[python] 서울시전월세_매물_위도,경도_구하기_GoogleMapAPI

서울시전월세_매물_위도,경도_구하기_GoogleMapAPI

자 구글 드라이브 임포트 해주고

절대 GCP써서 구글드라이브로 불러오는건 아닙니다.

In [3]:

from google.colab import drive
drive.mount('/content/drive')

 

결과 : 

Mounted at /content/drive

구글맵스 깔아주고

In [24]:

 

!pip install googlemaps

OUT

Collecting googlemaps
  Downloading googlemaps-4.6.0.tar.gz (31 kB)
Requirement already satisfied: requests<3.0,>=2.20.0 in /usr/local/lib/python3.7/dist-packages (from googlemaps) (2.23.0)
Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.7/dist-packages (from requests<3.0,>=2.20.0->googlemaps) (2021.10.8)
Requirement already satisfied: idna<3,>=2.5 in /usr/local/lib/python3.7/dist-packages (from requests<3.0,>=2.20.0->googlemaps) (2.10)
Requirement already satisfied: urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1 in /usr/local/lib/python3.7/dist-packages (from requests<3.0,>=2.20.0->googlemaps) (1.24.3)
Requirement already satisfied: chardet<4,>=3.0.2 in /usr/local/lib/python3.7/dist-packages (from requests<3.0,>=2.20.0->googlemaps) (3.0.4)
Building wheels for collected packages: googlemaps
  Building wheel for googlemaps (setup.py) ... done
  Created wheel for googlemaps: filename=googlemaps-4.6.0-py3-none-any.whl size=38554 sha256=5bb88261679510d62d1f9fabd192f6da0b177ad7463bdf2587025250fa1adbbf
  Stored in directory: /root/.cache/pip/wheels/80/db/c0/6d958585fa97b20e250bf437acf7e6e715b4809c2dd4e55367
Successfully built googlemaps
Installing collected packages: googlemaps
Successfully installed googlemaps-4.6.0

인증키넣어주고

import googlemaps
import pandas as pd
import numpy as np
import io

googlemaps_key = "인증키"
gmaps = googlemaps.Client(key=googlemaps_key)

 

서울시 읍면동 정보 넣어주고

그전에 구글 드라이브에 데이터 미리 넣어두었습니다.

파일 양식은 shp

import geopandas as gpd

seoul_file = "/content/drive/MyDrive/DATA/EMD_201905/TL_SCCO_EMD.shp"
seoul = gpd.read_file(seoul_file, encoding='euckr')
print(seoul.shape)
seoul.tail()

(5047, 4)

 

Out[7]:

 

컬럼명은 차례대로 

EMD_CD     EMD_ENG_NM     EMD_KOR_NM      geometry    

 

50130250	Daejeong-eup	대정읍	MULTIPOLYGON (((881168.350 1472982.219, 881161...
50130253	Namwon-eup	남원읍	MULTIPOLYGON (((910755.915 1486589.634, 910923...
50130259	Seongsan-eup	성산읍	MULTIPOLYGON (((943356.999 1498892.763, 943357...
50130310	Andeok-myeon	안덕면	MULTIPOLYGON (((888981.846 1471424.888, 888979...
50130320	Pyoseon-myeon	표선면	POLYGON ((932601.392 1479746.864, 932586.514 1...

지번주소가 잘 적혀있는 전월세 데이터 작성

 

In [16]:

charter_place = "/content/drive/MyDrive/DATA/서울시 전월세.xlsx"
charter = pd.read_excel(charter_place)
address = charter["지번주소"]
address = list(address)
address[:3]​

['서울특별시 강남구 일원동 741', '서울특별시 서초구 신원동 ', '서울특별시 서초구 내곡동 ']

서울시 강남구 일원동 741의 위치는

In [30]:

gmaps.geocode(charter['지번주소'][0])

Out[30]:

[{'address_components': [{'long_name': 'Irwon-dong',
    'short_name': 'Irwon-dong',
    'types': ['political', 'sublocality', 'sublocality_level_2']},
   {'long_name': 'Gangnam-gu',
    'short_name': 'Gangnam-gu',
    'types': ['political', 'sublocality', 'sublocality_level_1']},
   {'long_name': 'Seoul',
    'short_name': 'Seoul',
    'types': ['administrative_area_level_1', 'political']},
   {'long_name': 'South Korea',
    'short_name': 'KR',
    'types': ['country', 'political']},
   {'long_name': '135-230',
    'short_name': '135-230',
    'types': ['postal_code']}],
  'formatted_address': 'Irwon-dong, Gangnam-gu, Seoul, South Korea',
  'geometry': {'bounds': {'northeast': {'lat': 37.5012337, 'lng': 127.097854},
    'southwest': {'lat': 37.4719065, 'lng': 127.071837}},
   'location': {'lat': 37.4810133, 'lng': 127.0801089},
   'location_type': 'APPROXIMATE',
   'viewport': {'northeast': {'lat': 37.5012337, 'lng': 127.097854},
    'southwest': {'lat': 37.4719065, 'lng': 127.071837}}},
  'place_id': 'ChIJ_-QGG9OlfDURCahgltbY-qU',
  'types': ['political', 'sublocality', 'sublocality_level_2']}]

geometry 안의 'location': {'lat': 37.4810133, 'lng': 127.0801089}, 확인

In [31]:

geo_location = gmaps.geocode(charter['지번주소'][0])[0].get('geometry')

lat = geo_location['location']['lat']
lng = geo_location['location']['lng']

print(lat, lng)

