[PROJECT] 서울 아파트가격과 인프라개수 간의 상관관계 분석

서울시 아파트 집값을 보면 미친듯이 올라가고있다.

 

1. 데이터 소스(Data Source)

 

1) 서울시 집값 데이터 - 국토교통부 실거래가 공개시스템(https://rt.molit.go.kr/)

2) 인프라 시설 수 - 서울 열린데이터 광장 (https://data.seoul.go.kr/)

 

2. 데이터 기준

1) 서울시 집값(아파트) 데이터 분석

(1) 수집된 데이터 기간 : 2019년 1월 ~ 2019년 12월

(2) 데이터 수 : 약 7.5만 개

(3) 필요 데이터 : 자치구, 거래금액, 단위면적, 1\mx 당 거래금액( 각 거래금액/ 단위면적)

 

2) 인프라 시설

(1) 수집된 데이터 기간 : 2019년도 기준

(2) 필요데이터 : 공원 수, 문화시설 수, 체육시설 수, 병원 수, 도서관 수

 

3) 세대수

(1) 수집된 데이터 기간 : 2019년도 기준

(2) 필요데이터 : 세대수

 

---

3. 조작적 정의 필요

 

(1) 생활인프라란?

공원 + 병원 + 문화시설 + 체육시설 + 도서관 시설을 포함한 생활기반시설로 정의함.

(**이번 상관관계에서는 학군 영향을 고려하지 않아 교육시설을 제외함. )

 

(2) 세대당 인프라 수

인프라 수를 1세대로 나눈 계수로 1세대당 이용할 수 있는 인프라수

 

 

---

4. 데이터 수집과 전처리

 

1) 실거래가

(1) 전용면적, 거래금액, 시군구 데이터만 추출

(2) 시군구 데이터중 '구'데이터만 추출

(3) 단위면적당거래액(만원/㎡) = 거래금액 / 전용면적

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc

# 1. 실거래가 엑셀데이터 불러오기 
df_apartcontract = pd.read_excel('apartmentcontract(2019).xlsx', encoding='utf-8')

# (1)  column 값을 '전용면적' 하고 ' 거래금액'  '시군구'만 남기로 다 버리기
df_apartcontract=df_apartcontract[['전용면적(㎡)' , '거래금액(만원)' , '시군구']]

전용면적(㎡)	거래금액(만원)	시군구
0	77.75	134,500	서울특별시 강남구 개포동
1	77.75	160,000	서울특별시 강남구 개포동
2	67.28	124,000	서울특별시 강남구 개포동

# 원본데이터에 숫자가 문자형으로 되어있어서 오류가 생김. 숫자로 변경.
df_apartcontract['price'] = df_apartcontract['price'].str.replace(',', '')
df_apartcontract['price'] = df_apartcontract['price'].astype('float')

# 변경된 정보 확인. 
df_apartcontract.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 74962 entries, 0 to 74961
Data columns (total 3 columns):
area        74962 non-null float64
price       74960 non-null float64
location    74960 non-null object
dtypes: float64(2), object(1)
memory usage: 1.7+ MB

# (2) '구' 로만 이루어진 열 생성
df_apartcontract['gu_list'] = df_apartcontract.location.str.split(' ').str[1]
#순서 2번째에 있는 str 가져옴 

	area	price	location	gu_list
0	77.75	134500.0	서울특별시 강남구 개포동	강남구
1	77.75	160000.0	서울특별시 강남구 개포동	강남구
2	67.28	124000.0	서울특별시 강남구 개포동	강남구
3	79.97	141000.0	서울특별시 강남구 개포동	강남구
4	79.97	155000.0	서울특별시 강남구 개포동	강남구

#(3) 단위면적당가격(만원)  = 거래금액 / 전용면적 
df_apartcontract['price_per_unit'] = df_apartcontract['price'] / df_apartcontract['area']

여기서 끝내면 안된다.

