(Python) 따릉이 API를 이용한 프로젝트

1. API(Application Programming Interface)

• 여러 프로그램들과 데이터베이스, 여러 기능들의 상호 통신 방법을 정하고 도와주는 매개체

2. 따릉이 API 접속하기

import requests                             # fetch랑 비슷
import folium
import json                                 # json 다루는 모듈
from pandas.io.json import json_normalize   # json을 데이터프레임으로 변환
import warnings
warnings.filterwarnings('ignore')           # warning 문구 필터링

targetSite = 'https://www.bikeseoul.com/app/station/getStationRealtimeStatus.do'
request = requests.post(targetSite, data={'stationGrpSeq':'ALL'})
print(request)  # <Response [200]>
print(type(request))

<Response [200]>
<class 'requests.models.Response'>

3. 따릉이 데이터 분석하기

# json.loads(): json타입의 문자열 데이터를 파이썬에서 처리할 수 있도록 변환(딕셔너리)
bike_json = json.loads(request.text)
print(type(bike_json))

<class 'dict'>

 

In [ ]:

# json_normalize(): 딕셔너리 타입의 데이터를 판다스 데이터프레임으로 변환
bike_df = json_normalize(bike_json, 'realtimeList')
bike_df

 

Out[ ]:

	stationImgFileName	stationId	stationName	stationLongitude	stationLatitude	rackTotCnt	parkingBikeTotCnt	parkingQRBikeCnt	parkingELECBikeCnt	stationSeCd	mode
0		ST-4	102. 망원역 1번출구 앞	126.91062927	37.55564880	15	0	18	6	RAK_002	None
1		ST-5	103. 망원역 2번출구 앞	126.91083527	37.55495071	14	0	5	11	RAK_002	None
2		ST-6	104. 합정역 1번출구 앞	126.91498566	37.55062866	13	0	14	0	RAK_002	None
3		ST-7	105. 합정역 5번출구 앞	126.91482544	37.55000687	5	0	1	0	RAK_002	None
4		ST-8	106. 합정역 7번출구 앞	126.91282654	37.54864502	12	0	10	0	RAK_002	None
...	...	...	...	...	...	...	...	...	...	...	...
2709		ST-3204	5865.더리브오피스텔 앞	126.91259766	37.51791763	10	0	0	0	RAK_002	None
2710		ST-3212	5866.포레나 당산	126.89550781	37.52195358	8	0	3	0	RAK_002	None
2711		ST-3235	5867. H타워 앞	126.91245270	37.52024078	10	0	0	1	RAK_002	None
2712		ST-3161	6053. 중부세무서 앞	126.99066162	37.56092453	5	0	2	0	RAK_002	None
2713		ST-3210	6054.청구e편한세상아파트 113동 앞	127.01821136	37.56104279	5	0	1	0	RAK_002	None

2714 rows × 11 columns

 

In [ ]:

bike_df.columns

 

Out[ ]:

Index(['stationImgFileName', 'stationId', 'stationName', 'stationLongitude',
       'stationLatitude', 'rackTotCnt', 'parkingBikeTotCnt',
       'parkingQRBikeCnt', 'parkingELECBikeCnt', 'stationSeCd', 'mode'],
      dtype='object')

 

 

• stationImgFileName: 대여소 사진
• stationId: 고유한 대여소 번호
• stationName: 대여소 이름
• stationLongitude: 대여소 경도
• stationLatitude: 대여소 위도
• rackTotCnt: 주차 가능한 전체 자전거 대수
• parkingBikeTotCnt: 주차된 따릉이 총 대수
• parkingQRBikeCnt: 주차된 따릉이 QR형 총 대수
• parkingELECBikeCnt: 주차된 새싹 따릉이 총 대수

 

In [ ]:

bike_df_map = bike_df[['stationName', 'stationLongitude', 'stationLatitude', 'rackTotCnt',
                       'parkingBikeTotCnt', 'parkingQRBikeCnt', 'parkingELECBikeCnt']]
bike_df_map

 

Out[ ]:

	stationName	stationLongitude	stationLatitude	rackTotCnt	parkingBikeTotCnt	parkingQRBikeCnt	parkingELECBikeCnt
0	102. 망원역 1번출구 앞	126.91062927	37.55564880	15	0	18	6
1	103. 망원역 2번출구 앞	126.91083527	37.55495071	14	0	5	11
2	104. 합정역 1번출구 앞	126.91498566	37.55062866	13	0	14	0
3	105. 합정역 5번출구 앞	126.91482544	37.55000687	5	0	1	0
4	106. 합정역 7번출구 앞	126.91282654	37.54864502	12	0	10	0
...	...	...	...	...	...	...	...
2709	5865.더리브오피스텔 앞	126.91259766	37.51791763	10	0	0	0
2710	5866.포레나 당산	126.89550781	37.52195358	8	0	3	0
2711	5867. H타워 앞	126.91245270	37.52024078	10	0	0	1
2712	6053. 중부세무서 앞	126.99066162	37.56092453	5	0	2	0
2713	6054.청구e편한세상아파트 113동 앞	127.01821136	37.56104279	5	0	1	0

