Real Data Analysis
'ggmap'을 이용해서 대구 메트로 시각화하기 - 2일차
딥스탯
2018. 11. 4. 15:14
'ggmap'을 이용해서 대구 메트로 시각화하기 - 2일차
함께 보기
- 'ggmap'을 이용해서 대구 메트로 시각화하기 - 1일차
목적
대구 메트로 상하차 정보가 인터넷에 공개되어있는데, 이를 기반으로 지도에 시각화해보면, 어떤 통찰(인사이트)를 얻을 수 있지 않을까 하는 생각이 들어서 해보게 되었다.
- 메트로, 시내버스, 택시정보 등등을 하나하나 시각화하고 이를 종합할 수 있다면, 대구 교통량이 어떤지 뿐만 아니라, 더 나아가서,
- 대구 대중교통체계가 잘 작동하고 있는지,
- 어떤 곳이 교통 취약지역인지,
- 어떤 곳이 교통이 좋은지,
- 어떻게 보강하는게 좋을 것인지 등을 고민할 수 있는 여지가 생긴다고 생각한다.
혹은 부동산?
혹은 정책평가?
필요한 패키지
tidyverse,reshape2,ggmap
library(tidyverse)## ─ Attaching packages ──────────────────────────────── tidyverse 1.2.1 ─
## ✔ ggplot2 3.1.0 ✔ purrr 0.2.5
## ✔ tibble 1.4.2 ✔ dplyr 0.7.7
## ✔ tidyr 0.8.2 ✔ stringr 1.3.1
## ✔ readr 1.1.1 ✔ forcats 0.3.0
## ─ Conflicts ───────────────────────────────── tidyverse_conflicts() ─
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()library(reshape2)##
## Attaching package: 'reshape2'
## The following object is masked from 'package:tidyr':
##
## smithslibrary(ggmap)데이터
전국도시철도역사정보표준데이터.csv ("df_역"이라 명명)
df_역 <- read.csv("../Original_Data/전국도시철도역사정보표준데이터.csv", fileEncoding = "CP949")대구도시철도공사_일별시간별승하차인원_20171231.csv ("df_승하차인원"이라 명명)
df_승하차인원 <- read.csv("../Original_Data/대구도시철도공사_일별시간별승하차인원_20171231.csv", fileEncoding = "CP949")데이터 전처리
df_역에서 대구 메트로 정보만 가져오기.
df_대구메트로역 <- df_역 %>%
select(., 노선명, 역번호, 역사명, 역위도, 역경도) %>% # 남길 열 선택
filter(., substr(노선명,1,2) == "대구") %>% # $노선명 의 앞 2자리가 대구면 선택한다.
mutate(., 노선명 = substr(노선명,9,11)) # 노선명을 정리대구 지도에 지하철역 뿌려보기
- 대구 지도 가져오기
대구지도 <- get_map(c(lon=128.60250, lat=35.87222), zoom=12, maptype="toner-lite")## maptype = "toner-lite" is only available with source = "stamen".
## resetting to source = "stamen"...
## Map from URL : http://maps.googleapis.com/maps/api/staticmap?center=35.87222,128.6025&zoom=12&size=640x640&scale=2&maptype=terrain&sensor=false
## Map from URL : http://tile.stamen.com/toner-lite/12/3509/1608.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3510/1608.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3511/1608.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3512/1608.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3509/1609.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3510/1609.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3511/1609.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3512/1609.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3509/1610.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3510/1610.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3511/1610.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3512/1610.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3509/1611.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3510/1611.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3511/1611.png
## Map from URL : http://tile.stamen.com/toner-lite/12/3512/1611.png- 1호선만
ggmap(대구지도) + geom_point(data=df_대구메트로역 %>% filter(노선명 == "1호선"), aes(역경도, 역위도, colour = 노선명))## Warning: Removed 5 rows containing missing values (geom_point).
1호선 자료가 좀 이상한 것 같다.
명덕역,대구역과칠성시장역언뜻 보기에 왼쪽으로 약간 shift 된 것 같다.2호선만
ggmap(대구지도) + geom_point(data=df_대구메트로역 %>% filter(노선명 == "2호선"), aes(역경도, 역위도, colour = 노선명))## Warning: Removed 9 rows containing missing values (geom_point).