피벗테이블을 이용해서 gu_list를 인덱스열로 맞춰 정렬하자

df_apartcontract = pd.pivot_table(df_apartcontract, index='gu_list', aggfunc=np.mean)
df_apartcontract.head()

	area	price	price_per_unit
gu_list			
강남구	92.015143	180117.408530	2054.677253
강동구	74.969871	73773.287281	1007.978136
강북구	73.627570	46805.089734	665.266528
강서구	72.590566	60390.313736	852.656551
관악구	73.113978	53568.518293	758.240790

# 이름 편하게 변경
df_apartcontract.columns = ['전용면적(㎡)', '거래금액(만원)', '단위면적당거래액(만원/㎡)']

 

 

2) 인프라 시설

(1) 공원, 문화시설, 체육시설, 병원, 도서관에 대한 전반적인 엑셀파일을 저장 후

(2) 필요한 정보인 각 시설의 개수만 추출함. 이후, str → astype → float

#인프라 시설에 관련된 파일을 읽어올때, 아예 index_col = '자치구'로 가져오자 
df_infra = pd.read_excel('infra.xlsx', encoding='utf-8', index_col = '자치구')
df_people = pd.read_excel('people.xlsx', encoding='utf-8', index_col = '자치구')

#join함수로 인프라시설과 세대수 데이터프레임을 합치자. 
df_semitotal= df_apartcontract.join(df_infra)
df_total= df_semitotal.join(df_people)

#'인프라 개수'를 '세대'로 나눈 '세대별 인프라수'열 추가 
df_total['세대별 인프라수'] = df_total['인프라 개수'] / df_total['세대']

 

---

5. 데이터 전치리 완료 확인

1제곱미터당 가격을 살펴보면, 강남구가 2천만원대에 거래되고있음을 확인.

인프라개수를 살펴보면, 강남구가 2천개 정도로 파악됨 

---

6. 단위면적당 거래액(집값)과 인프라간의 상관관계분석

 

# 피어슨 상관계수:

-1에 가까울수록 음의 상관관계, 1에 가까울수록 양의 상관관계, 0에 가까울수록 상관관계가 적음

 

1) 단순히 이번에는 상관관계 여부만 판단해보자.

df_corr = df_total[['단위면적당거래액(만원/㎡)', '공원 수', '문화시설 수', '체육시설 수', '병원 수', '도서관 수', '인프라 개수', '세대별 인프라수']]
df_corr.corr()

2) 그래프를 통해 직관적으로 상관관계를 파악해보자. 

sns.set(style="ticks", color_codes=True)

sns.pairplot(df_corr, kind="reg") 
# reg : 선으로 plot 표현

공원수 : 0.397959

문화시설수 : 0.272730

체육시설 수: 0.643007

병원수 : 0.720516

도서관수 : 0.204496

전체인프라개수 : 0.712631

세대별 인프라수 : 0.600707

 

모두 양의 상관관계를 가지고 있다고 나옴.

 

그러나!

과연 정말 상관관계를 가지는 지를 확인하려면

유의값 (p값) 을 봐야한다.

from scipy import stats

# 각 문화시설과 가격의 관계 비교
(1) 공원 수 
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['공원 수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])

피어슨 상관계수 : 0.39795918289003596
p-value: 0.048818980386512084

(2) 체육시설 수
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['체육시설 수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])

피어슨 상관계수 : 0.6430072084770091
p-value: 0.0005266733251440204

(3) 병원 수 
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['병원 수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])

피어슨 상관계수 : 0.7205161149673736
p-value: 4.863894760099187e-05  #--> 0.0000486

(4) 도서관 수
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['도서관 수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])

피어슨 상관계수 : 0.2044964002696702
p-value: 0.32681529739329407

(5) 전체 인프라 개수
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['인프라 개수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])

피어슨 상관계수 : 0.7126307980058937
p-value: 6.414171375002959e-05

(6) 세대별 인프라 개수 
result = stats.pearsonr(df_corr['단위면적당거래액(만원/㎡)'],df_corr['세대별 인프라수'])
print("피어슨 상관계수 :", result[0])
print('p-value:', result[1])
피어슨 상관계수 : 0.6007065024684994
p-value: 0.001497162529584169

 

---

7. 상관관계분석 결과해석

 

p값이 0.05 이하인 요인 :

도서관을 제외한 모든 변수_ 유의수준내에서 상관관계

 

전체 인프라 개수와 집값간의 상관관계는 0.712로 매우 높음.

p값 - 0.00006

 

자치구별 세대수를 나눈 세대별 인프라 개수 또한 짒간간의 상관관계가 0.600으로 매우 높음.

p값 - 0. 0014

---

8. 시각화

 

