지도 시각화 도구 Folium 사용법을 파헤쳐보자!

지도위에 데이터를 interactive하게 표현해 주는 대표적인 파이썬 지도 시각화 라이브러리 folium에 대해서 알아보고 그 사용법을 파헤쳐보도록 하겠습니다.

folium 개요

folium은 leaflet.js 기반으로 만들어진 Python 지도 시각화 라이브러리 입니다.

도큐먼트

folium을 사용하여 인터랙티브한 지도를 생성하고 마커를 추가하여 시각화하거나 원으로 범위를 표기하고 html 파일로 내보내기 등을 수행할 수 있습니다.

folium 설치

pip install folium으로 라이브러리를 설치할 수 있습니다.

!pip install folium

모듈 import

import folium

기본 좌표 설정

location에 위도, 경도 정보를 입력하여 입력한 위,경도 좌표를 기준으로 지도를 그릴 수 있습니다.

이때 zoom_start 정보를 지정하여 확대의 정도를 지정할 수 있습니다.

• 참고: zoom_start의 범위는 최대 18 입니다.

# 위도
latitude = 37.394946
# 경도
longitude = 127.111104

m = folium.Map(location=[latitude, longitude],
               zoom_start=17, 
               width=750, 
               height=500
              )
m

마커 추가

• location: 마커를 추가할 위도/경도 좌표를 입력 후

• popup: 표기할 팝업 문구 지정 (마우스 클릭시 표기되는 문구)

• tooltip: 표기할 툴팁 지정 (마우스 오버시 표기되는 문구)

마커를 생성 후 기존에 생성된 지도 m에 추가합니다.

folium.Marker([latitude, longitude],
              popup="판교역",
              tooltip="판교역 입구").add_to(m)
m

마커에 대한 스타일 변경도 가능합니다. 스타일 변경시 icon 파라미터에 folium.Icon(color=?, icon=?)을 지정합니다.

folium.Marker([latitude, longitude],
              popup="판교역",
              tooltip="판교역 입구", 
              icon=folium.Icon('red', icon='star'),
             ).add_to(m)
m

popup이나 tooltip에 다음과 같이 html 코드를 삽입하여 이미지를 표기하거나 심지어 YouTube 영상도 삽입할 수 있습니다.

folium.Marker([latitude, longitude],
              popup='<iframe width="560" height="315" src="https://www.youtube.com/embed/dpwTOQri42s" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>',
              tooltip="판교역 입구").add_to(m)
m

folium.CircleMarker([latitude, longitude],
                    color='tomato',
                    radius = 50, 
                    tooltip='판교역 상권').add_to(m)
m

import pandas as pd

df = pd.read_csv('소상공인시장진흥공단_상가(상권)정보_경기_202109.csv')
df.head(3)

	상가업소번호	상호명	지점명	상권업종대분류코드	상권업종대분류명	상권업종중분류코드	상권업종중분류명	상권업종소분류코드	상권업종소분류명	표준산업분류코드	...	구우편번호	신우편번호	동정보	층정보	호정보	전화번호	경도	위도	상권번호	데이터기준일자
0	20713599	눈높이러닝센타	NaN	R	학문/교육	R13	학문교육기타	R13A01	학습지보급	P85503	...	423010.0	14221.0	NaN	NaN	2	02-2066-9109	126.858147	37.478530	NaN	2016-01-26
1	20642964	유니베라	구성대리점	D	소매	D16	화장품소매	D16A01	화장품판매점	G47813	...	446525.0	16919.0	NaN	2	NaN	031-8005-7071	127.116575	37.294690	NaN	2021-10-22
2	24510829	엠아이케이21	NaN	D	소매	D14	운동/경기용품소매	D14A01	운동/경기용품	G47631	...	463937.0	13622.0	901	NaN	90	070-8699-8912	127.123291	37.340903	NaN	2016-01-26

3 rows × 42 columns

pd.Series(df.columns)

0        상가업소번호
1           상호명
2           지점명
3     상권업종대분류코드
4      상권업종대분류명
5     상권업종중분류코드
6      상권업종중분류명
7     상권업종소분류코드
8      상권업종소분류명
9      표준산업분류코드
10      표준산업분류명
11         시도코드
12          시도명
13        시군구코드
14         시군구명
15        행정동코드
16         행정동명
17        법정동코드
18         법정동명
19        PNU코드
20       대지구분코드
21        대지구분명
22        지번본번지
23        지번부번지
24         지번주소
25        도로명코드
26          도로명
27        건물본번지
28        건물부번지
29       건물관리번호
30          건물명
31        도로명주소
32        구우편번호
33        신우편번호
34          동정보
35          층정보
36          호정보
37         전화번호
38           경도
39           위도
40         상권번호
41      데이터기준일자
dtype: object

sub_df = df.loc[df['행정동명'].isin(['백현동', '정자동', '삼평동'])]
sub_df.head(3)