- 3호선만
ggmap(대구지도) + geom_point(data=df_대구메트로역 %>% filter(노선명 == "3호선"), aes(역경도, 역위도, colour = 노선명))
df_승차자인원을 조금 더 다루기 쉬운 형태로 정리하기.
df_승하차_melted <- df_승하차인원 %>%
select(., -일계) %>% # 1. $일계 제거
melt(.,id.vars = c("월", "일", "역번호", "역명", "승하"),
variable.name = "시간", value.name = "인원") %>% # 2. melt 사용
mutate(., 시간 = paste(substr(시간,2,3), "-", substr(시간,5,6), sep="")) %>% # 3. 시간 바로잡기
mutate(., 역번호 = paste(substr(역번호, 1, 3))) # 4. 역번호 뒤에 0 떼기가공한 데이터 2개 (df_대구메트로역, df_승하차_melted)를 합치자.
$역번호를 기준으로 join 할 거다.
df_merged <- merge(x = df_승하차_melted, y = df_대구메트로역, by = "역번호", all.x = TRUE) %>%
select(., -역사명) # $역명 과 $역사명 이 중복이라서 제거.환승역 합치기
합치기 전에 살펴보기
levels(df_merged$역명)## [1] "각산" "감삼" "강창" "건들바위"
## [5] "경대병원" "계명대" "고산" "공단"
## [9] "교대" "구암" "남산" "내당"
## [13] "다사" "달성공원" "담티" "대곡"
## [17] "대공원" "대구역" "대구은행" "대명"
## [21] "대봉교" "대실" "동구청" "동대구역"
## [25] "동천" "동촌" "두류" "만촌"
## [29] "만평" "매천" "매천시장" "명덕1"
## [33] "명덕3" "문양" "반고개" "반야월"
## [37] "반월당1" "반월당2" "방촌" "범물"
## [41] "범어" "북구청" "사월" "상인"
## [45] "서문시장" "설화명곡" "성당못" "성서산업단지"
## [49] "송현" "수성구민운동장" "수성구청" "수성못"
## [53] "수성시장" "신기" "신남2" "신남3"
## [57] "신매" "신천" "아양교" "안심"
## [61] "안지랑" "어린이회관" "연호" "영남대"
## [65] "영대병원" "용계" "용산" "용지"
## [69] "원대" "월배" "월촌" "율하"
## [73] "이곡" "임당" "정평" "죽전"
## [77] "중앙로" "지산" "진천" "칠곡경대병원"
## [81] "칠곡운암" "칠성시장" "태전" "팔거"
## [85] "팔달" "팔달시장" "학정" "해안"
## [89] "현충로" "화원" "황금"- 역명에 뒤에 숫자가 붙은 것들이 환승역이고,
명덕1은1호선 명덕역,명덕3는3호선 명덕역등등이다.
명덕역
df_merged %>% filter(역명 %in% c("명덕1","명덕3")) %>% filter(월 == 1, 일 == 1, 시간 == "06-07")## 역번호 월 일 역명 승하 시간 인원 노선명 역위도 역경도
## 1 129 1 1 명덕1 하차 06-07 35 1호선 35.85803 128.5824
## 2 129 1 1 명덕1 승차 06-07 27 1호선 35.85803 128.5824
## 3 331 1 1 명덕3 하차 06-07 17 3호선 35.85698 128.5900
## 4 331 1 1 명덕3 승차 06-07 11 3호선 35.85698 128.5900지도로 찍었을 때,
명덕1의 위치가 왼쪽으로 shift 돼있음을 볼 수 있었기 때문에 명덕3의 위치를 사용하고자 한다.환승역의 노선명은 일괄적으로
"환승"으로 바꾸고자 한다.
