Data_Mining_Kaggle

Exercise 5 - Proximity Analysis

Jupyter에서 실행하기

This notebook is an exercise in the Geospatial Analysis course. You can reference the tutorial at this link.

---

1 Introduction

You are part of a crisis response team, and you want to identify how hospitals have been responding to crash collisions in New York City.

Before you get started, run the code cell below to set everything up.

여러분은 위기 대응 팀의 일원이며, 뉴욕시에서 발생한 충돌 사고에 대해 병원이 어떻게 대응해 왔는지를 파악하려고 합니다. 시작하기 전에 아래의 코드 셀을 실행하여 모든 설정을 수행합니다.

import math
import geopandas as gpd
import pandas as pd
from shapely.geometry import MultiPolygon

import folium
from folium import Choropleth, Marker
from folium.plugins import HeatMap, MarkerCluster

embed_map() 함수를 사용하여 지도를 시각화합니다.

def embed_map(m, file_name):
    from IPython.display import IFrame
    m.save(file_name)
    return IFrame(file_name, width='100%', height='500px')

2 Exercises

2.1 1) 충돌 데이터를 시각화합니다.

아래 코드 셀을 실행하여 2013-2018년 주요 자동차 충돌을 추적하는 GeoDataFrame 충돌을 로드합니다.

collisions = gpd.read_file("C:/Users\seong taek/Desktop/archive/NYPD_Motor_Vehicle_Collisions/NYPD_Motor_Vehicle_Collisions/NYPD_Motor_Vehicle_Collisions.shp")
collisions.head()

	DATE	TIME	BOROUGH	ZIP CODE	LATITUDE	LONGITUDE	LOCATION	ON STREET	CROSS STRE	OFF STREET	…	CONTRIBU_2	CONTRIBU_3	CONTRIBU_4	UNIQUE KEY	VEHICLE TY	VEHICLE _1	VEHICLE _2	VEHICLE _3	VEHICLE _4	geometry
0	07/30/2019	0:00	BRONX	10464	40.841100	-73.784960	(40.8411, -73.78496)	NaN	NaN	121 PILOT STREET	…	Unspecified	NaN	NaN	4180045	Sedan	Station Wagon/Sport Utility Vehicle	Station Wagon/Sport Utility Vehicle	NaN	NaN	POINT (1043750.211 245785.815)
1	07/30/2019	0:10	QUEENS	11423	40.710827	-73.770660	(40.710827, -73.77066)	JAMAICA AVENUE	188 STREET	NaN	…	NaN	NaN	NaN	4180007	Sedan	Sedan	NaN	NaN	NaN	POINT (1047831.185 198333.171)
2	07/30/2019	0:25	NaN	NaN	40.880318	-73.841286	(40.880318, -73.841286)	BOSTON ROAD	NaN	NaN	…	NaN	NaN	NaN	4179575	Sedan	Station Wagon/Sport Utility Vehicle	NaN	NaN	NaN	POINT (1028139.293 260041.178)
3	07/30/2019	0:35	MANHATTAN	10036	40.756744	-73.984590	(40.756744, -73.98459)	NaN	NaN	155 WEST 44 STREET	…	NaN	NaN	NaN	4179544	Box Truck	Station Wagon/Sport Utility Vehicle	NaN	NaN	NaN	POINT (988519.261 214979.320)
4	07/30/2019	10:00	BROOKLYN	11223	40.600090	-73.965910	(40.60009, -73.96591)	AVENUE T	OCEAN PARKWAY	NaN	…	NaN	NaN	NaN	4180660	Station Wagon/Sport Utility Vehicle	Bike	NaN	NaN	NaN	POINT (993716.669 157907.212)

5 rows × 30 columns

충돌 데이터를 시각화하기 위해 대화형 맵을 만들려면 “LATITUITUITY” 및 “LONGITUITY” 열을 사용합니다. 어떤 종류의 지도가 가장 효과적이라고 생각합니까?

m_1 = folium.Map(location=[40.7, -74], zoom_start=11) 

# Your code here: Visualize the collision data
HeatMap(data=collisions[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m_1)

# Show the map
embed_map(m_1, "q_1.html")
m_1

Make this Notebook Trusted to load map: File -> Trust Notebook

2.2 2) 병원 범위를 이해합니다.

