3 분 소요

ABC 부트캠프 [2021 지역별 사망 교통사고 데이터 분석 및 시각화]

image

팀과제로 교수님이 2021년 지역별로 사망교통사고 데이터 분석을 하라고 하셨다.

10개조가 나와서 조장들이 분석할 지역을 정하는 시간이었는데

하기 전에 난 우리 조원들에게 다들 어디 출신이냐고 물어봤다

​

6명중 2명이 대전 사람, 2명이 대구 사람, 각각 다른 지역 사람이라서

대전은 해봤으니 그럼 대구로 해야지~ 했는데

​

눈앞에서 다른 조 조장이던 내 친구에게 빼앗겼다

​

그래도 딱 생각나는 지역이 인천광역시가 떠올라서

우리 10조는 인천광역시의 데이터를 분석하기로 하였다.

​

​

​

[팀과제] 2021년 지역별 사망 교통사고 데이터 분석하기

  1. 어느 지역이 가장 많은 사망 교통사고가 발생 했었나
  2. 어느 시간대에 가장 많은 사망 교통사고가 발생 했었나
  3. 교통사고 정보를 지도에 표시하여 시각화

​

​

패키지 설치 및 라이브러리 임포트

pip install koreanize-matplotlib
import pandas as pd

import plotly.express as px
import seaborn as sns
import matplotlib.pyplot as plt
import koreanize_matplotlib

import folium
​

데이터 준비

  • 도로교통공단_사망 교통사고 정보_20211231.csv
df = pd.read_csv('/content/도로교통공단_사망 교통사고 정보_20211231.csv', encoding='EUC-KR')
df

image

​

데이터 전처리

df.info()
# 발생년월일시는 문자열(object)이라 따로 타입변경을 안해줘도 된다

image

# 발생년월일시 -> 발생시간(int)
df['발생년월일시'] = pd.to_datetime(df['발생년월일시'])

# 1) 발생시간
df['발생시간'] = df['발생년월일시'].dt.hour

# 2) 발생년월일
df['발생년월일'] = pd.to_datetime(df['발생년월일시'].dt.strftime('%Y-%m-%d'))

# 3) 결과 확인
df.info()

image

to_datetime을 사용하여 데이터 타입만 변경하게 하였고,

dt.hour을 사용해서 시간만 문자열 %Y-%m-%d 형태로 추출하게 하였다.

​

필요없는 컬럼 삭제 및 컬럼 정렬

del df['발생년월일시']    # 컬럼삭제
df.info()

image

발생년월일시가 삭제된 것을 알 수 있다.

​

# 컬럼명을 리스트로 만들기
col1 = df.columns[-2:].to_list()    # 마지막 컬럼 두개(발생시간/발생년월일) 선택
col1.reverse()                      # 리스트를 역순으로 뒤집는다
col2 = df.columns[1:-2].to_list()    # 두번째 컬럼부터 마지막에서 두 번째 컬럼까지를 선택(발생년제외)
col_list = col1 + col2
col_list.insert(0, '발생년')      # 0번째에 발생년 삽입

# 원하는 컬럼 순서대로 추출
df = df[col_list]

Index(['발생년', '발생년월일', '발생시간', '주야', '요일', '사망자수', '부상자수', '중상자수', '경상자수',
       '부상신고자수', '발생지시도', '발생지시군구', '사고유형_대분류', '사고유형_중분류', '사고유형', '가해자법규위반',
       '도로형태_대분류', '도로형태', '가해자_당사자종별', '피해자_당사자종별', '발생위치X(UTMK)',
       '발생위치Y(UTMK)', '경도', '위도'],
      dtype='object')

df.info()

​ image

​

정제된 데이터셋 저장하기

df.to_csv('2021년 지역별 교통사고 데이터 전처리.csv', encoding='utf-8-sig', index=False)    # 데이터셋 다운로드
​

​

인천광역시 교통사고 발생 데이터 분석

​

데이터 준비

ich_df = df[df['발생지시도']=='인천']    # ich_df라는 인천 데이터값 할당
ich_df.info()
​

전국별 교통사고 발생

location_list = df['발생지시도'].unique()    # 정렬할 때 사용
location_list.sort()

plt.figure(figsize=(10,5))     # figure로 크기 조정
sns.countplot(data=df, x='발생지시도', order=location_list)
plt.show()    # 인천은 전국에서 11등

image

​

​

시간대 별 교통사고 사망자 현황

fig = px.bar(ich_df, x='사망자수', y='발생시간', orientation='h')
fig.show()
# 인천은 가장 많은 사망 교통사고가 새벽 6시에 발생한다
# 그 이유는 아마 인천은 인천국제공항이 있고, 화물 운송 차량들이 많아 화물을 운송하는
# 새벽 6시가 가장 많을 것이라고 예상한다

image

새벽 6시가 가장 많은 이유가 아마 화물 운송 차량들이 많아

운송할 때 발생하는 교통사고가 크게 기여했을 것이라고 예상한다.