1) 단위면적당 거래금액으로 시각화표현

import json
geo_path = 'skorea_municipalities_geo_simple.json'
geo_str = json.load( open(geo_path, encoding='utf-8') ) # <-> .dump

#지도 가져오기
import folium
8. 9
# tiles : 지도 타입 (default type or "Stamen Terrain" or "Stamen Toner")
# location : 초기 지도 center 위치
map = folium.Map(location=[37.5502, 126.982], zoom_start=11, tiles='Stamen Toner') # , tiles='Stamen Toner'
map

 

map = folium.Map(location=[37.5502, 126.982], zoom_start=11, tiles='Stamen Toner')

map.choropleth(geo_data = geo_str,
               
               data = df_corr['단위면적당거래액(만원/㎡)'], 
               #시각화의 대상이 될 데이터
               columns = [ df_corr.index, df_corr['단위면적당거래액(만원/㎡)'] ], 
               #df의 index 칼럼을 가져와 인식하고
               fill_color = 'PuRd', 
               key_on = 'feature.id') 

map

역시나..강남구, 송파구, 강동구, 용산구가 비싸다

---

2) 인프라시설 수 시각화표현

 

- 인프라시설을 모두 찍었으면 좋겠지만, 우선 간단한 시각화를 하기때문에 이번 파트에서는 구별 중심좌표를 사용해서 표시하도록 한다.

 

1-1) 각 좌표가져오기(구글맵)

import googlemaps
# googlemaps에서 위치data가져오기

import googlemaps
gmaps = googlemaps.Client(key="AIzaSyDyBsZst8hPPDepUFjIpxdiyqfBAVqlsoY") # -- input your key --

tmpMap = gmaps.geocode('강남구', language="ko")
tmpMap

[{'address_components': [{'long_name': '강남구',
    'short_name': '강남구',
    'types': ['political', 'sublocality', 'sublocality_level_1']},
   {'long_name': '서울특별시',
    'short_name': '서울특별시',
    'types': ['administrative_area_level_1', 'political']},
   {'long_name': '대한민국',
    'short_name': 'KR',
    'types': ['country', 'political']}],
  'formatted_address': '대한민국 서울특별시 강남구',
  'geometry': {'bounds': {'northeast': {'lat': 37.5373614, 'lng': 127.1244733},
    'southwest': {'lat': 37.4563361, 'lng': 127.0114055}},
   'location': {'lat': 37.5172363, 'lng': 127.0473248},
   'location_type': 'APPROXIMATE',
   'viewport': {'northeast': {'lat': 37.5373614, 'lng': 127.1244733},
    'southwest': {'lat': 37.4563361, 'lng': 127.0114055}}},
  'place_id': 'ChIJ-4m1XyOkfDURartwxRuXMbM',
  'types': ['political', 'sublocality', 'sublocality_level_1']}]

tmpMap[0].get('geometry')
 #우리는 location 의 lat & lng 를 사용

{'bounds': {'northeast': {'lat': 37.5373614, 'lng': 127.1244733},
  'southwest': {'lat': 37.4563361, 'lng': 127.0114055}},
 'location': {'lat': 37.5172363, 'lng': 127.0473248},
 'location_type': 'APPROXIMATE',
 'viewport': {'northeast': {'lat': 37.5373614, 'lng': 127.1244733},
  'southwest': {'lat': 37.4563361, 'lng': 127.0114055}}}

#index 를 column으로 생성
df_total['자치구'] = df_total.index
df_total.head()

# 자치구 주소 list로 정리
lat = []
lng = []

for name in df_total['자치구']:
    # gmaps.reverse_geocode((longitude 값, latitude 값), language="ko") == 경도 & 위도 값으로 주소값 가져오기
    # gmaps.geocode('한글 주소', language="ko") 로 위도/경도, 우편번호까지 알 수 있음
    tmpMap = gmaps.geocode(name) # ex) 서울강남경찰서
    tmpLoc = tmpMap[0].get('geometry') # 배열 형태( [~] )로 들어오기 때문에 [0]으로 호출
    lat.append(tmpLoc['location']['lat']) # dict(tmpLoc)의 데이터는 dict['key값'] 로 value 호출
    lng.append(tmpLoc['location']['lng'])
    
df_total['lat'] = lat
df_total['lng'] = lng

df_total.head()

map = folium.Map(location=[37.5502, 126.982], zoom_start=11)

for n in df_total.index: 
    folium.CircleMarker ([df_total['lat'][n], df_total['lng'][n]], 
                         radius=df_total['세대별 인프라수'][n]*2000, # circle 의 크기를 결정
                         color='#3186cc', fill=True, fill_color='#3186cc').add_to(map)
map

