Python (9) - Pandas 공공데이터 분석

---

공공데이터 분석

들어가며

• 공공데이터를 분석
• 공공데이터포털(data.go.kr)에 다양한 데이터가 공개되어 있다.
• 그 중에 카페(라는 업종분류)들에 대해서 현황을 조사한다.

명세사항

1. 전국 카페 데이터를 모두 수집해야한다.
2. 지역별 or 브랜드별 점포 현황을 확인한다.
3. 분석 결과를 시각화한다.

공공데이터포털: 소상공인시장진흥공단_상가(상권)정보_20220930

In [1]:

import pandas as pd
import numpy as np

데이터 불러오기

In [2]:

temp = pd.read_csv("data\datapotal\소상공인시장진흥공단_상가(상권)정보_인천_202209.csv", 
                    encoding='utf-8')
temp

Out [2]:

	상가업소번호	상호명	지점명	상권업종대분류코드	상권업종대분류명	상권업종중분류코드	상권업종중분류명	상권업종소분류코드	상권업종소분류명	표준산업분류코드	...	건물관리번호	건물명	도로명주소	구우편번호	신우편번호	동정보	층정보	호정보	경도	위도
0	27458653	칼스배드영수학원	NaN	R	학문/교육	R01	학원-보습교습입시	R01A01	학원-입시	P85501	...	2824510500100430000000001	라임빌	인천광역시 계양구 임학서로41번길 5, (임학동, 라임빌)	407814.0	21030	NaN	NaN	NaN	126.731284	37.546507
1	22882934	간석미용실	NaN	F	생활서비스	F01	이/미용/건강	F01A01	여성미용실	S96112	...	2820010200101900026021270	NaN	인천광역시 남동구 석촌로14번길 5, (간석동)	405803.0	21545	NaN	NaN	NaN	126.709349	37.461969
2	24444979	라헬	NaN	D	소매	D05	의복의류	D05A01	일반의류	G47416	...	2818510500109230000007532	금호동아아파트	인천광역시 연수구 청능대로 124, (동춘동)	406775.0	21967	NaN	NaN	NaN	126.677224	37.410678
3	24872335	교동상회	NaN	D	소매	D06	가방/신발/액세서리	D06A07	양품점	G47419	...	2871040023105550000046629	NaN	인천광역시 강화군 교동면 교동남로423번길 20, (상용리)	417921.0	23001	NaN	NaN	NaN	126.316681	37.779079
4	23397108	호텔써클	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	2817010200106280011000001	화이트캐슬	인천광역시 미추홀구 토금중로3번길 28, (용현동)	402834.0	22186	NaN	NaN	NaN	126.635196	37.455288
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
120909	18766857	쌍용플레이방	NaN	N	관광/여가/오락	N01	PC/오락/당구/볼링등	N01A04	오락용사격장	R91229	...	2824510600102130002018103	초정마을두산쌍용아파트	인천광역시 계양구 계양문화로 142, (용종동)	407054.0	21064	NaN	1	NaN	126.740974	37.540258
120910	18758691	컴포즈커피	주안센트레빌점	Q	음식	Q12	커피점/카페	Q12A01	커피전문점/카페/다방	I56220	...	2817710500100180071000001	NaN	인천광역시 미추홀구 석정로433번길 31, (주안동)	402836.0	22124	NaN	NaN	NaN	126.684375	37.468028
120911	18772273	교동카센터	NaN	F	생활서비스	F14	자동차/이륜차	F14A01	자동차정비/카센타	NaN	...	2871040021104420006000001	NaN	인천광역시 강화군 교동면 교동서로 9-31, (대룡리)	417922.0	23002	NaN	NaN	NaN	126.278870	37.779109
120912	18774152	다하	NaN	D	소매	D05	의복의류	D05A02	캐쥬얼/스포츠의류	G47416	...	2823710100101190015103641	그랜드캐슬	인천광역시 부평구 부흥북로96번길 20-4, (부평동, 그랜드캐슬)	403817.0	21353	1	8	NaN	126.732476	37.500144
120913	18750230	에어솔환경	경인지점	F	생활서비스	F02	세탁/가사서비스	F02A05	청소/소독	NaN	...	2826010500103090006010567	해피타운	인천광역시 서구 심곡로208번길 13, (공촌동)	404836.0	22709	가	NaN	NaN	126.683688	37.551626

120914 rows × 39 columns

In [3]:

# data 폴더에 있는 모든 csv 파일을 읽어오기 위해 glob을 사용
from glob import glob

# csv 목록 불러오기
file_names = glob("data\datapotal\*.csv")
total = pd.DataFrame()
# 모든 csv 병합하기
for file_name in file_names:
    temp = pd.read_csv(file_name, encoding='utf-8', low_memory=False)
    total = pd.concat([total, temp])

# reset index
total.reset_index(inplace=True, drop=True)
total

Out [3]:

	상가업소번호	상호명	지점명	상권업종대분류코드	상권업종대분류명	상권업종중분류코드	상권업종중분류명	상권업종소분류코드	상권업종소분류명	표준산업분류코드	...	건물관리번호	건물명	도로명주소	구우편번호	신우편번호	동정보	층정보	호정보	경도	위도
0	25033300	동그라미중고타이어	NaN	D	소매	D23	자동차/자동차용품	D23A04	타이어판매	G45211	...	4215011100110960006010791	NaN	강원도 강릉시 가작로 270, (포남동)	210954.0	25488	1	NaN	NaN	128.904472	37.770252
1	17174549	세인트존스호텔Ohcrab	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4215011300100010001017124	세인트존스호텔	강원도 강릉시 창해로 307, (강문동)	210120.0	25467	NaN	NaN	NaN	128.920908	37.791299
2	17174079	평창라마다호텔	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4276038024102450036000001	NaN	강원도 평창군 대관령면 오목길 107, (횡계리)	232954.0	25342	NaN	NaN	NaN	128.717971	37.660051
3	17173904	호텔탑스텐스카이라운지	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4215035029100920001000002	NaN	강원도 강릉시 옥계면 헌화로 455-34, (금진리)	210831.0	25633	NaN	NaN	NaN	129.052902	37.654680
4	24412526	레이디가구	NaN	D	소매	D15	가구소매	D15A01	일반가구소매	G47520	...	4213011500111400020035715	NaN	강원도 원주시 송삼길 156-19, (무실동)	220150.0	26385	NaN	NaN	NaN	127.917307	37.327668
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2446766	18759758	올나노	충주점	F	생활서비스	F02	세탁/가사서비스	F02A05	청소/소독	NaN	...	4377035029104150000000001	NaN	충청북도 음성군 삼성면 대덕로 138-38, (대정리)	369831.0	27648	NaN	NaN	NaN	127.518699	37.025560
2446767	18753428	스테이퓨전바	NaN	Q	음식	Q01	한식	Q01A01	한식/백반/한정식	I56111	...	4311110900102270029047521	NaN	충청북도 청주시 상당구 무심동로390번길 15, (서문동)	360130.0	28528	NaN	2	NaN	127.484757	36.634341
2446768	18769189	백마탁송대리서비스	NaN	D	소매	D02	선물/팬시/기념품	D02A02	꽃집/꽃배달	G47851	...	4311311300108780000009545	NaN	충청북도 청주시 흥덕구 풍년로198번길 56-1, (가경동)	361800.0	28389	NaN	1	NaN	127.432312	36.631408
2446769	18768587	구제언니	NaN	D	소매	D05	의복의류	D05A07	셔츠/내의/속옷	NaN	...	4311311400120810000012970	NaN	충청북도 청주시 흥덕구 풍산로118번길 27-1, (복대동)	361814.0	28605	NaN	NaN	NaN	127.443014	36.628061
2446770	18762532	엠모터스	NaN	D	소매	D23	자동차/자동차용품	D23A08	중고타이어판매	G45220	...	4375033027103230005026907	NaN	충청북도 진천군 문백면 문진로 491, (봉죽리)	365861.0	27869	NaN	NaN	NaN	127.434572	36.784046

2446771 rows × 39 columns

In [4]:

# 분석에 필요한 column을 고르기
data = total[['상호명', '지점명', '상권업종대분류명', '상권업종중분류명', '시도명', '시군구명', '행정동명']]
data

Out [4]:

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	동그라미중고타이어	NaN	소매	자동차/자동차용품	강원도	강릉시	포남1동
1	세인트존스호텔Ohcrab	NaN	숙박	호텔/콘도	강원도	강릉시	초당동
2	평창라마다호텔	NaN	숙박	호텔/콘도	강원도	평창군	대관령면
3	호텔탑스텐스카이라운지	NaN	숙박	호텔/콘도	강원도	강릉시	옥계면
4	레이디가구	NaN	소매	가구소매	강원도	원주시	무실동
...	...	...	...	...	...	...	...
2446766	올나노	충주점	생활서비스	세탁/가사서비스	충청북도	음성군	삼성면
2446767	스테이퓨전바	NaN	음식	한식	충청북도	청주시	성안동
2446768	백마탁송대리서비스	NaN	소매	선물/팬시/기념품	충청북도	청주시	가경동
2446769	구제언니	NaN	소매	의복의류	충청북도	청주시	복대2동
2446770	엠모터스	NaN	소매	자동차/자동차용품	충청북도	진천군	문백면

2446771 rows × 7 columns

In [5]:

total.info()

Out [5]:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2446771 entries, 0 to 2446770
Data columns (total 39 columns):
 #   Column     Dtype  
---  ------     -----  
 0   상가업소번호     int64  
 1   상호명        object 
 2   지점명        object 
 3   상권업종대분류코드  object 
 4   상권업종대분류명   object 
 5   상권업종중분류코드  object 
 6   상권업종중분류명   object 
 7   상권업종소분류코드  object 
 8   상권업종소분류명   object 
 9   표준산업분류코드   object 
 10  표준산업분류명    object 
 11  시도코드       int64  
 12  시도명        object 
 13  시군구코드      int64  
 14  시군구명       object 
 15  행정동코드      int64  
 16  행정동명       object 
 17  법정동코드      int64  
 18  법정동명       object 
 19  지번코드       int64  
 20  대지구분코드     int64  
 21  대지구분명      object 
 22  지번본번지      int64  
 23  지번부번지      float64
 24  지번주소       object 
 25  도로명코드      int64  
 26  도로명        object 
 27  건물본번지      int64  
 28  건물부번지      float64
 29  건물관리번호     object 
 30  건물명        object 
 31  도로명주소      object 
 32  구우편번호      float64
 33  신우편번호      int64  
 34  동정보        object 
 35  층정보        object 
 36  호정보        float64
 37  경도         float64
 38  위도         float64
dtypes: float64(6), int64(11), object(22)
memory usage: 728.0+ MB

In [6]:

data.info()

Out [6]:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2446771 entries, 0 to 2446770
Data columns (total 7 columns):
 #   Column    Dtype 
---  ------    ----- 
 0   상호명       object
 1   지점명       object
 2   상권업종대분류명  object
 3   상권업종중분류명  object
 4   시도명       object
 5   시군구명      object
 6   행정동명      object
dtypes: object(7)
memory usage: 130.7+ MB

In [7]:

# 메모리 낭비를 막기 위해 필요없는 변수는 제거
del temp

In [8]:

total.head()

Out [8]:

	상가업소번호	상호명	지점명	상권업종대분류코드	상권업종대분류명	상권업종중분류코드	상권업종중분류명	상권업종소분류코드	상권업종소분류명	표준산업분류코드	...	건물관리번호	건물명	도로명주소	구우편번호	신우편번호	동정보	층정보	호정보	경도	위도
0	25033300	동그라미중고타이어	NaN	D	소매	D23	자동차/자동차용품	D23A04	타이어판매	G45211	...	4215011100110960006010791	NaN	강원도 강릉시 가작로 270, (포남동)	210954.0	25488	1	NaN	NaN	128.904472	37.770252
1	17174549	세인트존스호텔Ohcrab	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4215011300100010001017124	세인트존스호텔	강원도 강릉시 창해로 307, (강문동)	210120.0	25467	NaN	NaN	NaN	128.920908	37.791299
2	17174079	평창라마다호텔	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4276038024102450036000001	NaN	강원도 평창군 대관령면 오목길 107, (횡계리)	232954.0	25342	NaN	NaN	NaN	128.717971	37.660051
3	17173904	호텔탑스텐스카이라운지	NaN	O	숙박	O01	호텔/콘도	O01A01	호텔/콘도	NaN	...	4215035029100920001000002	NaN	강원도 강릉시 옥계면 헌화로 455-34, (금진리)	210831.0	25633	NaN	NaN	NaN	129.052902	37.654680
4	24412526	레이디가구	NaN	D	소매	D15	가구소매	D15A01	일반가구소매	G47520	...	4213011500111400020035715	NaN	강원도 원주시 송삼길 156-19, (무실동)	220150.0	26385	NaN	NaN	NaN	127.917307	37.327668

5 rows × 39 columns

데이터 보기

전국 커피 전문점

In [9]:

#set(data["상권업종대분류명"])
set(data["상권업종중분류명"])

Out [9]:

{'PC/오락/당구/볼링등',
 '가구소매',
 '가방/신발/액세서리',
 '가전제품소매',
 '가정/주방/인테리어',
 '개인/가정용품수리',
 '개인서비스',

...

 '커피점/카페',
 '패스트푸드',
 '페인트/유리제품소매',
 '평가/개발/관리',
 '학문교육기타',
 '학원-보습교습입시',
 '학원-어학',
 '학원-예능취미체육',
 '학원-음악미술무용',
 '학원-자격/국가고시',
 '학원-창업취업취미',
 '학원-컴퓨터',
 '학원기타',
 '한식',
 '행사/이벤트',
 '호텔/콘도',
 '화장품소매'}

In [10]:

# 카페만 뽑아내기
df_coffee = data[data["상권업종중분류명"] == "커피점/카페"]
print(type(df_coffee))
print(df_coffee.index)

# index를 다시 세팅
df_coffee.index = range(len(df_coffee))
print("전국 커피 전문점 점포 수 : ", len(df_coffee))
df_coffee

Out [10]:

<class 'pandas.core.frame.DataFrame'>
Int64Index([     13,      39,      56,      83,     270,     274,     345,
                462,     544,     610,
            ...
            2446579, 2446622, 2446641, 2446653, 2446704, 2446705, 2446708,
            2446734, 2446754, 2446757],
           dtype='int64', length=114428)
전국 커피 전문점 점포 수 :  114428

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	키즈까페아이사랑	NaN	음식	커피점/카페	강원도	강릉시	성덕동
1	힐링	NaN	음식	커피점/카페	강원도	원주시	단구동
2	드롭탑	속초엑스포점	음식	커피점/카페	강원도	속초시	조양동
3	상유재카페	NaN	음식	커피점/카페	강원도	정선군	정선읍
4	수정다방	NaN	음식	커피점/카페	강원도	고성군	거진읍
...	...	...	...	...	...	...	...
114423	커피텐타	NaN	음식	커피점/카페	충청북도	제천시	청전동
114424	컴포즈커피	충주건국대점	음식	커피점/카페	충청북도	충주시	달천동
114425	에이맨	NaN	음식	커피점/카페	충청북도	청주시	복대2동
114426	달무지개	NaN	음식	커피점/카페	충청북도	청주시	오창읍
114427	홀덤킹	NaN	음식	커피점/카페	충청북도	제천시	중앙동

114428 rows × 7 columns

서울내 커피 전문점

In [11]:

set(data["시도명"])

Out [11]:

{'강원도',
 '경기도',
 '경상남도',
 '경상북도',
 '광주광역시',
 '대구광역시',
 '대전광역시',
 '부산광역시',
 '서울특별시',
 '세종특별자치시',
 '울산광역시',
 '인천광역시',
 '전라남도',
 '전라북도',
 '제주특별자치도',
 '충청남도',
 '충청북도'}

In [12]:

# 카페 중에 "서울"에 위치하고 있는 점포만 뽑아내기
df_seoul_coffee = data[(data["상권업종중분류명"] == "커피점/카페") & (data["시도명"] == "서울특별시")]
df_seoul_coffee.index = range(len(df_seoul_coffee))
print('서울시 내 커피 전문점 점포 수 :', len(df_seoul_coffee))
df_seoul_coffee

Out [12]:

서울시 내 커피 전문점 점포 수 : 20842

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	커피빈	코리아대학로대명거리점	음식	커피점/카페	서울특별시	종로구	혜화동
1	요거프레소	쌍문점	음식	커피점/카페	서울특별시	도봉구	쌍문2동
2	우성커피숍	NaN	음식	커피점/카페	서울특별시	양천구	신월4동
3	버블베어	NaN	음식	커피점/카페	서울특별시	강서구	방화3동
4	알뤼르	NaN	음식	커피점/카페	서울특별시	강남구	대치4동
...	...	...	...	...	...	...	...
20837	공유KYOUYUU	2호점	음식	커피점/카페	서울특별시	성동구	용답동
20838	운비차실	NaN	음식	커피점/카페	서울특별시	중구	회현동
20839	풀꽃	NaN	음식	커피점/카페	서울특별시	강동구	암사3동
20840	댄싱컵	가재울점	음식	커피점/카페	서울특별시	서대문구	남가좌2동
20841	플랫카페	NaN	음식	커피점/카페	서울특별시	광진구	구의1동

20842 rows × 7 columns

브랜드 커피 전문점 전국, 서울 점포 수

전국 스타벅스

In [13]:

df_coffee_star = data[data["상호명"] == "스타벅스"] # 완전히 일치하는 결과만 나옴
df_coffee_star

Out [13]:

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
8605	스타벅스	춘천명동점	음식	커피점/카페	강원도	춘천시	약사명동
10392	스타벅스	원주터미널점	음식	커피점/카페	강원도	원주시	무실동
14450	스타벅스	춘천온의점	음식	커피점/카페	강원도	춘천시	강남동
16562	스타벅스	춘천구봉산R점	음식	커피점/카페	강원도	춘천시	동면
18068	스타벅스	속초DT점	음식	커피점/카페	강원도	속초시	조양동
...	...	...	...	...	...	...	...
2420924	스타벅스	청주율량DT점	음식	커피점/카페	충청북도	청주시	율량.사천동
2425217	스타벅스	충주연수점	음식	커피점/카페	충청북도	충주시	연수동
2427947	스타벅스	NaN	음식	커피점/카페	충청북도	음성군	원남면
2435007	스타벅스	NaN	음식	커피점/카페	충청북도	제천시	청전동
2439507	스타벅스	청주복대지웰점	음식	커피점/카페	충청북도	청주시	복대1동

1209 rows × 7 columns

In [14]:

df_coffee["상호명"].str.contains("스타벅스") # 문자열을 포함하는 경우도 나옴

Out [14]:

0         False
1         False
2         False
3         False
4         False
          ...  
114423    False
114424    False
114425    False
114426    False
114427    False
Name: 상호명, Length: 114428, dtype: bool

In [15]:

# 이번엔 전국에 있는 스타벅스를 뽑아내자
df_starbucks = df_coffee[df_coffee["상호명"].str.contains("스타벅스")]
df_starbucks.index = range(len(df_starbucks))
print('전국 스타벅스 점포 수 :', len(df_starbucks))
df_starbucks

Out [15]:

전국 스타벅스 점포 수 : 1498

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	스타벅스강릉안목항점	강릉안목항점	음식	커피점/카페	강원도	강릉시	송정동
1	스타벅스춘천후평DT점	춘천후평DT점	음식	커피점/카페	강원도	춘천시	후평3동
2	스타벅스	춘천명동점	음식	커피점/카페	강원도	춘천시	약사명동
3	스타벅스설악워터피아점	설악워터피아점	음식	커피점/카페	강원도	속초시	영랑동
4	스타벅스	원주터미널점	음식	커피점/카페	강원도	원주시	무실동
...	...	...	...	...	...	...	...
1493	스타벅스	청주율량DT점	음식	커피점/카페	충청북도	청주시	율량.사천동
1494	스타벅스	충주연수점	음식	커피점/카페	충청북도	충주시	연수동
1495	스타벅스	NaN	음식	커피점/카페	충청북도	음성군	원남면
1496	스타벅스	NaN	음식	커피점/카페	충청북도	제천시	청전동
1497	스타벅스	청주복대지웰점	음식	커피점/카페	충청북도	청주시	복대1동

1498 rows × 7 columns

서울 스타벅스

In [16]:

# 이번엔 서울에 있는 스타벅스를 뽑아내자
df_seoul_starbucks = df_starbucks[df_starbucks["시도명"] == "서울특별시"]
df_seoul_starbucks.index = range(len(df_seoul_starbucks))
print('서울시 내 스타벅스 점포 수 :', len(df_seoul_starbucks))
df_seoul_starbucks.head()

Out [16]:

서울시 내 스타벅스 점포 수 : 460

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	스타벅스	동숭로아트점	음식	커피점/카페	서울특별시	종로구	이화동
1	스타벅스남부터미널2점	남부터미널2점	음식	커피점/카페	서울특별시	서초구	서초3동
2	스타벅스	현대목동점	음식	커피점/카페	서울특별시	양천구	목1동
3	스타벅스미아사거리역점	미아사거리역점	음식	커피점/카페	서울특별시	강북구	송중동
4	스타벅스	가로수길점	음식	커피점/카페	서울특별시	강남구	신사동

전국 이디야

In [17]:

# 이번엔 전국에 있는 이디야를 뽑아내자
df_ediya = df_coffee[df_coffee["상호명"].str.contains("이디야")]
df_ediya.index = range(len(df_ediya))
print('전국 이디야 점포 수 :', len(df_ediya))
df_ediya

Out [17]:

