10주차 2교시: pandas와 Folium으로 인터랙티브 지도 만들기

표의 정제 규칙과 지도 인코딩 규칙을 하나의 실행 흐름으로 연결하기

• 0-5분1교시 회상

  한 행과 한 마커의 대응을 예측합니다.

• 5-12분환경과 원본

  Folium을 준비하고 CSV를 불러옵니다.

• 12-24분데이터 정제

  자료형·결측·중복·좌표 범위를 처리합니다.

• 24-32분지도 그릇

  중심점·확대 수준·바탕지도를 정합니다.

• 32-43분마커 인코딩

  함수와 반복문으로 24개 마커를 만듭니다.

• 43-50분저장과 검증

  CSV·HTML을 저장하고 미션 계약을 확인합니다.

• 50-60분확장 비교

  지점 지도와 단계구분도의 차이를 판단합니다.

0-5분 · 한 행이 마커 하나가 되는지 먼저 예측하기

1교시에는 위도·경도가 위치, 프로그램 수가 마커 크기, 시설 범주가 색상, 장소명과 실제 값이 문자 정보가 된다고 정했습니다. 코드를 실행하기 전에 입력과 출력의 수를 예측합니다.

5-12분 · CELL 1-2: 환경을 준비하고 원본을 불러오기

Google Colab의 새 노트북을 열고 아래 셀을 위에서 아래로 실행합니다. pandas는 CSV와 DataFrame을 다루고, Folium은 Python에서 Leaflet 기반 지도를 구성해 노트북에 표시하거나 HTML로 저장합니다.

CELL 1 · Folium과 필요한 도구 준비

!pip -q install folium

from pathlib import Path

import folium
import pandas as pd
from google.colab import files
from IPython.display import display

print("pandas version:", pd.__version__)
print("folium version:", folium.__version__)

첫 줄의 느낌표는 Colab 환경에 Python 패키지를 설치하는 셸 명령입니다. 설치가 끝난 뒤 import folium으로 현재 런타임에서 Folium을 사용할 수 있게 합니다. 세션을 새로 시작하면 설치 셀부터 다시 실행합니다.

CELL 2 · CSV 업로드와 원본 점검

uploaded = files.upload()

source_path = "week-10-public-facilities-practice.csv"
assert source_path in uploaded, "지정된 수업용 CSV를 업로드하세요."

raw_df = pd.read_csv(source_path)

print("원본 크기:", raw_df.shape)
print("열 이름:", list(raw_df.columns))
print("열별 자료형:")
print(raw_df.dtypes)
print("열별 결측값:")
print(raw_df.isna().sum())
print("place_id 중복 수:", raw_df.duplicated(subset=["place_id"]).sum())
display(raw_df.head())

raw_df.shape의 결과는 (29, 6)이어야 합니다. 29는 행 수, 6은 열 수입니다. program_count에 unknown이 들어 있기 때문에 처음에는 숫자형이 아니라 문자열이 섞인 object로 읽힐 수 있습니다.

12-24분 · CELL 3-4: 숫자·결측·중복·좌표 범위를 순서대로 정리하기

정제 순서는 결과에 영향을 줍니다. 먼저 지도에 꼭 필요한 세 열을 숫자로 변환하고, 변환할 수 없거나 비어 있는 행을 제외합니다. 이어서 시설 식별자의 중복을 제거하고 마지막으로 좌표 범위를 확인합니다.

원본 크기로 보기 ↗

CELL 3 · 작업 사본에서 세 열을 숫자로 변환

clean_df = raw_df.copy()

numeric_columns = ["program_count", "latitude", "longitude"]

for column_name in numeric_columns:
    clean_df[column_name] = pd.to_numeric(
        clean_df[column_name],
        errors="coerce",
    )

print("숫자 변환 후 결측값:")
print(clean_df[numeric_columns].isna().sum())

pd.to_numeric()은 값을 숫자형으로 바꿉니다. errors="coerce"는 unknown처럼 숫자로 바꿀 수 없는 값을 오류로 중단시키지 않고 NaN 결측값으로 표시합니다. 이것은 문제가 해결되었다는 뜻이 아니라 다음 검사에서 발견할 수 있는 공통 표시로 바뀌었다는 뜻입니다.

CELL 4 · 결측, 중복, 좌표 범위 처리

rows_after_conversion = len(clean_df)

clean_df = clean_df.dropna(
    subset=["program_count", "latitude", "longitude"],
)
rows_after_missing = len(clean_df)

clean_df = clean_df.drop_duplicates(
    subset=["place_id"],
    keep="first",
)
rows_after_duplicates = len(clean_df)

valid_coordinate_mask = (
    clean_df["latitude"].between(-90, 90)
    & clean_df["longitude"].between(-180, 180)
)
clean_df = clean_df.loc[valid_coordinate_mask].copy()
clean_df["program_count"] = clean_df["program_count"].astype(int)
clean_df = clean_df.reset_index(drop=True)

print("변환 직후:", rows_after_conversion)
print("결측 처리 후:", rows_after_missing)
print("중복 처리 후:", rows_after_duplicates)
print("좌표 범위 처리 후:", len(clean_df))
print("범주 수:", clean_df["category"].nunique())

assert len(raw_df) == 29
assert len(clean_df) == 24
assert clean_df["category"].nunique() == 3
assert clean_df["latitude"].between(-90, 90).all()
assert clean_df["longitude"].between(-180, 180).all()

display(clean_df)

dropna(subset=["latitude", "longitude", "program_count"])는 지정한 세 열 가운데 하나라도 결측인 행을 제외합니다. drop_duplicates(subset=["place_id"])는 같은 시설 식별자가 반복된 경우 첫 행만 남깁니다. between()은 각 좌표가 양 끝값을 포함한 범위 안에 있는지 행마다 True 또는 False로 검사합니다.

24-32분 · CELL 5: 중심점·확대 수준·바탕지도로 지도 그릇 만들기

마커를 올리기 전에 빈 지도 객체를 만듭니다. 이번 예시에서는 정제된 위도와 경도의 평균을 중심점으로 사용합니다. 명백한 좌표 오류를 먼저 제외했기 때문에 평균 중심이 수업용 시설 범위 근처에 놓입니다.

map_center = [
    clean_df["latitude"].mean(),
    clean_df["longitude"].mean(),
]

facility_map = folium.Map(
    location=map_center,
    zoom_start=12,
    tiles="CartoDB positron",
    control_scale=True,
)

print("지도 중심:", map_center)
display(facility_map)

facility_map은 아직 마커가 없는 지도 객체입니다. 지도 중심은 데이터값을 표현하는 마커가 아니며, 평균 위치에 새로운 시설이 있다는 뜻도 아닙니다. 단지 처음 화면을 어디에 맞출지 정하는 설정입니다.

32-43분 · CELL 6: 함수와 반복문으로 24개 원형 마커 만들기

이제 앞에서 배운 함수, 조건문과 반복문을 다시 사용합니다. 첫 번째 함수는 프로그램 수를 6~20픽셀 반지름으로 변환하고, 두 번째 함수는 시설 범주를 세 가지 색상으로 변환합니다. 아래 색상은 밝은 바탕지도에서 문자와 마커가 묻히지 않도록 대비를 확인한 해안 팔레트입니다.

minimum_value = clean_df["program_count"].min()
maximum_value = clean_df["program_count"].max()
minimum_radius = 6
maximum_radius = 20


def scale_radius(program_count):
    if minimum_value == maximum_value:
        return (minimum_radius + maximum_radius) / 2

    value_ratio = (
        (program_count - minimum_value)
        / (maximum_value - minimum_value)
    )
    return minimum_radius + value_ratio * (
        maximum_radius - minimum_radius
    )


def category_to_color(category):
    if category == "도서관":
        return "#25696f"
    elif category == "박물관":
        return "#b94736"
    elif category == "문화센터":
        return "#455b92"
    else:
        raise ValueError("알 수 없는 시설 범주입니다: " + str(category))


marker_count = 0

for row_index, row in clean_df.iterrows():
    marker_color = category_to_color(row["category"])
    marker_radius = scale_radius(row["program_count"])
    tooltip_text = row["place_name"] + " · " + row["category"]
    popup_text = (
        row["place_name"]
        + " | 범주: "
        + row["category"]
        + " | 프로그램 수: "
        + str(row["program_count"])
    )

    folium.CircleMarker(
        location=[row["latitude"], row["longitude"]],
        radius=marker_radius,
        color=marker_color,
        weight=2,
        fill=True,
        fill_color=marker_color,
        fill_opacity=0.75,
        tooltip=tooltip_text,
        popup=popup_text,
    ).add_to(facility_map)

    marker_count = marker_count + 1

assert marker_count == len(clean_df)
print("정제 행 수:", len(clean_df))
print("생성 마커 수:", marker_count)
display(facility_map)

iterrows()는 DataFrame을 한 행씩 꺼내며 반복합니다. row_index에는 현재 행의 인덱스가, row에는 그 행의 값들이 들어 있습니다. 반복할 때마다 같은 함수와 같은 마커 생성 코드를 사용하지만 각 행의 좌표·수치·범주·이름이 달라 결과가 달라집니다.

왜 Circle이 아니라 CircleMarker인가?

