Geopandas 분석 (1) geojson파일 읽고 저장 및 데이터프레임형식으로 보기

geopandas 분석방법 (1)

#위치가 포함된 데이터를 이용하여 데이터 분석하기!

#데이터 로드부터 저장까지

< 순서 >
1) geojson 데이터 읽는 방법
2) geojson을 데이터 프레임 형식으로 만들기
3) geojson 저장방법

import geopandas as gpd
from geopandas import GeoDataFrame

import pandas as pd
import json

1) geojson 읽는 방법

state_geo = 'shp_to_gep.geojson'
cen_str=json.load(open(state_geo, encoding='utf-8'))
cen_str

{'type': 'FeatureCollection',
 'crs': {'type': 'name',
  'properties': {'name': 'urn:ogc:def:crs:OGC:1.3:CRS84'}},
 'features': [{'type': 'Feature',
   'properties': {'TOT_REG_CD': '1101053010006',
    'ADM_NM': '사직동',
    'ADM_CD': '1101053'},
   'geometry': {'type': 'Polygon',
    'coordinates': [[[126.97033304133119, 37.57911880232895],
      [126.97039244976332, 37.579099248302775],
      [126.97039708040217, 37.57909752768807],
      [126.97043980256053, 37.57907503249067],
      [126.97044812634958, 37.5790709182569],
      [126.97045250813798, 37.57906883776548],
      [126.97047415959725, 37.57904888720932],
      [126.9704975473185, 37.57902780149314]]]}},
  ...]}

2) geojson을 데이터 프레임 형식으로 만들기

• 1번째 방법

cen_str_df=gpd.read_file('D:\모빌리티\유동인구 데이터\shp_to_gep.geojson',driver='GeoJSON')
cen_str_df=cen_str_df[['ADM_NM','ADM_CD','TOT_REG_CD','geometry']]
cen_str_df

	ADM_NM	ADM_CD	TOT_REG_CD	geometry
0	사직동	1101053	1101053010006	POLYGON ((126.97033 37.57912, 126.97039 37.579...
1	사직동	1101053	1101053010001	POLYGON ((126.96613 37.57496, 126.96632 37.574...
2	사직동	1101053	1101053010003	POLYGON ((126.96645 37.57883, 126.96647 37.578...
3	사직동	1101053	1101053010002	POLYGON ((126.96877 37.57823, 126.96878 37.578...
4	사직동	1101053	1101053010005	POLYGON ((126.97399 37.57823, 126.97400 37.578...
...	...	...	...	...
19148	동화동	1102073	1102073010501	POLYGON ((127.01764 37.56250, 127.01763 37.562...
19149	명동	1102055	1102055030001	POLYGON ((126.98893 37.56810, 126.98895 37.568...
19150	장충동	1102058	1102058040004	POLYGON ((127.00338 37.55903, 127.00344 37.559...
19151	보라매동	1121052	1121052010002	POLYGON ((126.92720 37.49429, 126.92709 37.493...
19152	보라매동	1121052	1121052010001	POLYGON ((126.92591 37.49144, 126.92596 37.491...

19153 rows × 4 columns

• 2번째 방법

geo=json.load(open('shp_to_gep.geojson',encoding='utf-8'))
f = pd.json_normalize(geo['features'])
f

	type	properties.TOT_REG_CD	properties.ADM_NM	properties.ADM_CD	geometry.type	geometry.coordinates
0	Feature	1101053010006	사직동	1101053	Polygon	[[[126.97033304133119, 37.57911880232895], [12...
1	Feature	1101053010001	사직동	1101053	Polygon	[[[126.96613384750641, 37.574957380849554], [1...
2	Feature	1101053010003	사직동	1101053	Polygon	[[[126.96645292161898, 37.5788253347882], [126...
3	Feature	1101053010002	사직동	1101053	Polygon	[[[126.96877457487757, 37.57822935210929], [12...
4	Feature	1101053010005	사직동	1101053	Polygon	[[[126.9739856241019, 37.57823267082909], [126...
...	...	...	...	...	...	...
19148	Feature	1102073010501	동화동	1102073	Polygon	[[[127.01763808390233, 37.562499122782185], [1...
19149	Feature	1102055030001	명동	1102055	Polygon	[[[126.98892726910591, 37.568102798887075], [1...
19150	Feature	1102058040004	장충동	1102058	Polygon	[[[127.00338472431302, 37.559025029043795], [1...
19151	Feature	1121052010002	보라매동	1121052	Polygon	[[[126.92719682242266, 37.494286392496186], [1...
19152	Feature	1121052010001	보라매동	1121052	Polygon	[[[126.92590640761341, 37.49143781173751], [12...

19153 rows × 6 columns

3) geojson 저장방법

cen_str_df.to_file('cen_str_df.geojson', driver='GeoJSON')