37.4810133 127.0801089

리스트에 넣어서 새로운 데이터 프레임으로 만들기

In [33]:

 

lat, lng = [], []

for i, location in enumerate(charter.지번주소):
    try:
        geo_location = gmaps.geocode(location)[0].get('geometry')
        lat.append(geo_location['location']['lat'])
        lng.append(geo_location['location']['lng'])
    except:
        print(f"{i}번째 {(charter.iloc[i, 3])}의 좌표를 찾을 수 없음")
        lat.append(i)
        lng.append(i)

35번째 2022의 좌표를 찾을 수 없음
215번째 2022의 좌표를 찾을 수 없음
272번째 2022의 좌표를 찾을 수 없음
362번째 2021의 좌표를 찾을 수 없음
368번째 2022의 좌표를 찾을 수 없음
382번째 2022의 좌표를 찾을 수 없음
394번째 2022의 좌표를 찾을 수 없음
403번째 2022의 좌표를 찾을 수 없음
422번째 2022의 좌표를 찾을 수 없음
425번째 2022의 좌표를 찾을 수 없음
441번째 2022의 좌표를 찾을 수 없음
444번째 2022의 좌표를 찾을 수 없음
484번째 2022의 좌표를 찾을 수 없음
535번째 2022의 좌표를 찾을 수 없음
542번째 2022의 좌표를 찾을 수 없음
553번째 2022의 좌표를 찾을 수 없음
697번째 2022의 좌표를 찾을 수 없음
731번째 2022의 좌표를 찾을 수 없음
760번째 2022의 좌표를 찾을 수 없음
773번째 2022의 좌표를 찾을 수 없음
802번째 2022의 좌표를 찾을 수 없음
808번째 2022의 좌표를 찾을 수 없음
905번째 2022의 좌표를 찾을 수 없음
910번째 2022의 좌표를 찾을 수 없음
944번째 2022의 좌표를 찾을 수 없음
976번째 2022의 좌표를 찾을 수 없음
1071번째 2022의 좌표를 찾을 수 없음
1076번째 2022의 좌표를 찾을 수 없음
1126번째 2022의 좌표를 찾을 수 없음
1234번째 2022의 좌표를 찾을 수 없음
1248번째 2022의 좌표를 찾을 수 없음
1472번째 2022의 좌표를 찾을 수 없음
1559번째 2022의 좌표를 찾을 수 없음
1567번째 2022의 좌표를 찾을 수 없음
1584번째 2022의 좌표를 찾을 수 없음
1730번째 2022의 좌표를 찾을 수 없음
1751번째 2022의 좌표를 찾을 수 없음
1758번째 2022의 좌표를 찾을 수 없음
1889번째 2022의 좌표를 찾을 수 없음
2201번째 2022의 좌표를 찾을 수 없음

제발 잘나오게 해주세요

기도 한번 필수 

In [40]:

charter['lat'] = lat charter['lng'] = lng charter.head()

Out[40]:

지번코드기관코드일련번호접수년도자치구코드시자치구명법정동코드법정동명본번...임대면적전월세구분코드전월세구분보증금임대료계약년도계약일자건축년도latlng01234

 

1.168011e+18	3220064	175	2022	11680	서울특별시	강남구	11400	일원동	741	...	121.71	4	준전세	130000	270	2022	20220115	2018.0	37.481013	127.080109
1.165011e+18	3210057	109	2022	11650	서울특별시	서초구	11100	신원동	0	...	27.90	1	전세	20900	0	2022	20220226	2018.0	37.444674	127.061421
1.165011e+18	3210057	9000042	2022	11650	서울특별시	서초구	10900	내곡동	0	...	49.33	3	준월세	1946	42	2022	20220216	2015.0	37.461771	127.051160
1.144011e+18	3130048	467	2022	11440	서울특별시	마포구	11000	노고산동	1	...	32.34	2	월세	1000	95	2022	20220208	2004.0	37.556221	126.942077
1.144011e+18	3130048	445	2022	11440	서울특별시	마포구	11000	노고산동	1	...	32.34	3	준월세	5000	70	2021	20211221	2004.0	37.556221	126.942077

5 rows × 26 columns

In [42]:

 

일단 파일 저장 먼저 !! 

charter.to_csv('/content/drive/MyDrive/DATA/서울시전월세.csv')

In [46]:

charter['임대료'].value_counts().plot();

In [47]:

charter['보증금'].value_counts().plot();