	상가업소번호	상호명	지점명	상권업종대분류코드	상권업종대분류명	상권업종중분류코드	상권업종중분류명	상권업종소분류코드	상권업종소분류명	표준산업분류코드	...	구우편번호	신우편번호	동정보	층정보	호정보	전화번호	경도	위도	상권번호	데이터기준일자
35	24527550	코리아세븐분당	정자3호점	D	소매	D03	종합소매점	D03A01	편의점	G47122	...	463834.0	13612.0	NaN	1	NaN	031-718-9733	127.113508	37.362807	NaN	2016-01-27
102	28523933	처가방	NaN	Q	음식	Q10	별식/퓨전요리	Q10A02	샤브샤브전문	I56111	...	463420.0	13529.0	NaN	NaN	NaN	031-5170-1908	127.112071	37.392785	NaN	2016-11-17
244	20786763	백현	NaN	L	부동산	L01	부동산중개	L01A01	부동산중개	L68221	...	463887.0	13532.0	NaN	1	1	031-8016-8100	127.110756	37.389333	NaN	2017-10-02

3 rows × 42 columns

sub_df[['위도', '경도', '상호명']]

	위도	경도	상호명
35	37.362807	127.113508	코리아세븐분당
102	37.392785	127.112071	처가방
244	37.389333	127.110756	백현
284	37.401265	127.108639	야쿤커피앤토스트판교점
678	37.368770	127.112015	해동검도
...	...	...	...
514805	37.397736	127.111414	에세이스튜디오
515501	37.362357	127.113513	아몽옷고치는전문집
515824	37.384859	127.111408	티랩
516332	37.392951	127.118687	우디크리빙
516457	37.395832	127.113503	써브웨이

3322 rows × 3 columns

from folium.plugins import MarkerCluster


m = folium.Map(
    location=[latitude, longitude],
    zoom_start=15
)

coords = sub_df[['위도', '경도']]


marker_cluster = MarkerCluster().add_to(m)

for lat, long in zip(coords['위도'], coords['경도']):
    folium.Marker([lat, long], icon = folium.Icon(color="green")).add_to(marker_cluster)
m

서울 지도에서 행정 구역별 표시

import requests
import json

# 서울 행정구역 json raw파일(githubcontent)
r = requests.get('https://raw.githubusercontent.com/southkorea/seoul-maps/master/kostat/2013/json/seoul_municipalities_geo_simple.json')
c = r.content
seoul_geo = json.loads(c)

서울 지역의 구별 boundary 시각화

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=11, 
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

m

tiles 옵션 변경을 통해 지도의 테마 변경

지도의 기본 테마(tiles)는 OpenStreetMap으로 설정되어 있는데, 이를 변경하여 다른 지도 테마를 적용할 수 있다.

Stamen Toner 적용시

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=11, 
    tiles='Stamen Toner'
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

m

cartodbpositron 적용시

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=11, 
    tiles='cartodbpositron'
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

m

서울시 자치구별 상권정보 시각화

• 소상공인시장진흥공단 상권 정보 데이터셋 다운로드

seoul 데이터프레임에 소상공인시장진흥공단에서 제공하는 서울시 상권정보 csv 파일을 로드합니다.

seoul = pd.read_csv('소상공인시장진흥공단_상가(상권)정보_서울_202109.csv')

# 필요한 컬럼 정보만 가져옵니다
seoul = seoul[['시군구명', '상권업종대분류명', '상권업종중분류명', '위도', '경도']]
seoul

	시군구명	상권업종대분류명	상권업종중분류명	위도	경도
0	송파구	소매	의복의류	37.493054	127.147321
1	영등포구	소매	건강/미용식품	37.520613	126.907168
2	성동구	소매	취미/오락관련소매	37.566857	127.049018
3	동작구	음식	한식	37.487105	126.980952
4	종로구	음식	한식	37.572387	126.981794
...	...	...	...	...	...
325875	마포구	부동산	부동산중개	37.557971	126.907290
325876	은평구	소매	시계/귀금속소매	37.604195	126.936049
325877	은평구	소매	애견/애완/동물	37.596790	126.905613
325878	광진구	음식	커피점/카페	37.556004	127.085023
325879	강북구	생활서비스	이/미용/건강	37.629348	127.017622

325880 rows × 5 columns

시각화 모듈을 import 하고 서울시의 업종별 개수를 시각화합니다.

import matplotlib.pyplot as plt
import seaborn as sns

# 한글 폰트 설정
plt.rcParams['font.family'] = 'NanumGothic'

plt.figure(figsize=(12, 30))
sns.countplot(y=seoul['상권업종중분류명'], order=seoul['상권업종중분류명'].value_counts().index)
plt.yticks(fontsize=12)
plt.title('서울시 업종별 개수')
plt.show()

한식 업종이 가장 많은 개수를 차지합니다. 커피점/카페 업종이 가장 많은 업종일 줄 알았는데요. 한식, 이미용/건강, 종합소매업 다음 4위를 차지하였습니다.