다음 코드 셀을 실행하여 병원 데이터를 로드합니다.

hospitals = gpd.read_file("C:/Users\seong taek/Desktop/archive/nyu_2451_34494/nyu_2451_34494/nyu_2451_34494.shp")
hospitals.head()

	id	name	address	zip	factype	facname	capacity	capname	bcode	xcoord	ycoord	latitude	longitude	geometry
0	317000001H1178	BRONX-LEBANON HOSPITAL CENTER - CONCOURSE DIVI…	1650 Grand Concourse	10457	3102	Hospital	415	Beds	36005	1008872.0	246596.0	40.843490	-73.911010	POINT (1008872.000 246596.000)
1	317000001H1164	BRONX-LEBANON HOSPITAL CENTER - FULTON DIVISION	1276 Fulton Ave	10456	3102	Hospital	164	Beds	36005	1011044.0	242204.0	40.831429	-73.903178	POINT (1011044.000 242204.000)
2	317000011H1175	CALVARY HOSPITAL INC	1740-70 Eastchester Rd	10461	3102	Hospital	225	Beds	36005	1027505.0	248287.0	40.848060	-73.843656	POINT (1027505.000 248287.000)
3	317000002H1165	JACOBI MEDICAL CENTER	1400 Pelham Pkwy	10461	3102	Hospital	457	Beds	36005	1027042.0	251065.0	40.855687	-73.845311	POINT (1027042.000 251065.000)
4	317000008H1172	LINCOLN MEDICAL & MENTAL HEALTH CENTER	234 E 149 St	10451	3102	Hospital	362	Beds	36005	1005154.0	236853.0	40.816758	-73.924478	POINT (1005154.000 236853.000)

“위도” 및 “경도” 열을 사용하여 병원 위치를 시각화합니다.

m_2 = folium.Map(location=[40.7, -74], zoom_start=11) 

# Your code here: Visualize the hospital locations
for idx, row in hospitals.iterrows():
    Marker([row['latitude'], row['longitude']], popup=row['name']).add_to(m_2)

# Show the map
embed_map(m_2, "q_2.html")
m_2

Make this Notebook Trusted to load map: File -> Trust Notebook

2.3 3) 가장 가까운 병원이 10킬로미터 이상 떨어진 때는 언제였습니까?

가장 가까운 병원에서 10km 이상 떨어진 곳에서 발생한 충돌로 인한 모든 행을 포함하는 DataFrame outside_range를 만듭니다.

병원과 충돌은 모두 EPSG 2263을 좌표계로 사용하고 EPSG 2263은 미터 단위를 사용합니다.

# Your code here
coverage = gpd.GeoDataFrame(geometry=hospitals.geometry).buffer(10000)
my_union = coverage.geometry.unary_union
outside_range = collisions.loc[~collisions["geometry"].apply(lambda x: my_union.contains(x))]

다음 코드 셀은 가장 가까운 병원에서 10킬로미터 이상 떨어진 곳에서 발생한 충돌의 비율을 계산합니다.

percentage = round(100*len(outside_range)/len(collisions), 2)
print("Percentage of collisions more than 10 km away from the closest hospital: {}%".format(percentage))

Percentage of collisions more than 10 km away from the closest hospital: 15.12%

2.4 4) 추천자를 만들어 보세요.

먼 곳에서 충돌이 발생할 경우 부상자를 가장 가까운 병원으로 이송하는 것이 더욱 중요합니다.

이를 고려하여 다음과 같은 추천인을 생성하기로 결정합니다:

• 충돌 위치(EPSG 2263)를 입력으로 사용합니다,
• 가장 가까운 병원을 찾습니다(EPSG 2263에서 거리 계산이 수행되는 곳)
• 가장 가까운 병원의 이름을 반환합니다.

def best_hospital(collision_location):
    # Your code here
    idx_min = hospitals.geometry.distance(collision_location).idxmin()
    my_hospital = hospitals.iloc[idx_min]
    name = my_hospital["name"]
    return name
# Test your function: this should suggest CALVARY HOSPITAL INC
print(best_hospital(outside_range.geometry.iloc[0]))

CALVARY HOSPITAL INC

2.5 5) 가장 수요가 많은 병원은 어디입니까?

Outside_range DataFrame에서 충돌만 고려할 때 가장 권장되는 병원은 무엇입니까?

4)에서 생성한 함수가 반환한 병원 이름과 정확히 일치하는 파이썬 문자열이어야 합니다.

