These implementations are for learning purposes. They may be less efficient than the implementations in the Python standard library. Use Jupyter Notebook & PyCharm Community Edition.
: 벡터 및 행렬 계산에 편의를 제공하는 라이브러리로 pandas,matplotlib의 기본 base library
: 고유하게 정의된 자료 구조를 활용해서 빅데이터 분석 가능
: numpy와 pasndas를 통해 얻은 데이터 분석결과를 시각화 해주는 라이브러리
: matplotlib을 기반으로 하는 Python데이터 시각화 라이브러리로 매력적이고 정보를 제공하는 통계 그래픽을 그리기 위한 높은 수준의 인터페이스를 제공
-
pythonversion 3 -
pandasversion or later -
numpyversion 1.15.4 or later -
matplotlibversion 3.0.2 or later -
seabornversion 0.9.0 or later -
pandasversion 0.23.4 or later -
scikit-learn0.20.2 or later -
jupyterversion 1.0.0 or later -
statsmodelsversion 0.9.0 or later -
konlpyversion 0.5.1 or later -
JPype1version 0.7.0 or later -
pytagcloudversion 0.3.5 or later -
simplejsonversion 3.16.0 or later
conda create --name mincloud python=3 conda install pandas jupyter seaborn scikit-learn statsmodels conda info --envs Collecting package metadata: done Solving environment: done ## Package Plan ## environment location: C:\Users\mincloud\Anaconda3 added / updated specs: - jupyter - pandas - scikit-learn - seaborn - statsmodels The following packages will be downloaded: package | build ---------------------------|-------------------------------- ca-certificates-2018.03.07 | 0 155 KB certifi-2018.4.16 | py36_0 143 KB conda-4.6.14 | py36_0 2.1 MB openssl-1.0.2o | h8ea7d77_0 5.4 MB ------------------------------------------------------------ Total: 7.8 MB The following packages will be SUPERSEDED by a higher-priority channel: ca-certificates anaconda --> pkgs/main certifi anaconda --> pkgs/main conda anaconda --> pkgs/main openssl anaconda --> pkgs/main> git clone https://github.com/mincloud1501/Python.git - Install the environment for this hands-on by running:
> cd Python/ > conda activate mincloud > python -m ipykernel install --name mincloud --user > jupyter notebook --port=8888 run_and_pass = 'Shift + Enter' run_and_add_cell = 'Alt + Enter' run_and_stay = 'Ctrl + Enter' recommendations = 'Tab' docstrings = 'Shift + Tab' add_hashtag = 'Ctrl + /' add_cell = 'b' delete_cell = 'dd'
- 페이스북 (http://www.facebook.com) 가입
- 페이스북 개발자 페이지(http://developer.facebook.com) 계정 생성
- Facebook API 사용등록 및 신규 app 생성
- 대시보드에서
App ID와Secret Code확인
- 네이버 개발자 페이지(https://developers.naver.com) 에서 오픈API 이용 신청에서 검색 API 추가
- 웹 서비스 URL (http://localhost) 등록
Client ID와Client Secret확인
- deck.gl offers an extensive catalog of pre-packaged visualization "layers", including ScatterplotLayer, ArcLayer, TextLayer, GeoJsonLayer, etc.
- Uber 에서 만든 자바스크립트 공간 데이터 시각화 라이브러리며, pydeck 은 이 라이브러리를 파이썬에서도 쓸 수 있도록 만든 패키지
- 대용량 데이터도 거뜬하게 렌더링할 수 있으며, 렌더링이 좀 버거울 수도 있는 일부 레이어는 GPU 연산을 제공한다.
$npm install deck.gl- 다른 채널에서 다른 geo package를 설치하면 종속성 충돌이 발생할 수 있으므로, 새로운 환경에서 geopandas 설치 권고
$conda create -n geo_env $conda activate geo_env $conda config --env --add channels conda-forge $conda config --env --set channel_priority strict $conda install python=3 geopandas- Pydeck library is a set of Python bindings for making spatial visualizations with deck.gl, optimized for a Jupyter Notebook environment.
$pip install pydeck- Jupyter notebook server에 설치하면, widget extension을 사용할 수 있다.
$jupyter nbextension install --sys-prefix --symlink --overwrite --py pydeck $jupyter nbextension enable --sys-prefix --py pydeck- 레이어를 지도 위에 올릴 때, 항상 이 클래스를 통해서 만든다.
pdk.Layer type = "미리 정의된 레이어 타입", id = "이 레이어의 아이디 (optional)", data = "pandas.DataFrame 또는 geojson url", )- folium이나 mapboxgl에서도 흔히 볼 수 있는 파라미터들로 렌더링 시, 초기화 뷰에 대한 설정이다.
pdk.ViewState( longitude = "중심 경도 (default 0)", latitude = "중심 위도 (default 0)", zoom = "줌 레벨 (default 0)", pitch = (default 0), bearing = (default 0), **kwargs, )- 생성된 Layer, View Info, Map Style 등 모든 요소를 모아 출력시킬 수 있는 클래스
- mapboxgl 과 비교되는 가장 큰 장점으로 Layer를 쌓을 땐, layers 리스트에 추가하면 된다.
pdk.Deck( layers=[], views=[{"controller": true, "type": "MapView"}], map_style='mapbox://styles/mapbox/dark-v9', mapbox_key=None, initial_view_state={"bearing": 0, "latitude": 0.0, "longitude": 0.0, "maxZoom": 20, "minZoom": 0, "pitch": 0, "zoom": 1}, width='100%', height=500, tooltip=True, )에 계정 생성
- Access Token Copy
- Mapbox basemaps 사용을 위한 환경변수 설정
MAPBOX_API_KEY=<mapbox-key-here>
import pydeck as pdk # 2014 locations of car accidents in the UK UK_ACCIDENTS_DATA = ('https://raw.githubusercontent.com/uber-common/' 'deck.gl-data/master/examples/3d-heatmap/heatmap-data.csv') # Define a layer to display on a map layer = pdk.Layer( 'HexagonLayer', UK_ACCIDENTS_DATA, get_position='[lng, lat]', auto_highlight=True, elevation_scale=50, pickable=True, elevation_range=[0, 3000], extruded=True, coverage=1) # Set the viewport location view_state = pdk.ViewState( longitude=-1.415, latitude=52.2323, zoom=6, min_zoom=5, max_zoom=15, pitch=40.5, bearing=-27.36) # Render r = pdk.Deck(layers=[layer], initial_view_state=view_state) r.to_html('demo.html') # Jupyter 환경 밖에서 실행 시 r.to_html('demo.html', notebook_display=False)- pydeck은
shapely.geometry.multipolygon형태를 읽지 못하므로 항상 geometry에 연속된 포인트들을 갖는 리스트 값이 있어야 한다.
def multipolygon_to_coordinates(x): lon, lat = x[0].exterior.xy return [[x, y] for x, y in zip(lon, lat)] df['coordinates'] = df['geometry'].apply(multipolygon_to_coordinates) del df['geometry']- pydeck 을 이용하여 각 데이터를 Choropleth로 시각화 할 수 있다. pydeck에서는 Choropleth로 부르지 않고 PolygonLayer라고 한다. (sample_older_seoul.ipynb)
// Make layer layer = pdk.Layer( 'PolygonLayer', // 사용할 Layer 타입 df, // 시각화에 쓰일 데이터프레임 get_polygon='coordinates', // geometry 정보를 담고있는 컬럼 이름 get_fill_color='[0, 255*정규화인구, 0]', // 각 데이터 별 rgb 또는 rgba 값 (0~255) pickable=True, // 지도와 interactive 한 동작 on auto_highlight=True // 마우스 오버(hover) 시 박스 출력 ) // Set the viewport location center = [126.986, 37.565] view_state = pdk.ViewState( longitude=center[0], latitude=center[1], zoom=10 ) // Render r = pdk.Deck(layers=[layer], initial_view_state=view_state) r.show()- HeatmapLayer를 이용하여 Point들의 밀집도를 한 눈에 파악 가능하다. (sample_toilet_seoul.ipynb)
layer = pdk.Layer( 'HeatmapLayer', df, get_position='[lng, lat]' ) center = [126.986, 37.565] view_state = pdk.ViewState( longitude=center[0], latitude=center[1], zoom=10 ) r = pdk.Deck(layers=[layer], initial_view_state=view_state) r.show()See the Category.