그럼 커피점/카페 업종은 자치구별로 어느 곳에 가장 많이 분포해 있는지 시각화해 보겠습니다.

plt.figure(figsize=(12, 10))
seoul.loc[seoul['상권업종중분류명'] == '커피점/카페'].groupby('시군구명')['상권업종대분류명'].count()\
                                                     .sort_values().plot(kind='barh', color='royalblue')
plt.yticks(fontsize=12)
plt.title('서울시 자치구별 커피점/카페 업종수')
plt.show()

강남구가 가장 많은 수를 차지하고 강북구는 가장 적은 수를 차지하였습니다.

이제 이를 folium 위에 시각화를 해보겠습니다.

seoul_coffee = seoul.loc[seoul['상권업종중분류명'] == '커피점/카페']
seoul_coffee

	시군구명	상권업종대분류명	상권업종중분류명	위도	경도
29	종로구	음식	커피점/카페	37.583149	127.000171
109	도봉구	음식	커피점/카페	37.658728	127.034746
190	마포구	음식	커피점/카페	37.554599	126.929692
200	강서구	음식	커피점/카페	37.580941	126.813358
206	양천구	음식	커피점/카페	37.522055	126.842935
...	...	...	...	...	...
325715	서대문구	음식	커피점/카페	37.557293	126.950705
325754	금천구	음식	커피점/카페	37.468602	126.902047
325788	마포구	음식	커피점/카페	37.540241	126.948240
325791	강서구	음식	커피점/카페	37.532109	126.839080
325878	광진구	음식	커피점/카페	37.556004	127.085023

19703 rows × 5 columns

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=12, 
    tiles='cartodbpositron'
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

marker_cluster = MarkerCluster().add_to(m)

for lat, long in zip(seoul_coffee['위도'], seoul_coffee['경도']):
    folium.Marker([lat, long], icon = folium.Icon(color="green")).add_to(marker_cluster)

m

seoul_group_data = seoul.loc[seoul['상권업종중분류명'] == '커피점/카페'].groupby('시군구명')['상권업종중분류명'].count()
seoul_group_data

시군구명
강남구     2253
강동구      763
강북구      330
강서구     1048
관악구      593
광진구      771
구로구      596
금천구      444
노원구      534
도봉구      373
동대문구     499
동작구      526
마포구     1427
서대문구     704
서초구     1277
성동구      640
성북구      668
송파구     1125
양천구      543
영등포구     859
용산구      730
은평구      575
종로구     1082
중구       895
중랑구      448
Name: 상권업종중분류명, dtype: int64

choropleth 를 사용하여 시각화를 하면 업종 별 개수에 따른 색상의 차이를 두어 시각화를 해줍니다.

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=11, 
    tiles='cartodbpositron'
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

m.choropleth(geo_data=seoul_geo,
             data=seoul_group_data, 
             fill_color='YlOrRd', # 색상 변경도 가능하다
             fill_opacity=0.5,
             line_opacity=0.2,
             key_on='properties.name',
             legend_name="지역구별 커피 업종 수"
            )
m

bins를 만들어 1/4, 2/4, 3/4분위수별로 구간을 나누어 시각화할 수 있습니다.

bins = list(seoul_group_data.quantile([0, 0.25, 0.5, 0.75, 1]))

m = folium.Map(
    location=[37.559819, 126.963895],
    zoom_start=11, 
    tiles='cartodbpositron'
)

folium.GeoJson(
    seoul_geo,
    name='지역구'
).add_to(m)

m.choropleth(geo_data=seoul_geo,
             data=seoul_group_data, 
             fill_color='YlOrRd', # 색상 변경도 가능하다
             fill_opacity=0.5,
             line_opacity=0.2,
             key_on='properties.name',
             legend_name="지역구별 커피 업종 수", 
             bins=bins
            )
m

Html 파일로 저장

저장은 save() 함수로 쉽게 html 파일로 저장할 수 있습니다.

m.save('map.html')

참고 (References)

• Folium 0.12.1 documentation

• folium을 이용하여 서울시 동별 인구 수 시각화하기

• 지도 핸들링_folium