df_명덕역 <- df_merged %>%
filter(., 역명 %in% c("명덕1","명덕3")) %>% # 명덕역만 골라오기
mutate(., 노선명 = "환승") %>% # 노선명을 "환승"으로
mutate(., 역번호 = "331") %>% # 역번호를 331로
mutate(., 역위도 = 35.85698) %>% # 역위도를 35.85698로
mutate(., 역경도 = 128.5900) %>% # 역경도를 128.5900으로
mutate(., 역명 = "명덕") %>% # 역명을 "명덕"으로
group_by(., 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도, 역경도) %>%
summarize(.,인원 = sum(인원))
df_명덕역 %>% head(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 331 1 1 명덕 승차 05-06 환승 35.9 129. 24
## 2 331 1 1 명덕 승차 06-07 환승 35.9 129. 38
## 3 331 1 1 명덕 승차 07-08 환승 35.9 129. 57
## 4 331 1 1 명덕 승차 08-09 환승 35.9 129. 100
## 5 331 1 1 명덕 승차 09-10 환승 35.9 129. 191
## 6 331 1 1 명덕 승차 10-11 환승 35.9 129. 183df_명덕역 %>% tail(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 331 12 31 명덕 하차 18-19 환승 35.9 129. 256
## 2 331 12 31 명덕 하차 19-20 환승 35.9 129. 184
## 3 331 12 31 명덕 하차 20-21 환승 35.9 129. 173
## 4 331 12 31 명덕 하차 21-22 환승 35.9 129. 180
## 5 331 12 31 명덕 하차 22-23 환승 35.9 129. 175
## 6 331 12 31 명덕 하차 23-24 환승 35.9 129. 221반월당역
df_merged %>% filter(역명 %in% c("반월당1","반월당2")) %>% filter(월 == 1, 일 == 1, 시간 == "06-07")## 역번호 월 일 역명 승하 시간 인원 노선명 역위도 역경도
## 1 130 1 1 반월당1 승차 06-07 95 1호선 35.86468 128.5911
## 2 130 1 1 반월당1 하차 06-07 91 1호선 35.86468 128.5911
## 3 230 1 1 반월당2 하차 06-07 64 2호선 35.86551 128.5934
## 4 230 1 1 반월당2 승차 06-07 440 2호선 35.86551 128.5934- 반월당역은 반월당2의 위치를 사용하고,
df_반월당역 <- df_merged %>%
filter(., 역명 %in% c("반월당1","반월당2")) %>% # 반월당역만 골라오기
mutate(., 노선명 = "환승") %>% # 노선명을 "환승"으로
mutate(., 역번호 = "230") %>% # 역번호를 230으로
mutate(., 역위도 = 35.86551) %>% # 역위도를 35.86551로
mutate(., 역경도 = 128.5934) %>% # 역경도를 128.5934으로
mutate(., 역명 = "반월당") %>% # 역명을 "반월당"으로
group_by(., 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도, 역경도) %>%
summarize(.,인원 = sum(인원))
df_반월당역 %>% head(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 230 1 1 반월당 승차 05-06 환승 35.9 129. 653
## 2 230 1 1 반월당 승차 06-07 환승 35.9 129. 535
## 3 230 1 1 반월당 승차 07-08 환승 35.9 129. 312
## 4 230 1 1 반월당 승차 08-09 환승 35.9 129. 215
## 5 230 1 1 반월당 승차 09-10 환승 35.9 129. 223
## 6 230 1 1 반월당 승차 10-11 환승 35.9 129. 393df_반월당역 %>% tail(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 230 12 31 반월당 하차 18-19 환승 35.9 129. 2636
## 2 230 12 31 반월당 하차 19-20 환승 35.9 129. 2294
## 3 230 12 31 반월당 하차 20-21 환승 35.9 129. 1819
## 4 230 12 31 반월당 하차 21-22 환승 35.9 129. 1925
## 5 230 12 31 반월당 하차 22-23 환승 35.9 129. 1761
## 6 230 12 31 반월당 하차 23-24 환승 35.9 129. 1654신남역
df_merged %>% filter(역명 %in% c("신남2","신남3")) %>% filter(월 == 1, 일 == 1, 시간 == "06-07")## 역번호 월 일 역명 승하 시간 인원 노선명 역위도 역경도
## 1 229 1 1 신남2 하차 06-07 55 2호선 35.86487 128.5824
## 2 229 1 1 신남2 승차 06-07 52 2호선 35.86487 128.5824
## 3 329 1 1 신남3 하차 06-07 16 3호선 35.86427 128.5823
## 4 329 1 1 신남3 승차 06-07 13 3호선 35.86427 128.5823- 신남역은 신남3의 위치를 사용하고자 한다.
df_신남역 <- df_merged %>%
filter(., 역명 %in% c("신남2","신남3")) %>% # 신남역만 골라오기
mutate(., 노선명 = "환승") %>% # 노선명을 "환승"으로
mutate(., 역번호 = "329") %>% # 역번호를 329으로
mutate(., 역위도 = 35.86427) %>% # 역위도를 35.86427로
mutate(., 역경도 = 128.5823) %>% # 역경도를 128.5823으로
mutate(., 역명 = "신남") %>% # 역명을 "신남"으로
group_by(., 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도, 역경도) %>%
summarize(.,인원 = sum(인원))
df_신남역 %>% head(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 329 1 1 신남 승차 05-06 환승 35.9 129. 42
## 2 329 1 1 신남 승차 06-07 환승 35.9 129. 65
## 3 329 1 1 신남 승차 07-08 환승 35.9 129. 73
## 4 329 1 1 신남 승차 08-09 환승 35.9 129. 100
## 5 329 1 1 신남 승차 09-10 환승 35.9 129. 126
## 6 329 1 1 신남 승차 10-11 환승 35.9 129. 178df_신남역 %>% tail(.)## # A tibble: 6 x 10
## # Groups: 역번호, 월, 일, 역명, 승하, 시간, 노선명, 역위도 [6]
## 역번호 월 일 역명 승하 시간 노선명 역위도 역경도 인원
## <chr> <int> <int> <chr> <fct> <chr> <chr> <dbl> <dbl> <int>
## 1 329 12 31 신남 하차 18-19 환승 35.9 129. 289
## 2 329 12 31 신남 하차 19-20 환승 35.9 129. 174
## 3 329 12 31 신남 하차 20-21 환승 35.9 129. 162
## 4 329 12 31 신남 하차 21-22 환승 35.9 129. 152
## 5 329 12 31 신남 하차 22-23 환승 35.9 129. 172
## 6 329 12 31 신남 하차 23-24 환승 35.9 129. 249다시 합치기
df_merged_2 <- df_merged %>%
filter(.,!(역명 %in% c("명덕1","명덕3","반월당1","반월당2","신남2","신남3"))) %>%
bind_rows(.,df_명덕역) %>%
bind_rows(.,df_반월당역) %>%
bind_rows(.,df_신남역)## Warning in bind_rows_(x, .id): binding factor and character vector,
## coercing into character vector
## Warning in bind_rows_(x, .id): binding character and factor vector,
## coercing into character vectorunique(df_merged_2$역명)## [1] "설화명곡" "화원" "대곡" "진천"
## [5] "월배" "상인" "월촌" "송현"
## [9] "성당못" "대명" "안지랑" "현충로"
## [13] "영대병원" "교대" "중앙로" "대구역"
## [17] "칠성시장" "신천" "동대구역" "동구청"
## [21] "아양교" "동촌" "해안" "방촌"
## [25] "용계" "율하" "신기" "반야월"
## [29] "각산" "안심" "문양" "다사"
## [33] "대실" "강창" "계명대" "성서산업단지"
## [37] "이곡" "용산" "죽전" "감삼"
## [41] "두류" "내당" "반고개" "경대병원"
## [45] "대구은행" "범어" "수성구청" "만촌"
## [49] "담티" "연호" "대공원" "고산"
## [53] "신매" "사월" "정평" "임당"
## [57] "영남대" "칠곡경대병원" "학정" "팔거"
## [61] "동천" "칠곡운암" "구암" "태전"
## [65] "매천" "매천시장" "팔달" "공단"
## [69] "만평" "팔달시장" "원대" "북구청"
## [73] "달성공원" "서문시장" "남산" "건들바위"
## [77] "대봉교" "수성시장" "수성구민운동장" "어린이회관"
## [81] "황금" "수성못" "지산" "범물"
## [85] "용지" "명덕" "반월당" "신남"지도에 뿌리기
2017년 12월 24일 오후 6시에서 7시 이용현황 (다시 그리기)
- 데이터 전처리
$월== 12 ,$일== 25 ,$시간== 18-19 만 가져와야함.