2714 rows × 7 columns

 

In [ ]:

bike_df_map.dtypes

 

Out[ ]:

stationName           object
stationLongitude      object
stationLatitude       object
rackTotCnt            object
parkingBikeTotCnt     object
parkingQRBikeCnt      object
parkingELECBikeCnt    object
dtype: object

 

In [ ]:

# 위도, 경도 -> float로 변환
# bike_df_map = bike_df_map.astype({'stationLongitude':'float', 'stationLatitude':'float'})
bike_df_map['stationLongitude'] = bike_df_map['stationLongitude'].astype(float)
bike_df_map['stationLatitude'] = bike_df_map['stationLatitude'].astype(float)

# 전체 자전거 대수, 주차된 자전거 총 대수, 주차된 QR 자전거 총 대수, 주차된 새싹 자전거 총 대수 -> int
# bike_df_map = bike_df_map.astype({'rackTotCnt':'int', 'parkingBikeTotCnt':'int', 'parkingQRBikeCnt':'int', 'parkingELECBikeCnt':'int'})
bike_df_map['rackTotCnt'] = bike_df_map['rackTotCnt'].astype(int)
bike_df_map['parkingBikeTotCnt'] = bike_df_map['parkingBikeTotCnt'].astype(int)
bike_df_map['parkingQRBikeCnt'] = bike_df_map['parkingQRBikeCnt'].astype(int)
bike_df_map['parkingELECBikeCnt'] = bike_df_map['parkingELECBikeCnt'].astype(int)

# total 파생변수 추가 -> 주차된 자전거 총 대수 + 주차된 QR 자전거 총 대수 + 주차된 새싹 자전거 총 대수
bike_df_map['total'] = bike_df_map['parkingBikeTotCnt'] + bike_df_map['parkingQRBikeCnt'] + bike_df_map['parkingELECBikeCnt']

 

In [ ]:

bike_df_map.dtypes

 

Out[ ]:

stationName            object
stationLongitude      float64
stationLatitude       float64
rackTotCnt              int64
parkingBikeTotCnt       int64
parkingQRBikeCnt        int64
parkingELECBikeCnt      int64
total                   int64
dtype: object

 

In [ ]:

bike_df_map.head()

 

Out[ ]:

	stationName	stationLongitude	stationLatitude	rackTotCnt	parkingBikeTotCnt	parkingQRBikeCnt	parkingELECBikeCnt	total
0	102. 망원역 1번출구 앞	126.910629	37.555649	15	0	18	6	24
1	103. 망원역 2번출구 앞	126.910835	37.554951	14	0	5	11	16
2	104. 합정역 1번출구 앞	126.914986	37.550629	13	0	14	0	14
3	105. 합정역 5번출구 앞	126.914825	37.550007	5	0	1	0	1
4	106. 합정역 7번출구 앞	126.912827	37.548645	12	0	10	0	10

 

In [ ]:

bike_df_map.shape

 

Out[ ]:

(2714, 8)

 

In [ ]:

# 따릉이 모든 데이터를 지도에 표시하기
# 팝업 -> 대여소이름, 이름:X대, QR:X대, 새싹:X대, 총:X대

map = folium.Map(location=[bike_df_map['stationLatitude'].mean(), bike_df_map['stationLongitude'].mean()], zoom_start=12)
for index, row in bike_df_map.iterrows():
    popup = folium.Popup(f"{row['stationName']}, 일반: {row['parkingBikeTotCnt']}대, QR:{row['parkingQRBikeCnt']}대, 새싹:{row['parkingELECBikeCnt']}대, 총:{row['total']}대", max_width=200)
    folium.Marker(location=[row['stationLatitude'], row['stationLongitude']], popup=popup).add_to(map)
map

 

Out[ ]:

 

In [ ]:

# 따릉이 모든 데이터를 지도에 표시하기
# 팝업 -> 대여소이름 일반:X대, QR:X대, 새싹:X대, 총:X대
bike_map = folium.Map(location=[bike_df_map['stationLatitude'].mean(), bike_df_map['stationLongitude'].mean()], zoom_start=12)
for index, data in bike_df_map.iterrows():
    string = '{} 일반:{}대, QR:{}대, 새싹:{}대, 총:{}대'.format(data['stationName'], data['parkingBikeTotCnt'],
                                                       data['parkingQRBikeCnt'], data['parkingELECBikeCnt'], data['total'])
    popup = folium.Popup(string, max_width=600)
    folium.Marker(location=[data['stationLatitude'], data['stationLongitude']], popup=popup).add_to(bike_map)
bike_map

Out[ ]: