[CRIME] 12. 서울시 범죄현황 데이터 시각화(pair plot, heat map)

 

 

 

서울시 범죄 현황 데이터 분석 프로젝트
12. 서울시 범죄현황 데이터 시각화(pair plot, heat map)

---

 

 

1. matplotlib의 한글 폰트잡기

import matplotlib.pyplot as plt 
import seaborn as sns 
from matplotlib import rc 

plt.rcParams["axes.unicode_minus"] = False 
get_ipython().run_line_magic("matplotlib", "inline")
rc("font", family="Malgun Gothic")

 

 

 

2. 데이터 확인하기

crime_anal_norm.head()

 

 

 

3. pairplot으로 강도, 살인, 폭력에 대한 상관관계를 확인해보자.

 해석 1 . 폭력사건이 살인으로 이어지는 경우가 강도 사건이 살인으로 이어지는 것보다 더 많다.

 해석 2. 강도와 폭력은 상관관계가 매우 높다.

sns.pairplot(data=crime_anal_norm, vars=["살인", "강도", "폭력"], kind="reg", height=3);

 

 

4. 인구수, CCTV와 살인, 강도와의 관계 확인

def drawGraph():
    sns.pairplot(
        data=crime_anal_norm, 
        x_vars=["인구수", "CCTV"],
        y_vars=["살인", "강도"],
        kind="reg",
        height=4
    )
    plt.show()
drawGraph()

- 해석1-1. 인구수가 증가하는 것에 비해 강도가 많이 증가한다고 볼 수는 없다. 

  (아웃라이어도 존재하며, 이를 제외하면 증가폭은 더욱 줄어들 것이다)
- 해석1-2. 강남3구가 인구수가 많은 곳이라면, 강도 발생 비율이 낮으니까 안전하다고 느낄 수 있지 않을까? 
- 해석2-1. 인구수가 증가함에 따라 살인은 증가하는 경향을 보인다. 
- 해석2-2. CCTV가 많이 설치되어있을 수록 강도 사건이 많이 일어난다?

  이는 해석의 오류. 그렇다면 CCTV가 많아서 강도사건이 많이 발생하니까, CCTV를 줄여야한다 라고 연결될 수 있다. 
- 해석2-2. 강도 사건이 많이 발생하는 곳에 CCTV를 많이 설치한 것일 수도 있다. 
- 해석2-2. 아웃라이어를 제외하면, 회귀선이 조금 더 내려가서 해석을 달리 할 수 있는 여지가 있다. 

 

 

5. 인구수, CCTV와 살인/ 폭력검거율의 관계를 보자

def drawGraph():
    sns.pairplot(
        data=crime_anal_norm, 
        x_vars=["인구수", "CCTV"],
        y_vars=["살인검거율", "폭력검거율"],
        kind="reg",
        height=4
    )
    plt.show()
drawGraph()

- 해석1-1. 인구수가 증가할 수록 폭력검거율이 떨어진다. 
- 해석2-1. 인구수와 살인검거율은 조금 높아지는 것 같은 느낌?
- 해석3-1. CCTV와 살인검거율은 해석하기 애매(100에 모여있는 이유는, 검거율은 100으로 제한했기 때문) 
- 해석4-1. CCTV가 증가할수록 폭력검거율이 약간 하향세를 보인다. 

 

 

 

6. 인구수, CCTV와 절도/강도 검거율의 관계

def drawGraph():
    sns.pairplot(
        data=crime_anal_norm, 
        x_vars=["인구수", "CCTV"],
        y_vars=["절도검거율", "강도검거율"],
        kind="reg",
        height=4
    )
    plt.show()
drawGraph()

- 해석1-1. CCTV가 증가할수록 절도검거율이 감소하고 있다. 
- 해석2-1. CCTV가 증가할수록 강도검거율은 증가하고 있다. 

 

 

7.

 - 검거율만 가지고 heat map

 - "검거" 컬럼을 기준으로 정렬한다.

def drawGraph():

    target_col = ["강간검거율", "강도검거율", "살인검거율", "절도검거율", "폭력검거율", "검거"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(by="검거", ascending=False)

    plt.figure(figsize=(10, 10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True,
        fmt="f", 
        linewidths=0.5, 
        cmap="RdPu",
    )
    plt.title("범죄 검거 비율(정규화된 검거의 합으로 정렬")
    plt.show()
drawGraph()

 - 검거율이 높은 곳을 보면 강남3구가 없다.

 

 

8.

 - 범죄발생 건수 heatmap

 - "범죄" 칼럼을 기준으로 정렬하자

def drawGraph():
    
    target_col = ["살인", "강도", "강간", "절도", "폭력", "범죄"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(by="범죄", ascending=False)
    
    plt.figure(figsize=(10, 10))
    sns.heatmap(
        data=crime_anal_norm_sort[target_col],
        annot=True,
        fmt="f",
        linewidths=0.5,
        cmap="RdPu",
    )
    plt.title("범죄 비율(정규화된 발생 건수로 정렬)")
    plt.show()

drawGraph()

- 강남구는 살인을 제외하면, 전부 1등이다.
- 서초구도 상위권에 속한다.
- 검거율은 낮은데, 범죄 발생 비율이 높다. 
- 강남 송파 서초구가 과연 안전할까? 라는 의문을 계속 가질 수 있다.

 

데이터 저장 후 마무리..