temp_df <- df_merged_2 %>%
filter(., (월 == 12) & 일 == 25 & 시간 == "18-19")- 승차인원만.
ggmap(대구지도) + geom_point(data=temp_df %>% filter(., 승하 == "승차") , aes(역경도, 역위도, colour = 노선명, size = 인원), alpha = 0.6)## Warning: Removed 14 rows containing missing values (geom_point).
- 하차인원만.
ggmap(대구지도) + geom_point(data=temp_df %>% filter(., 승하 == "하차") , aes(역경도, 역위도, colour = 노선명, size = 인원), alpha = 0.6)## Warning: Removed 14 rows containing missing values (geom_point).
- 둘 다 한꺼번에.
ggmap(대구지도) + geom_point(data=temp_df , aes(역경도, 역위도, colour = 노선명, size = 인원), alpha = 0.6) + facet_grid(.~승하)## Warning: Removed 28 rows containing missing values (geom_point).
2017년 요일별 이용현황
- 요일 변수를 만들어야 한다.
library(stringr)
df_merged_2 <- df_merged_2 %>%
mutate(요일 = paste("2017",
"-",str_sub(paste("0",as.character(월),sep=""),-2,-1),
"-",str_sub(paste("0",as.character(일),sep=""),-2,-1),
sep="") %>% as.Date(.) %>% weekdays(.) %>% factor(.,levels =c("월요일","화요일","수요일","목요일","금요일","토요일","일요일"))
)
head(df_merged_2)## 역번호 월 일 역명 승하 시간 인원 노선명 역위도 역경도 요일
## 1 115 1 1 설화명곡 승차 05-06 22 1호선 35.79872 128.4893 일요일
## 2 115 1 1 설화명곡 하차 05-06 1 1호선 35.79872 128.4893 일요일
## 3 115 1 1 설화명곡 하차 09-10 79 1호선 35.79872 128.4893 일요일
## 4 115 1 1 설화명곡 하차 13-14 125 1호선 35.79872 128.4893 일요일
## 5 115 1 1 설화명곡 하차 17-18 183 1호선 35.79872 128.4893 일요일
## 6 115 1 1 설화명곡 하차 21-22 152 1호선 35.79872 128.4893 일요일요일변수를 기준으로 인원의 평균을 구하려한다.
하루동안 승차자와 하차자는 매우매우 비슷해서 그렸을 때 눈으로 구별되지 않기 때문에 구태여 구분하지 않았다.
df_sum_요일 <- df_merged_2 %>%
group_by(., 역명, 노선명, 역위도, 역경도, 요일) %>%
summarize(인원 = sum(인원))
dim(df_sum_요일)## [1] 616 6head(df_sum_요일)## # A tibble: 6 x 6
## # Groups: 역명, 노선명, 역위도, 역경도 [1]
## 역명 노선명 역위도 역경도 요일 인원
## <chr> <chr> <dbl> <dbl> <fct> <int>
## 1 각산 1호선 35.9 129. 월요일 470606
## 2 각산 1호선 35.9 129. 화요일 470931
## 3 각산 1호선 35.9 129. 수요일 487756
## 4 각산 1호선 35.9 129. 목요일 487515
## 5 각산 1호선 35.9 129. 금요일 500800
## 6 각산 1호선 35.9 129. 토요일 420902- 지도에 뿌려보자.
ggmap(대구지도) + geom_point(data=df_sum_요일 , aes(역경도, 역위도, size = 인원), alpha = 0.7) + facet_grid(요일~.)## Warning: Removed 98 rows containing missing values (geom_point).
- 평일 출퇴근하는 사람들 때문에 더 많이 이용하지 않을까 했지만, 큰 차이가 없어보인다.
2017년 시간대별 이용현황 (아침, 점심, 저녁)
- 시간대 변수를 만들어야 한다.
