2024-06-03 8. 떡볶이 프렌차이즈의 입점전략

import pandas as pd

df = pd.read_csv('/content/drive/MyDrive/KDT/5. 데이터 분석/데이터/소상공인시장진흥공단_상가(상권)정보_서울_202303.csv')

df

df.info()

shop = ['엽기떡볶이', '죠스떡볶이', '신전떡볶이', '청년다방', '감탄떡볶이']

# 파리바게트(파리바게뜨) 데이터 필더링

# contains(): 특정 문자열 포함 여부에 따라 True, False를 반환

data = df['상호명'].str.contains('파리바게트|파리바게뜨')

df_paris = df.loc[data, ['상가업소번호', '상호명', '경도', '위도']].copy()

df_paris

df_paris = df_paris.set_axis(['업소번호','업소상호명','업소경도','업소위도'],axis=1).reset_index(drop=True)

df_paris

# 떡볶이 프랜차이즈 데이터 필터링

df_shop = df.copy()

# 상가업소번호, 상호명, 시군구명, 경도, 위도

# extract() : 특정문자열을 포함하고 있으면 그 문자열을 반환하고, 포함하지 않으면 NaN을 반환

# df_shop['상호명'] = df_shop['상호명'].str.extract('({})'.format('|'.json(shop)))

df_shop['상호명'].str.extract('({})'.format('|'.join(shop)))

# 떡볶이 프랜차이즈 데이터 필터링

df_shop = df.copy()

# 상가업소번호, 상호명, 시군구명, 경도, 위도

# extract(): 특정 문자열을 포함하고 있으면 그 문자열을 반환하고, 포함하지 않으면 NaN 반환

# '엽기떡볶이|죠스떡볶이|신전떡볶이|청년다방|감탄떡볶이'

df_shop['상호명'] = df_shop['상호명'] = df_shop['상호명'].str.extract('({})'.format('|'.join(shop)))[0]

df_shop  # 떢복이 남겨지고 나머지 NaN

df_shop = df_shop.dropna(subset=['상호명']).iloc[:, [0, 1, 14, 37, 38]].reset_index(drop=True)

df_shop

# 곱집합

df1 = pd.DataFrame(['A', 'B'])

df2 = pd.DataFrame(['가', '나', '다'])

df1.merge(df2, how='cross')

# 하버사인 공식

# 두 지점의 위도와 경도를 입력하면 거리를 구해주는 모듈

!pip install haversine

from haversine import haversine

seoul = [37.541, 126.986]

paris = [48.8567, 2.3508]

print(haversine(seoul, paris, unit='km'))

print(haversine(seoul, paris, unit='m'))   # 1000차이

df_shop.shape

df_paris.shape

df_cross = df_shop.merge(df_paris, how='cross')

df_cross

df_cross['거리'] = df_cross.apply(lambda x: haversine([x['위도'], x['경도']], [x['업소위도'], x['업소경도']], unit='m'), axis=1)

df_cross

# 개별 떡볶이 매장과 파리바게트와의 최소 거리

df_dis = df_cross.groupby(['상가업소번호', '상호명'])['거리'].min().reset_index()

df_dis  

# 각 프렌차이즈 별 파리바게트와릐 평균 거리

df_dis.groupby('상호명')['거리'].mean()

# agg(): 다중집계작업을 간단하게 해주는 함수

df_dis.groupby(['상호명'])['거리'].agg(['mean', 'count'])

 

# 거리를 입력하면 프랜차이즈 별 파리바게트와의 평균거리와 매장개수를 출력하는 함수

def distance(x):

    dis = df_dis['거리'] <= x

    return df_dis[dis].groupby(['상호명'])['거리'].agg(['mean', 'count'])

distance(50)

 

 

!pip install pandasecharts

df_100 = distance(100).reset_index()

df_100

 

import IPython

from pandasecharts import echart

df_100.echart.pie(x='상호명',y='count',figsize=(600,400),

                  radius=['20%','60%'],label_opts={'position':'outer'},

                  title='떡볶이 프랜차이즈의 입점전략은 과연 파리바게트 옆인가?',

                  legend_opts={'pos_right':'0%','orient':'vertical'},

                  subtitle='100m 이내 매장수').render()

IPython.display.HTML(filename='render.html')

 

 

from pyecharts.charts import Timeline, Grid

tl = Timeline({'width': '600px', 'height': '400px'})

pie1 =df_100.echart.pie(x='상호명', y='count', figsize=(600, 400),

                  radius=['20%', '60%'], label_opts={'position':'outer'},

                  title='떡볶이 프렌차이즈의 입점전략은 과연 파리바게트 옆인가?',

                  legend_opts={'pos_right':'0%', 'orient':'vertical'},

                  subtitle='100m 이내 매장수')

tl.add(pie1, '100m').render()

IPython.display.HTML(filename='render.html')

 

 

tl = Timeline({'width':'600px', 'height':'400px'})

for i in [1000, 100, 50, 30]:

    df_d = distance(i).reset_index()

    pie1 = df_d.echart.pie(x='상호명', y='count', figsize=(600, 400),

                    radius=['20%', '60%'], label_opts={'position':'outer'},

                    title='떡볶이 프렌차이즈의 입점전략은 과연 파리바케트 옆인가?',

                    legend_opts={'pos_right':'0%', 'orient':'vertical'},

                    subtitle='{}m 이내 매장수'.format(i))

    tl.add(pie1, '{}m'.format(i)).render()

IPython.display.HTML(filename='render.html')