전국 이디야 점포 수 : 2157

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	이디야커피	원주반곡동점	음식	커피점/카페	강원도	원주시	반곡관설동
1	이디야커피	춘천제일점	음식	커피점/카페	강원도	춘천시	강남동
2	이디야커피	흥업점	음식	커피점/카페	강원도	원주시	흥업면
3	이디야커피	정동진역점	음식	커피점/카페	강원도	강릉시	강동면
4	이디야커피	속초동명항점	음식	커피점/카페	강원도	속초시	동명동
...	...	...	...	...	...	...	...
2152	이디야커피	사직중앙점	음식	커피점/카페	충청북도	청주시	사직2동
2153	이디야커피	증평송산점	음식	커피점/카페	충청북도	증평군	증평읍
2154	이디야커피	제천장락중앙점	음식	커피점/카페	충청북도	제천시	교동
2155	이디야커피	제천의림지DI점	음식	커피점/카페	충청북도	제천시	의림지동
2156	이디야커피	청주운동점	음식	커피점/카페	충청북도	청주시	용암2동

2157 rows × 7 columns

서울 이디야

In [18]:

# 이번엔 서울에 있는 이디야를 뽑아내자
df_seoul_ediya = df_ediya[df_ediya["시도명"] == "서울특별시"]
df_seoul_ediya.index = range(len(df_seoul_ediya))
print('서울시 내 이디야 점포 수 :', len(df_seoul_ediya))
df_seoul_ediya.head()

Out [18]:

서울시 내 이디야 점포 수 : 427

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	이디야커피	신길역점	음식	커피점/카페	서울특별시	영등포구	신길1동
1	이디야커피	라이프점	음식	커피점/카페	서울특별시	영등포구	여의동
2	이디야커피양재AT점	양재AT점	음식	커피점/카페	서울특별시	서초구	양재2동
3	이디야커피	시흥점	음식	커피점/카페	서울특별시	금천구	시흥2동
4	이디야커피	개봉중앙점	음식	커피점/카페	서울특별시	구로구	개봉3동

전국 커피빈

In [19]:

df_coffeebean = df_coffee[df_coffee['상호명'].str.contains('커피빈')]
df_coffeebean.index = range(len(df_coffeebean))
print('전국 커피빈 점포 수 :', len(df_coffeebean))
df_coffeebean.head()

Out [19]:

전국 커피빈 점포 수 : 252

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	커피빈	NaN	음식	커피점/카페	강원도	동해시	묵호동
1	커피빈	코리아원주AK플라자점	음식	커피점/카페	강원도	원주시	단계동
2	베가커피빈스	NaN	음식	커피점/카페	경기도	수원시	율천동
3	커피빈	현대프리미엄아울렛김포점	음식	커피점/카페	경기도	김포시	고촌읍
4	커피빈	중동현대백화점U-PLEX점	음식	커피점/카페	경기도	부천시	신중동

서울 커피빈

In [20]:

df_seoul_coffeebean = df_seoul_coffee[df_seoul_coffee['상호명'].str.contains('커피빈')]
df_seoul_coffeebean.index = range(len(df_seoul_coffeebean))
print('서울시 내 커피빈 점포 수 :', len(df_seoul_coffeebean))
df_seoul_coffeebean.head()

Out [20]:

서울시 내 커피빈 점포 수 : 147

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	커피빈	코리아대학로대명거리점	음식	커피점/카페	서울특별시	종로구	혜화동
1	커피빈코리아낙성대역점	코리아낙성대역점	음식	커피점/카페	서울특별시	관악구	행운동
2	커피빈	코리아청담에스점	음식	커피점/카페	서울특별시	강남구	청담동
3	커피빈	코리아강남역랭기지타워점	음식	커피점/카페	서울특별시	강남구	역삼1동
4	커피빈	코리아청담성당점	음식	커피점/카페	서울특별시	강남구	청담동

전국 투썸

In [21]:

df_2some = df_coffee[df_coffee['상호명'].str.contains('투썸')]
df_2some.index = range(len(df_2some))
print('전국 투썸플레이스 점포 수 :', len(df_2some))
df_2some.head()

Out [21]:

전국 투썸플레이스 점포 수 : 1127

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	투썸플레이스	춘천명동점	음식	커피점/카페	강원도	춘천시	조운동
1	투썸플레이스	소양강댐점	음식	커피점/카페	강원도	춘천시	신북읍
2	투썸플레이스	용평리조트점	음식	커피점/카페	강원도	평창군	대관령면
3	투썸플레이스	철원와수점	음식	커피점/카페	강원도	철원군	서면
4	투썸플레이스동해중앙점	동해중앙점	음식	커피점/카페	강원도	동해시	천곡동

서울 투썸

In [22]:

df_seoul_2some = df_seoul_coffee[df_seoul_coffee['상호명'].str.contains('투썸')]
df_seoul_2some.index = range(len(df_seoul_2some))
print('서울시 내 투썸플레이스 점포 수 :', len(df_seoul_2some))
df_seoul_2some.head()

Out [22]:

서울시 내 투썸플레이스 점포 수 : 255

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	투썸플레이스서울대역중앙점	서울대역중앙점	음식	커피점/카페	서울특별시	관악구	중앙동
1	투썸플레이스	씨제이프레시웨이강남세브란스병원점	음식	커피점/카페	서울특별시	강남구	도곡1동
2	투썸플레이스	LG광화문빌딩점	음식	커피점/카페	서울특별시	종로구	사직동
3	투썸플레이스	가락시장역점	음식	커피점/카페	서울특별시	송파구	가락본동
4	투썸플레이스	CGV수유	음식	커피점/카페	서울특별시	강북구	수유3동

전국 빽다방

In [23]:

df_bbaek = df_coffee[df_coffee['상호명'].str.contains('빽다방')]
df_bbaek.index = range(len(df_bbaek))
print('전국 빽다방 점포 수 :', len(df_bbaek))
df_bbaek.head()

Out [23]:

전국 빽다방 점포 수 : 908

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	빽다방	춘천석사CGV점	음식	커피점/카페	강원도	춘천시	석사동
1	빽다방동해천곡점	동해천곡점	음식	커피점/카페	강원도	동해시	천곡동
2	빽다방	원주중앙1호점	음식	커피점/카페	강원도	원주시	일산동
3	빽다방	삼척대학로점	음식	커피점/카페	강원도	삼척시	성내동
4	빽다방	홍천중앙점	음식	커피점/카페	강원도	홍천군	홍천읍

서울 빽다방

In [24]:

df_seoul_bbaek = df_seoul_coffee[df_seoul_coffee['상호명'].str.contains('빽다방')]
df_seoul_bbaek.index = range(len(df_seoul_bbaek))
print('서울시 내 빽다방 점포 수 :', len(df_seoul_bbaek))
df_seoul_bbaek.head()

Out [24]:

서울시 내 빽다방 점포 수 : 170

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	빽다방공덕새창로점	공덕새창로점	음식	커피점/카페	서울특별시	마포구	도화동
1	빽다방서초우성점	서초우성점	음식	커피점/카페	서울특별시	서초구	서초2동
2	빽다방중계은행사거리점	중계은행사거리점	음식	커피점/카페	서울특별시	노원구	중계1동
3	빽다방성신여대점	성신여대점	음식	커피점/카페	서울특별시	성북구	동선동
4	빽다방신림역1호점	신림역1호점	음식	커피점/카페	서울특별시	관악구	서원동

전국 할리스

In [25]:

df_hollys = df_coffee[df_coffee['상호명'].str.contains('할리스')]
df_hollys.index = range(len(df_hollys))
print('전국 할리스 점포 수 :', len(df_hollys))
df_hollys.head()

Out [25]:

전국 할리스 점포 수 : 562

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	할리스커피	중앙점	음식	커피점/카페	강원도	원주시	중앙동
1	할리스커피동해묵호점	동해묵호점	음식	커피점/카페	강원도	동해시	천곡동
2	할리스커피강릉점	강릉점	음식	커피점/카페	강원도	강릉시	중앙동
3	할리스커피	강릉휴게소인천방면	음식	커피점/카페	강원도	강릉시	성산면
4	할리스	NaN	음식	커피점/카페	강원도	강릉시	송정동

서울 할리스

In [26]:

df_seoul_hollys = df_seoul_coffee[df_seoul_coffee['상호명'].str.contains('할리스')]
df_seoul_hollys.index = range(len(df_seoul_hollys))
print('서울시 내 할리스 점포 수 :', len(df_seoul_hollys))
df_seoul_hollys.head()

Out [26]:

서울시 내 할리스 점포 수 : 141

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	할리스커피남부터미널	NaN	음식	커피점/카페	서울특별시	서초구	서초1동
1	할리스	백석예술대점	음식	커피점/카페	서울특별시	서초구	방배3동
2	할리스커피마포역점	마포역점	음식	커피점/카페	서울특별시	마포구	용강동
3	할리스커피	목동예술인회관점	음식	커피점/카페	서울특별시	양천구	목1동
4	할리스커피	르네상스사거리점	음식	커피점/카페	서울특별시	강남구	역삼2동

전국 메가커피

In [27]:

df_mega = df_coffee[df_coffee['상호명'].str.contains('메가')]
df_mega.index = range(len(df_mega))
print('전국 메가커피 점포 수 :', len(df_mega))
df_mega.head()

Out [27]:

전국 메가커피 점포 수 : 1857

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	메가커피인제점	인제점	음식	커피점/카페	강원도	인제군	인제읍
1	메가엠지씨커피	춘천팔호광장점	음식	커피점/카페	강원도	춘천시	효자2동
2	메가엠지씨커피	NaN	음식	커피점/카페	강원도	춘천시	후평3동
3	메가MGC커피	춘천석사점	음식	커피점/카페	강원도	춘천시	석사동
4	메가엠지씨커피	동해시청점	음식	커피점/카페	강원도	동해시	천곡동

서울 메가커피

In [28]:

df_seoul_mega = df_seoul_coffee[df_seoul_coffee['상호명'].str.contains('메가')]
df_seoul_mega.index = range(len(df_seoul_mega))
print('서울시 내 메가커피 점포 수 :', len(df_seoul_mega))
df_seoul_mega.head()

Out [28]:

서울시 내 메가커피 점포 수 : 427

	상호명	지점명	상권업종대분류명	상권업종중분류명	시도명	시군구명	행정동명
0	메가커피	아차산역점	음식	커피점/카페	서울특별시	광진구	중곡4동
1	메가커피	신설동역점	음식	커피점/카페	서울특별시	동대문구	용신동
2	메가엠지씨커피	영등포역점	음식	커피점/카페	서울특별시	영등포구	영등포동
3	메가엠지씨커피	강동구청점	음식	커피점/카페	서울특별시	강동구	성내1동
4	메가커피	개봉사거리점	음식	커피점/카페	서울특별시	구로구	개봉1동

커피전문점 별 비율 비교(주요 브랜드 위주)

BRI2022 커피전문점 브랜드 2022년 8월 빅데이터 분석결과

1. 스타벅스
2. 메가커피
3. 투썸플레이스
4. 이디야
5. 빽다방

변수

• 전체 점포 : data

• 전체/서울 커피전문점 : df_coffee / df_seoul_coffee

• 전체/서울 스타벅스 : df_starbucks / df_seoul_starbucks
• 전체/서울 이디야 : df_ediya / df_seoul_ediya
• 전체/서울 커피빈 : df_coffeebean / df_seoul_coffeebean
• 전체/서울 투썸플레이스 : df_2some / df_seoul_2some
• 전체/서울 빽다방 : df_bbaek / df_seoul_bbaek
• 전체/서울 할리스 : df_hollys / df_seoul_hollys
• 전체/서울 메가커피 : df_mega / df_seoul_mega