- 아침 : ~ 12시
- 점심 : 12시 ~ 18시
- 저녁 : 18시 ~
library(stringr)
df_merged_2 <- df_merged_2 %>%
mutate(., 시간대 = ifelse(
시간 %in% c("06-07","07-08","09-10","10-11","11-12"),
"아침", ifelse(
시간 %in% c("12-13","13-14","14-15","15-16","16-17","17-18"),
"점심","저녁")) %>%
factor(.,levels =c("아침","점심","저녁"))
)
head(df_merged_2)## 역번호 월 일 역명 승하 시간 인원 노선명 역위도 역경도 요일
## 1 115 1 1 설화명곡 승차 05-06 22 1호선 35.79872 128.4893 일요일
## 2 115 1 1 설화명곡 하차 05-06 1 1호선 35.79872 128.4893 일요일
## 3 115 1 1 설화명곡 하차 09-10 79 1호선 35.79872 128.4893 일요일
## 4 115 1 1 설화명곡 하차 13-14 125 1호선 35.79872 128.4893 일요일
## 5 115 1 1 설화명곡 하차 17-18 183 1호선 35.79872 128.4893 일요일
## 6 115 1 1 설화명곡 하차 21-22 152 1호선 35.79872 128.4893 일요일
## 시간대
## 1 저녁
## 2 저녁
## 3 아침
## 4 점심
## 5 점심
## 6 저녁- 시간대 변수를 기준으로 인원의 평균을 구하려한다.
df_sum_시간대 <- df_merged_2 %>%
group_by(., 역명, 승하, 노선명, 역위도, 역경도, 시간대) %>%
summarize(인원 = sum(인원))
dim(df_sum_시간대)## [1] 528 7head(df_sum_시간대)## # A tibble: 6 x 7
## # Groups: 역명, 승하, 노선명, 역위도, 역경도 [2]
## 역명 승하 노선명 역위도 역경도 시간대 인원
## <chr> <fct> <chr> <dbl> <dbl> <fct> <int>
## 1 각산 승차 1호선 35.9 129. 아침 500444
## 2 각산 승차 1호선 35.9 129. 점심 566816
## 3 각산 승차 1호선 35.9 129. 저녁 513792
## 4 각산 하차 1호선 35.9 129. 아침 253917
## 5 각산 하차 1호선 35.9 129. 점심 589387
## 6 각산 하차 1호선 35.9 129. 저녁 709170- 지도에 뿌려보자.
ggmap(대구지도) + geom_point(data=df_sum_시간대 , aes(역경도, 역위도, colour = 승하, size = 인원), alpha = 0.6) + facet_grid(시간대~.)## Warning: Removed 84 rows containing missing values (geom_point).
- 아침과 점심에는 시내로의 유입이 더 많고, 저녁에는 유출이 더 많다. (파란 원이 더 크면 유입, 붉은 원이 더 크면 유출. 생각보다 시각적으로 잘 안 보인다.)
정리, 반성 및 Future work
생각보다 어떤 현상이 시각적으로 잘 드러나지 않아서 그 부분이 아쉬웠다. (다른 방법으로의 시각화가 더 필요한 듯 보인다. 어떤 방법들이 가능할까?)
단순하게 의사결정나무나 회귀분석이라도 적용해서 수치를 보는 것도 나쁘지 않을 듯 하다. 요일별로 차이가 있는지, 혹은 시간대별로 차이가 있는지 알아볼 수 있는 강력한 도구 중 하나가 아닐까?
역이 너무 조밀하게 있어서 구/군별로 나눠서 표시하는 것이 나을지도 모른다는 생각이 든다. 구/군별로 그 크기가 너무 많이 다르기 때문에 그려봐야만 옳은지 그른지 판단할 수 있는 문제일지도 모른다. (구/군에 대한 공간정보를 포함한 새로운 데이터가 필요하다.)
shinyR을 쓰면 상호작용하는 앱을 만들수도 있겠다.
ggplotly를 쓰면 시각적으로 더 멋있는 결과를 얻을지도 모르겠다. 공부해야봐야겠다.