데이터 사이언스 분석 보고 #6 버블차트, 워드 클라우드

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib as mpl

mpl.rcParams['font.family'] = 'Malgun Gothic'

mpl.rcParams['axes.unicode_minus'] = False

# 데이터를 뽑아 데이터 프레임을 만드는 코드가 잘 작동이 안되서 급하게 수기로 데이터 프레임 작동

df = pd.DataFrame({

    '범죄중분류': ['살인기수', '강도', '강간', '강제추행', '절도범죄', '폭행', '손괴', '사기', '성풍속범죄', '도박범죄', '마약범죄'],

    '아파트': [66, 40, 680, 847, 14565, 18074, 7403, 15989, 3302, 489, 935],

    '일반도로': [4, 18, 20, 304, 6036, 9345, 4823, 4296, 288, 4, 262],

    '백화점': [0, 3, 2, 34, 2486, 126, 39, 236, 35, 0, 4],

    '편의점': [0, 35, 5, 301, 8029, 1297, 356, 1646, 132, 2, 183],

    '무인상점': [0, 3, 0, 20, 10847, 40, 400, 300, 22, 1, 0],

    '음식점': [2, 7, 24, 1063, 5418, 5204, 1241, 9794, 107, 145, 47],

    '기차역': [0, 0, 0, 6, 144, 48, 12, 99, 6, 0, 12],

    '학교': [0, 2, 22, 394, 1541, 952, 154, 484, 299, 0, 7],

    '도서관': [0, 0, 1, 14, 255, 58, 19, 26, 41, 0, 0],

    '의료기관': [8, 1, 15, 317, 1257, 1157, 154, 1237, 48, 6, 461],

    '종교시설': [1, 1, 8, 30, 549, 185, 140, 195, 5, 1, 9]

})

melted_df = df.melt(id_vars=['범죄중분류'], var_name='장소', value_name='발생빈도')

melted_df['버블 크기'] = melted_df['발생빈도'] * 3  # 버블 크기 조정

# 버블차트

plt.figure(figsize=(12, 8))

scatter = plt.scatter(melted_df['장소'], melted_df['범죄중분류'], s=melted_df['버블 크기'],

                      alpha=0.6, c=melted_df['버블 크기'], cmap='viridis')

plt.title("범죄 유형별 장소와 발생 빈도 (버블 차트)")

plt.xlabel("장소")

plt.ylabel("범죄 유형")

plt.xticks(rotation=45)

plt.colorbar(scatter, label='발생 빈도')

# 행열이 많아 격자 추가

plt.grid(True, which='both', axis='both', color='gray', linestyle='--', linewidth=0.5)

plt.show()

이거도 오류 발생했는데 시간이 없어 데이터 수기 작성 후에 수정 해야됨.

 

 

유형과 장소와 빈도의 버블차트

마약범죄는 아파트와 의료기관에서 가장 많이 일어난다.

-> 아파트와 의료기관에서의 마약단절 포스터를 붙이거나 관련기관 소개

 

폭행은 일반도로, 음식점 편의점 순으로 가장 많이 일어난다.

-> 일반도로와 음식점 곳곳에 무인 카메라 강화, 구간별 경고문 게시

 

손괴는 아파트에서 가장 많이 일어난다.

->아파트 곳곳에 무인카메라 설치, 경비업체 경비강화 내용을 전단지로 게시

 

절도는 무인상점, 편의점, 일반도로에서 많이 일어난다.

-> 무인카메라 강화, 결제를 해야 물건을 꺼내거나 나갈수 있는

무인 결제, 무인 통제 시스템 유치, 도로별 교통경찰 배치 강화

 

전체적으로 아파트에서 범죄가 많이 일어난다.

-> 경비원의 순찰 강화, 무인카메라 강화 내용을 지속적으로 알림.

 

사기가 범죄중 비율이 다른 장소에서는 큰 반면

학교, 도서관, 종교시설에는 그 비율이 적다.

-> 학교, 도서관, 종교시설 보다는 다른 곳에 범죄예방예산을 편성

 

 

 

 

 

import pandas as pd

import matplotlib.pyplot as plt

from wordcloud import WordCloud

import numpy as np

import konlpy

import re

import matplotlib

# 오류가 생겨 TkAgg사용go, 코드 실행 중에 GUI 창을 통해 그래프를 바로 보도록

matplotlib.use('TkAgg')

file_path = "C:/데사프로젝트 데이터셋/범죄 보고서 단어데이터.xlsx"

df = pd.read_excel(file_path)

reviews = df['document'].dropna()

cleaned_reviews = reviews.apply(lambda text: re.sub(r'[^\w\s]','',str(text)))

cleaned_reviews = cleaned_reviews.str.lower()

cleaned_reviews = cleaned_reviews.str.cat(sep='')

Kkma = konlpy.tag.Kkma()

nouns = cleaned_reviews.split()

# 이거 조사 제외

stopwords = ['가', '을', '를', '에', '의', '에서', '과',

             '와', '으로', '로', '이', '가', '는', '은',

             '도', '에게', '보다', '들', '라', '한', '한테',

             '께', '로서', '와서']

nouns = [word for word in nouns if len(word) > 1 and word not in ['가장', '많이'] and word not in stopwords]

from collections import Counter

word_counts = Counter(nouns)

#워드 클라우드

wc = WordCloud(random_state=123,

               font_path='c:/Windows/Fonts/malgun.ttf',

               width=800,

               height=800,

               background_color='white',

               contour_width=1,

               contour_color='black',

               max_font_size=150,    # 최대 글자 크기 조정

               min_font_size=10,     # 최소 글자 크기 조정

               max_words=200).generate_from_frequencies(word_counts)

plt.figure(figsize=(10, 10))

plt.axis('off')

plt.imshow(wc, interpolation='bilinear')

plt.show()

 

 

본 분석 보고서의 워드 클라우드

구름과 같은 다른 모양으로도 가능 이 외에 글자 크기 조절 가능