전체 커피전문점 내 주요 커피브랜드 입점 비율

In [29]:

print("**** 전국 커피전문점중 주요 5대 커피브랜드 입점 비율 ****")
print("주요 5대 커피브랜드 전국 입점 비율 : %.3f%%"\
      % ((len(df_starbucks)+len(df_2some)+len(df_ediya)+len(df_mega)+len(df_coffeebean))
        / len(df_coffee) * 100))
print("1. 스타벅스 : %.3f%%" % (len(df_starbucks) / len(df_coffee) * 100))
print("2. 메가커피 : %.3f%%" % (len(df_mega) / len(df_coffee) * 100))
print("3. 투썸플레이스 : %.3f%%" % (len(df_2some) / len(df_coffee) * 100))
print("3. 이디야 : %.3f%%" % (len(df_ediya) / len(df_coffee) * 100))
print("5. 빽다방 : %.3f%%" % (len(df_bbaek) / len(df_coffee) * 100))

Out [29]:

**** 전국 커피전문점중 주요 5대 커피브랜드 입점 비율 ****
주요 5대 커피브랜드 전국 입점 비율 : 6.022%
1. 스타벅스 : 1.309%
2. 메가커피 : 1.623%
3. 투썸플레이스 : 0.985%
3. 이디야 : 1.885%
5. 빽다방 : 0.794%

서울 커피전문점 내 주요 커피브랜드 입점 비율

In [30]:

print("스타벅스 : %.3f%%" % (len(df_seoul_starbucks) / len(df_seoul_coffee) * 100))
print("이디야 : %.3f%%" % (len(df_seoul_ediya) / len(df_seoul_coffee)* 100))
print("커피빈 : %.3f%%" % (len(df_seoul_coffeebean) / len(df_seoul_coffee)* 100))
print("투썸플레이스 : %.3f%%" % (len(df_seoul_2some) / len(df_seoul_coffee)* 100))
print("빽다방 : %.3f%%" % (len(df_seoul_bbaek) / len(df_seoul_coffee)* 100))
print("할리스 : %.3f%%" % (len(df_seoul_hollys) / len(df_seoul_coffee)* 100))
print("메가커피 : %.3f%%" % (len(df_seoul_mega) / len(df_seoul_coffee)* 100))

Out [30]:

스타벅스 : 2.207%
이디야 : 2.049%
커피빈 : 0.705%
투썸플레이스 : 1.223%
빽다방 : 0.816%
할리스 : 0.677%
메가커피 : 2.049%

각 커피브랜드별 서울 입점 비율

In [31]:

print("**** 주요 5대 커피브랜드별 서울 입점 비율 ****")
print("1. 스타벅스 : %.3f%%" % (len(df_seoul_starbucks) / len(df_starbucks) * 100))
print("2. 메가커피 : %.3f%%" % (len(df_seoul_mega) / len(df_mega) * 100))
print("3. 투썸플레이스 : %.3f%%" % (len(df_seoul_2some) / len(df_2some) * 100))
print("4. 이디야 : %.3f%%" % (len(df_seoul_ediya) / len(df_ediya) * 100))
print("5. 빽다방 : %.3f%%" % (len(df_seoul_bbaek) / len(df_bbaek) * 100))

Out [31]:

**** 주요 5대 커피브랜드별 서울 입점 비율 ****
1. 스타벅스 : 30.708%
2. 메가커피 : 22.994%
3. 투썸플레이스 : 22.626%
4. 이디야 : 19.796%
5. 빽다방 : 18.722%

In [32]:

# 각 구별로 스타벅스가 얼마나 있는지 확인한다.
starbucks_gu = df_seoul_starbucks.groupby('시군구명')['상호명'].count().to_frame().sort_values(by='상호명', ascending=False)
starbucks_gu = starbucks_gu.reset_index()
starbucks_gu = starbucks_gu.set_index('시군구명')
starbucks_gu

Out [32]:

	상호명
시군구명
강남구	76
중구	42
서초구	37
송파구	33
영등포구	28
종로구	27
마포구	26
강서구	16
용산구	16
광진구	16
성북구	15
서대문구	15
강동구	13
양천구	13
노원구	11
관악구	11
금천구	11
동작구	11
구로구	10
동대문구	9
은평구	6
중랑구	6
성동구	5
강북구	5
도봉구	2

데이터 시각화

In [33]:

# 시각화를 위한 라이브러리를 불러오기
import seaborn as sns
import matplotlib.pyplot as plt
import platform

from matplotlib import font_manager, rc
%matplotlib inline

In [34]:

# macos에서 사용가능한 한글 글꼴 확인 코드
# [f.name for f in font_manager.fontManager.ttflist if 'Neo' in f.name]

In [35]:

## 운영체제별 글꼴 세팅

path = "c:/Windows/Fonts/malgun.ttf"
if platform.system() == 'Darwin':
    font_name = 'Apple SD Gothic Neo'
    rc('font', family='Apple SD Gothic Neo')
elif platform.system() == 'Windows':
    font_name = font_manager.FontProperties(fname=path).get_name()
    rc('font', family=font_name)
else:
    font_name = font_manager.FontProperties(fname="/usr/share/fonts/nanumfont/NanumGothic.ttf")
    rc('font', family="NanumGothic")

In [36]:

# 주요 5대 커피브랜드 서울 입점 비율을 시각화한다.
starbucks_rate = (len(df_seoul_starbucks) / len(df_seoul_coffee) * 100)
mega_rate = (len(df_seoul_mega) / len(df_seoul_coffee)* 100)
twosome_rate = (len(df_seoul_2some) / len(df_seoul_coffee)* 100)
ediya_rate = (len(df_seoul_ediya) / len(df_seoul_coffee)* 100)
bbaek_rate = (len(df_seoul_bbaek) / len(df_seoul_coffee)* 100)

X = ["스타벅스", "메가커피", "투썸플레이스", "이디야", "빽다방"]
y = [starbucks_rate, mega_rate, twosome_rate, ediya_rate, bbaek_rate]

plt.figure(figsize=(12, 12))
plt.title("2022.09 주요 5대 커피브랜드 서울 입점 비율", fontdict={"fontsize" : 20})
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
sns.barplot(x=X, y=y)
plt.savefig("coffee_barplot.png")
plt.show()

Out [36]:

추가

인천 연수구에 있는 커피 브랜드 별 점포수 구하기

1. 시도명에서 인천광역시, 시군구에서 연수구만 뽑기
2. 상호명이 서로 다른 데이터 셋 구성
3. 상호명에 따른 데이터 갯수 구하기
4. 데이터프레임 형태로 출력

In [37]:

df_coffee_yeonsu = df_coffee[(df_coffee["시도명"] == "인천광역시") & (df_coffee["시군구명"] == "연수구")]
print("인천 연수구에 있는 커피 점포 수 : ", len(df_coffee_yeonsu))

Out [37]:

인천 연수구에 있는 커피 점포 수 :  748

In [38]:

df_coffee_yeonsu_brand = set(df_coffee_yeonsu["상호명"])
print("인천 연수구에 있는 커피 브랜드 : ", len(df_coffee_yeonsu_brand))
df_coffee_yeonsu_brand

Out [38]:

인천 연수구에 있는 커피 브랜드 :  571

{'11브레드',
 '1927커피잘쓰다현대아울렛송도점',
 '5스타PC카페',
 '79파운야드',
 '88스트리트커피랩',
 '8블럭',
 'C27',
 'CAFE719',
 'CAISSON24',
 'COFFEEBAY송도',

...

 '해긴',
 '향수',
 '허브네일',
 '헤이로다',
 '헤이미쉬',
 '헤이트래블러',
 '호구커피',
 '홀린이홀덤',
 '홍루이젠',
 '화이트펜슬',
 '희차',
 '힐링카페숨소리'}

In [39]:

# 상호명으로 그룹을 묶어 count, 내림차순으로 정렬
df_result = pd.DataFrame(df_coffee_yeonsu.groupby(["상호명"]).count()["시도명"]).sort_values(["시도명"], ascending=False)
df_result.columns = ["점포수"]
df_result.head(10)

Out [39]:

	점포수
상호명
카페	35
이디야커피	18
컴포즈커피	13
더벤티	12
투썸플레이스	11
스타벅스	10
빽다방	10
메가엠지씨커피	9
청년다방	6
커피에반하다	6

In [40]:

# 카페 row 삭제
df_result.drop(index="카페", inplace=True)
df_result.head(10)

Out [40]:

	점포수
상호명
이디야커피	18
컴포즈커피	13
더벤티	12
투썸플레이스	11
스타벅스	10
빽다방	10
메가엠지씨커피	9
청년다방	6
커피에반하다	6
팔공티	5

서울 광진구에 있는 커피 브랜드 별 점포수 구하기

In [41]:

df_coffee_gwangjin = df_seoul_coffee[df_seoul_coffee["시군구명"] == "광진구"]
print("서울 광진구에 있는 커피 점포 수 : ", len(df_coffee_gwangjin))

Out [41]:

서울 광진구에 있는 커피 점포 수 :  837

In [42]:

df_coffee_gwangjin_brand = set(df_coffee_gwangjin["상호명"])
print("인천 연수구에 있는 커피 브랜드 : ", len(df_coffee_gwangjin_brand))
df_coffee_gwangjin_brand

Out [42]:

인천 연수구에 있는 커피 브랜드 :  717

{'19티',
 '247커피',
 '29-77카페',
 '550커피',
 '597카페',
 '87커피로스터',
 '8커피앤비어',
 '99도버블티',
 'AZUR아쥐르',
 'BANANATALK',

...

 '홍과자점',
 '홍카페',
 '화양과자',
 '화양연화',
 '화이트펜슬스터디카페',
 '휴온',
 '흐룻',
 '히어로',
 '히읗히읗',
 '힐링카페지유'}

In [43]:

# 상호명으로 그룹을 묶어 count, 내림차순으로 정렬
df_result = pd.DataFrame(df_coffee_gwangjin.groupby(["상호명"]).count()["시도명"]).sort_values(["시도명"], ascending=False)
df_result.columns = ["점포수"]
df_result.head(10)

Out [43]:

	점포수
상호명
카페	29
스타벅스	13
이디야커피	12
컴포즈커피	10
커피베이	7
빽다방	7
메가엠지씨커피	6
투썸플레이스	6
커피나무	4
디저트39	4

In [44]:

# 카페 row 삭제
df_result.drop(index="카페", inplace=True)
df_result.head(10)

Out [44]:

	점포수
상호명
스타벅스	13
이디야커피	12
컴포즈커피	10
커피베이	7
빽다방	7
메가엠지씨커피	6
투썸플레이스	6
커피나무	4
디저트39	4
탐앤탐스	4

Reference

• 이 포스트는 SeSAC 인공지능 SW 개발자 양성 과정 - 나예진 강사님의 강의내용을 정리한 것입니다.
• 공공데이터포털: 소상공인시장진흥공단_상가(상권)정보_20220930
• BRI2022 커피전문점 브랜드 2022년 8월 빅데이터 분석결과