---

3) 두 지도 합치기 ( 집값과 인프라개수)

# 두 지도 합치기
map = folium.Map(location=[37.5502, 126.982], zoom_start=11)
map.choropleth(geo_data = geo_str,
               
               data = df_corr['단위면적당거래액(만원/㎡)'],
               columns = [df_corr.index, df_corr['단위면적당거래액(만원/㎡)']],
               
               fill_color = 'PuRd', #PuRd, YlGnBu <- color brewer (http://colorbrewer2.org/) : ‘BuGn’, ‘BuPu’, ‘GnBu’, ‘OrRd’, ‘PuBu’, ‘PuBuGn’, ‘PuRd’, ‘RdPu’, ‘YlGn’, ‘YlGnBu’, ‘YlOrBr’, and ‘YlOrRd’
               key_on = 'feature.id') # GeoJSON 규약을 따름, json 파일(지도 데이터)의 "feature" type의 "id" 에 매칭된다

for n in df_total.index: 
    folium.CircleMarker ([df_total['lat'][n], df_total['lng'][n]], 
                         radius=df_total['세대별 인프라수'][n]*2000, 
                         color='#3186cc', fill=True, fill_color='#3186cc').add_child(folium.Popup(df_total['자치구'][n])).add_to(map)    

# .add_child(folium.Popup(df_total['자치구'][n])) 는 원에 마우스 가져가면 자치구명을 띄워주는 코드

map.save('index.html')    
# 현재 폴더에 지도가 html 형식으로 자동저장되며 html페이지에서는 한글이 꺠지지 않고 잘 나옴.
map

역시나 구를 기반으로 인프라수를 측정하다보니 예상대로 직관적이지 않은 시각화가 되었다. 

위 그래프로는 명확하게 나오지 않아 다른 시각화그래프를 만들어보자 

 

---

4) 단위면적당 가격과 인프라 시설 수의 막대그래프 시각화

%matplotlib inline 

# matplotlib의 한글문제를 해결
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
# font_name
rc('font', family=font_name)

#그래프
df = pd.read_excel('dataset.xlsx', encoding = 'utf-8') 

import pandas as pd
import matplotlib.pyplot as plt

ax=df.plot(kind='bar', x='자치구', y='단위면적당거래액(만원/㎡)', color='orange', figsize=(15,7))
ax2=df.plot(kind='line', x='자치구', y='인프라 개수', secondary_y=True,color='DarkBlue', ax=ax)

ax.set_ylabel('단위면적당가격')
ax2.set_ylabel('인프라 개수')


plt.tight_layout()
plt.show()

• 강남구에서 인프라개수, 집값 모두 높았은 것으로 확인.
• 강남 3구라고 칭해지는 서초구, 송파구에서 집값이 높지만, 인프라개수는 강남에 비해 떨어지는 것을 확인. 하지만 다른 지역구보단 높은 인프라개수를 가지고 있음을 확인. 
• 용산구 또한 강남3구와 비교해 집값이 높은 지역, 하지만 최근 재개발로 인프라개수는 다른 지역구에 비해 현저히 적은 편에 속함.  

5) 지역별 인프라시설별 개수 그래프화 

plt.rcParams["figure.figsize"] = (17,7)
df_total.iloc[:,3:-6].plot.bar(stacked=True, rot=0)
plt.show()

• 전체적으로 병원수가 많고 체육시설 또한 확보가 된 상태이지만, 도서관, 문화시설 수와 공원수가 적은 상태.
• 이는 서울시 도시정책에 있어 도서관,문화시설과 공원수를 늘려야함을 시사함.
• 그렇다면, 집값이 싸고 평균보다 높은 지역은 어디일까? 

6) 결과분석 : 내 집 찾기 

 

• 강동구, 강서구, 노원구가 조건에 맞는 지역에 나타났다.
• 용산구는 추후 인프라시설이 더욱 많아질 것으로 예상되는 지역으로 나타났다.