fig = px.pie(ich_df, names='발생시간', values='사망자수' )
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

image

요일별 교통사고 사망자 현황

fig = px.bar(df, x='사망자수', y='요일', orientation='h', category_orders={'요일': ['월', '화', '수', '목', '금', '토', '일']})
fig.show()
# 전국에서 가장 많은 사망 교통사고가 목요일에 발생한다

image

전국은 목요일에 많이 발생하지만,

fig = px.bar(ich_df, x='사망자수', y='요일', orientation='h', category_orders={'요일': ['월', '화', '수', '목', '금', '토', '일']})
fig.show()
# 인천은 가장 많은 사망 교통사고가 수요일에 발생한다

image

인천은 수요일에 많이 발생한다.

​

수요일에 더 교통사고가 발생할까라는 추측은 해외 배송에서 수요일에 통관하기 때문에

통관일정의 이유가 제일 크지 않을까 한다.

​

​

지역구별 교통사고 사망자 현황

fig = px.bar(ich_df, x='사망자수', y='발생지시군구', orientation='h')
fig.show()
# 인천은 서구에서 가장 많은 사망 교통사고가 발생한다
# 중구는 인구가 적은데도 왜 교통사고 사망자가 2위일까?
# 남동구와 부평구는 인구가 많은데도, 서구에 비해 상대적으로 교통사고 사망자가 적은 이유

image

image

중구는 인원이 적은데 사망 교통사고 2위에 해당한다.

그 이유는 아마 중구에 인천국제공항이 있기 때문

​

​

사고유형별 교통사고 사망자 현황

fig = px.bar(ich_df, x='사망자수', y='사고유형', orientation='h')
fig.show()
# 인천은 가장 많은 사망 교통사고가 횡단중일 때 가장 많이 발생한다

​ image

​

지도를 활용하여 교통사고 현황 분석

import folium

map = folium.Map(location=[36.35041119, 127.3845475]) # 경도, 위도
​

인천광역시 사망교통사고 위치 지도 시각화

# 사망사고 위치에 CircleMarker 표출
# CircleMarker 사이즈 =  사망자수 + 경상자수
# CircleMarker 클릭하면, popup으로 사고유형 나타나도록 구현

# CircleMarker 사이즈(radius) -> 실수형 데이터만 취급
# 사망자수, 경상자수 컬럼 데이터타입 -> 실수형으로 변경
ich_df = ich_df.astype({'사망자수':'float', '경상자수':'float'})
ich_df.head()

​image

​

사망자수+경상자수에 따른 CircleMarker 지도에 표출

# 1) 지도 준비
map = folium.Map(location=[37.4562557, 126.7052062]) # 경도, 위도

# 인천국제공항 핀 추가
crd = {"lat": float(37.4692), "lng": float( 126.451)}

folium.Marker([crd['lat'], crd['lng']],
              icon = folium.Icon(color = 'blue', icon = 'plane', prefix = 'fa')).add_to(map)


# 2) CircleMarker 지도에 표출 -> for문을 이용해서 ich_df 데이터가 있을때까지 CicleMarker 지도에 add
for n in ich_df.index:
  # CircleMarker size -> cnt
  cnt = ich_df['사망자수'][n] + ich_df['경상자수'][n]

  # 위도, 경도 추출
  lat = ich_df['위도'][n]
  lng = ich_df['경도'][n]

  # CircleMarker 지도에 add
  folium.CircleMarker([lat, lng], radius=cnt*8, popup=ich_df['사고유형'][n],   # radius로 Circle이 더 크게 그려짐
                      color='#0067A3', fill_color='#0067A3').add_to(map)

map

image

​

​

인천광역시 사망교통사고 지도 시각화 저장

map.save('2021_인천교통사고현황.html')
​

​

우리조 조장 조원 모두 완벽해서 . . 발표도 잘한 것 같아 뿌듯하다!

댓글남기기

참고