Folium 공식 문서에서 CircleMarker의 반지름은 화면의 픽셀 단위이고, Circle의 반지름은 지도 위의 미터 단위입니다. 이번 수치는 시설의 영향 반경이나 실제 거리와 관계없는 프로그램 개수이므로, 화면에서 기호 크기를 비교하는 CircleMarker가 더 적절합니다.

43-50분 · CELL 7: 정제 CSV와 인터랙티브 지도 HTML 저장하기

노트북 화면에 지도가 보이는 것과 제출할 파일이 저장되는 것은 다른 일입니다. 정제된 DataFrame은 CSV로, Folium 지도 객체는 HTML로 각각 저장합니다.

cleaned_filename = "week10_cleaned_public_facilities.csv"
map_filename = "week10_public_facilities_map.html"

clean_df.to_csv(
    cleaned_filename,
    index=False,
    encoding="utf-8-sig",
)
facility_map.save(map_filename)

assert Path(cleaned_filename).is_file()
assert Path(map_filename).is_file()
assert Path(cleaned_filename).stat().st_size > 0
assert Path(map_filename).stat().st_size > 0

saved_df = pd.read_csv(cleaned_filename)
assert len(saved_df) == len(clean_df)
assert set(saved_df["place_id"]) == set(clean_df["place_id"])

print("정제 CSV:", cleaned_filename, len(saved_df), "rows")
print("지도 HTML:", map_filename)

files.download(cleaned_filename)
files.download(map_filename)

index=False는 pandas가 자동으로 만든 0부터 시작하는 인덱스를 새 CSV 열로 추가하지 않게 합니다. encoding="utf-8-sig"는 한글이 포함된 CSV를 일부 스프레드시트 프로그램에서 열 때 글자가 깨지는 문제를 줄이기 위한 설정입니다. 저장 직후 다시 읽어 행 수와 식별자가 유지되었는지 확인합니다.

3교시 위치 데이터 지도 미션의 고정 계약

3교시에는 전체 코드를 처음부터 작성하지 않습니다. 준비된 노트북의 정제 기준, 크기 함수, 색상 함수와 문자 정보 영역을 완성합니다. 자동 검사 PASS와 세 파일 제출을 마친 학생은 남은 시간과 관계없이 즉시 귀가합니다.

50-60분 · 선택 확장: 지점 지도와 단계구분도 구분하기

Folium은 GeoJSON 지역 경계와 집계표를 연결해 folium.Choropleth() 단계구분도도 만들 수 있습니다. 그러나 지점 지도와 단계구분도는 같은 데이터를 모양만 바꾼 것이 아닙니다. 관찰 단위와 필요한 파일이 다릅니다.

시설 24행을 그대로 지역 색으로 칠할 수는 없습니다. 먼저 시설을 지역별로 묶어 집계하고, 집계표의 지역 이름 또는 코드를 GeoJSON 속성과 정확히 연결해야 합니다. 이 결합은 필수 귀가 조건이나 추가 점수에 포함하지 않으며, 기본 지도를 완성한 뒤 구조를 이해하려는 학생만 공식 예시를 읽습니다.

핵심 정리

1. CSV를 불러온 raw_df는 그대로 보존하고 clean_df에서만 정리합니다.
2. 숫자 변환 실패는 errors="coerce"로 결측값으로 드러낸 뒤 근거에 따라 처리합니다.
3. 결측, 중복, 위도·경도 범위를 순서대로 처리해 29행을 유효한 24행으로 만듭니다.
4. folium.Map()은 중심점·확대 수준·바탕지도를 가진 지도 그릇을 만듭니다.
5. 함수는 수치와 범주를 반지름과 색으로 바꾸고, 반복문은 각 행을 CircleMarker 하나로 바꿉니다.
6. 정제 행 수와 마커 수를 비교하고 정제 CSV와 지도 HTML을 실제 파일로 저장합니다.

공식 자료와 추가 읽기

• Folium 공식 문서: Getting startedMap 생성, 타일, 마커, 팝업·툴팁, HTML 저장의 기본 흐름
• Folium 공식 문서: Circle과 CircleMarker미터 단위와 화면 픽셀 단위 반지름의 차이
• Folium 공식 문서: GeoJSON과 Choropleth선택 확장에서 지역 경계와 집계 데이터를 연결하는 구조
• pandas 공식 문서: to_numeric숫자 변환과 errors="coerce"의 동작
• pandas 공식 문서: DataFrame.dropna특정 열의 결측값을 기준으로 행을 처리하는 방법
• pandas 공식 문서: DataFrame.drop_duplicates식별 열을 기준으로 중복 행을 처리하는 방법
• pandas 공식 문서: Series.between위도와 경도의 양 끝값을 포함한 범위 검사