# Your code here
highest_demand = outside_range.geometry.apply(best_hospital).value_counts().idxmax()
highest_demand

'JAMAICA HOSPITAL MEDICAL CENTER'

2.6 6) 서울시는 어디에 새로운 병원을 지어야 합니까?

가장 가까운 병원에서 10km 이상 떨어진 곳에서 발생한 충돌 외에도 병원 위치를 시각화하려면 다음 코드 셀을 (변경 없이) 실행합니다.

m_6 = folium.Map(location=[40.7, -74], zoom_start=11) 

coverage = gpd.GeoDataFrame(geometry=hospitals.geometry).buffer(10000)
folium.GeoJson(coverage.geometry.to_crs(epsg=4326)).add_to(m_6)
HeatMap(data=outside_range[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m_6)
folium.LatLngPopup().add_to(m_6)

embed_map(m_6, 'm_6.html')
m_6

Make this Notebook Trusted to load map: File -> Trust Notebook

지도의 아무 곳이나 클릭하면 위도와 경도의 해당 위치가 있는 팝업이 나타납니다.

뉴욕시는 두 개의 새로운 병원의 위치를 결정하는 데 도움을 요청합니다. 그들은 특히 3) 단계에서 계산된 백분율을 10% 미만으로 만들기 위해 위치를 식별하는 데 도움을 받기를 원합니다. 지도를 사용하여(그리고 구역법이나 병원을 짓기 위해 어떤 잠재적인 건물을 제거해야 할지에 대한 걱정 없이), 도시가 이 목표를 달성하는 데 도움이 될 두 곳을 식별할 수 있습니까?

병원 1에 대해 제안된 위도와 경도를 각각 ’lat_1’과 ’long_1’에 입력합니다. (병원 2도 마찬가지입니다.)

그런 다음 새 병원의 효과를 확인하기 위해 나머지 셀을 그대로 실행합니다. 만약 두 개의 새로운 병원이 그 비율을 10% 미만으로 만든다면, 당신의 대답은 정확하다고 표시될 것입니다.

# Your answer here: proposed location of hospital 1
lat_1 = 37
long_1 = 126

# Your answer here: proposed location of hospital 2
lat_2 = 37
long_2 = 126


# Do not modify the code below this line
try:
    new_df = pd.DataFrame(
        {'Latitude': [lat_1, lat_2],
         'Longitude': [long_1, long_2]})
    new_gdf = gpd.GeoDataFrame(new_df, geometry=gpd.points_from_xy(new_df.Longitude, new_df.Latitude))
    new_gdf.crs = {'init' :'epsg:4326'}
    new_gdf = new_gdf.to_crs(epsg=2263)
    # get new percentage
    new_coverage = gpd.GeoDataFrame(geometry=new_gdf.geometry).buffer(10000)
    new_my_union = new_coverage.geometry.unary_union
    new_outside_range = outside_range.loc[~outside_range["geometry"].apply(lambda x: new_my_union.contains(x))]
    new_percentage = round(100*len(new_outside_range)/len(collisions), 2)
    print("(NEW) Percentage of collisions more than 10 km away from the closest hospital: {}%".format(new_percentage))

    # make the map
    m = folium.Map(location=[40.7, -74], zoom_start=11) 
    folium.GeoJson(coverage.geometry.to_crs(epsg=4326)).add_to(m)
    folium.GeoJson(new_coverage.geometry.to_crs(epsg=4326)).add_to(m)
    for idx, row in new_gdf.iterrows():
        Marker([row['Latitude'], row['Longitude']]).add_to(m)
    HeatMap(data=new_outside_range[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m)
    folium.LatLngPopup().add_to(m)
    display(embed_map(m, 'q_6.html'))
except:
    q_6.hint()

m

C:\Users\seong taek\anaconda3\lib\site-packages\pyproj\crs\crs.py:141: FutureWarning: '+init=<authority>:<code>' syntax is deprecated. '<authority>:<code>' is the preferred initialization method. When making the change, be mindful of axis order changes: https://pyproj4.github.io/pyproj/stable/gotchas.html#axis-order-changes-in-proj-6
  in_crs_string = _prepare_from_proj_string(in_crs_string)


(NEW) Percentage of collisions more than 10 km away from the closest hospital: 15.12%

Make this Notebook Trusted to load map: File -> Trust Notebook

3 Congratulations!

You have just completed the Geospatial Analysis micro-course! Great job!

---

Have questions or comments? Visit the course discussion forum to chat with other learners.