정방동	927530860	37971
	중문동	1301941336	40258
	중앙동	1050344784	37971
	추자면	129501133	40235
	표선면	1490532873	38919
	한경면	651516174	39160
높은 관광지출 & 높은 방문객수	대륜동	2032433025	37854
	연동	6238260113	47008
	예래동	1808471748	55906
	용담2동	2320021949	48561
	한림읍	2343251776	36595

1.환경설정¶

2.데이터 로드¶

2.1 경로 설정¶

2.2 로컬 파일 로드¶

3.데이터 전처리¶

3.1 제주도 유동인구 카드매출액(2018년)¶

3.1.1 제주도 카드매출 전처리¶

3.1.2 제주도 지역별 지출 및 방문객 수 분포 및 구분¶

3.1.3 분포 지도시각화¶

3.2 제주도 상권 / 관광시설 데이터¶

	지역명	이용자수	이용금액	방문인구	1인당지출	관광지출_구분	방문객수_구분	지역_구분
0	제주특별자치도 서귀포시 남원읍	617808	26116645201	1682710331	42273	높은 관광지출	낮은 방문객수	높은 관광지출 & 낮은 방문객수
1	제주특별자치도 서귀포시 대륜동	878040	33236919978	2032433025	37854	높은 관광지출	높은 방문객수	높은 관광지출 & 높은 방문객수