준비

데이터
htps // c 칸. 오-고 ゔ r 멘 t였다. 오 rg / 달걀 t / 401000_ Kotsuujiko 2018_ Tsukibetsu

아이콘 모음
ㅡㅡㅜㅜㅜㅜㅜ 사쿠라. 네. jp/우우 s 테리아히 l/고오 gぇ_이콘 s/ 어서 x. HTML

이 페이지를 타지 않은 과정은 마지막 게시물에 기술되어 있습니다.
이번은 전회의 발전으로서, 아이콘을 사용한 매핑에 임하고 있습니다.
또한 이번에도 Google Colaboratory를 사용하고 있습니다.

우선, 자전거 사고만을 표시해 보겠습니다.

import simplekml
import pandas as pd

data = pd.read_csv("h30.1-12.csv")
data[(data['甲_種別'] == '自転車') | (data['乙_種別'] == '自転車')].head(10)

↑이런 화면이 될 것.

지금까지의 것을 이용하여 위도 경도 정보를 추출합니다.

temp = data[(data['甲_種別'] == '自転車') | (data['乙_種別'] == '自転車')]
temp2 = temp[['発生場所経度', '発生場所緯度']]
longitude_latitude_list = temp2.values.tolist()

여기서 위도 경도 안에 'nan'이 있다는 것을 알았으므로 이것들을 제거해 드리겠습니다.

import numpy
new_longitude_latitude_list = []
for i in longitude_latitude_list:
  if not(numpy.isnan(i[0]) or numpy.isnan(i[1])):
    new_longitude_latitude_list.append(i)

아이콘을 지정하여 매핑 및 결과를 저장합니다.

kml = simplekml.Kml()
for d in new_longitude_latitude_list:
  point = kml.newpoint(coords=[(d[0], d[1] )])
  point.style.iconstyle.icon.href = 'http://maps.google.co.jp/mapfiles/ms/icons/cycling.png '  # 経度，緯度
kml.save("fukuoka_bike.kml")

결과

자전거 사고가 대단한 수라는 것이 가시화의 결과로부터 알 수 있습니다.

개별적으로 살펴 보겠습니다.






각각 보면서 교차점과 합류 지점이 많이 보였습니다.
역시, 이러한 장소는 드라이버도 자전거를 타는 사람도 요주의군요.

이번에는 아이콘을 사용하고 싶기 때문에 자전거 사고로 했습니다만, 자전거 사고가 이렇게 많다고는 생각하지 않았습니다. 후쿠오카현의 사람은, 근처의 위험한 장소를 알 수 있기 때문에, 정보 제공은 고맙네요.

관련 게시물

Google 어스 프로와 simplekml을 사용하여 매핑 해보기
후쿠오카현의 교통사고(2018년)는 어떠한 장소에서 일어나고 있는 것인가.

참고 기사

pandas에서 다중 조건 AND, OR, NOT에서 행 추출(선택)

프로그램 예

point = kml.newpoint(coords=[(longitude, latitude)])
point.style.iconstyle.icon.href = 'http://maps.google.com/mapfiles/kml/shapes/campfire.png'
point.style.balloonstyle.bgcolor = simplekml.Color.white

display = 'クリックで表示する内容'
#URLを埋め込む場合の例
#display = '<p><a href=' + URL + '>' + text + '</a></p>'

point.description = display