반응형
부동산 매매가 데이터 통계 정보 만들기 3편 ㅣ 오늘은 어느 정도 부동산 매매가 데이터 통계 사이트를 마무리하려고 합니다. 추가적으로 호가 정보를 구축하기 위해서는 너무 매매가 기록에만 연연하면 안된다고 생각이 들었기 때문이죠.
그래서 부동산 매매가 데이터 통계 사이튼 현재 보이시는 정도로 마무리하려고 합니다. 웹 페이지 먼저 보여드릴께요.
앞 포스팅을 못 보신 분들이라면 차례대로 보시고 오시는 것을 추천합니다.
2024.09.21 - [부동산/자동화 프로젝트] - 부동산 매매가 데이터 통계 정보 만들기 1편
2024.09.21 - [부동산/자동화 프로젝트] - 부동산 매매가 데이터 통계 정보 만들기 2편
부동산 매매가 데이터 통계 정보 만들기 3편
상단에 보이시는 페이지를 구성하고 아래와 같은 세부 보고서를 출력하려고 합니다.
각가의 페이지에는 표에 나와 있는 값 중에 유의미한 값을 추출하여 시각적인 그래프를 그리고, 그 밑에 표를 제공헤서 사용자에게 시각적인 자료 뿐만 아니라 세부 백데이터도 제공하려고 합니다.
반응형
자 이제 세부적인 코드를 공개해볼게요.
import streamlit as st
import pandas as pd
import PublicDataReader as pdr
from datetime import datetime
import json
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import os
import base64
from io import BytesIO
from report import generate_html_report, get_download_link
# 페이지 설정을 코드 상단에 위치시킴
st.set_page_config(layout="wide") # 여기를 추가합니다.
# Streamlit secrets에서 API 키 및 파일 경로 가져오기
service_key = st.secrets["general"]["SERVICE_KEY"]
json_file_path = "district.json"
# PublicDataReader API 서비스 키 사용
api = pdr.TransactionPrice(service_key)
# DistrictConverter 클래스 정의
class DistrictConverter:
def __init__(self):
self.districts = self.__read_district_file()
def __read_district_file(self):
with open(json_file_path, 'r') as f:
return json.loads(f.read())
def get_si_do_code(self, si_do_name):
for district in self.districts:
if si_do_name == district["si_do_name"]:
return district["si_do_code"]
def get_sigungu(self, si_do_code):
for district in self.districts:
if si_do_code == district["si_do_code"]:
return district["sigungu"]
import base64
from io import BytesIO
import base64
from io import BytesIO
def generate_html_report(figures, dataframes):
html_content = """
<html>
<head>
<title>부동산 데이터 분석 리포트</title>
<style>
body {
font-family: Arial, sans-serif;
margin: 20px;
}
h1 {
text-align: center;
color: #333;
}
h2 {
color: #555;
}
.table-container {
max-height: 400px; /* 원하는 높이 설정 */
overflow-y: auto; /* 수직 스크롤 적용 */
margin-bottom: 20px;
}
.table {
width: 100%;
border-collapse: collapse;
}
.table th, .table td {
border: 1px solid #ddd;
padding: 8px;
}
.table th {
background-color: #f2f2f2;
text-align: left;
}
.footer {
margin-top: 40px;
text-align: center;
font-size: 12px;
color: #777;
}
.filter {
margin-bottom: 10px;
}
</style>
</head>
<body>
<h1>부동산 매매가 분석 보고서</h1>
<p>작성자: KH
<p>홈페이지: https://2days.kr
<p>블로그 : https://aboda.kr
<p>연락처: <a href="mailto:hyperkh65@gmail.com">hyperkh65@gmail.com</a></p>
"""
# 오른쪽 출력 순서에 맞춰 추가
for title, df in dataframes.items():
html_content += f"<h2>{title}</h2>"
html_content += f"""
<div class="filter">
<input type="text" onkeyup="filterTable(this, '{title}')" placeholder="필터 입력..." />
</div>
<div class="table-container">
<div class="table" id="{title}">
{df.to_html(classes="table", border=0, escape=False)}
</div>
</div>
"""
for title, fig in figures.items():
img = BytesIO()
fig.savefig(img, format='png')
img.seek(0)
img_base64 = base64.b64encode(img.getvalue()).decode()
html_content += f"<h2>{title}</h2>"
html_content += f'<div class="graph"><img src="data:image/png;base64,{img_base64}" /></div>'
# JavaScript 추가: 이미지 클릭 시 확대 표시 및 필터 기능
html_content += """
<script>
document.querySelectorAll('.graph img').forEach(item => {
item.addEventListener('click', event => {
const img = event.target.src;
const modal = document.createElement('div');
modal.style.position = 'fixed';
modal.style.left = '0';
modal.style.top = '0';
modal.style.width = '100%';
modal.style.height = '100%';
modal.style.backgroundColor = 'rgba(0, 0, 0, 0.8)';
modal.style.zIndex = '1000';
const imgModal = document.createElement('img');
imgModal.src = img;
imgModal.style.maxWidth = '90%';
imgModal.style.maxHeight = '90%';
imgModal.style.position = 'absolute';
imgModal.style.top = '50%';
imgModal.style.left = '50%';
imgModal.style.transform = 'translate(-50%, -50%)';
modal.appendChild(imgModal);
modal.addEventListener('click', () => {
document.body.removeChild(modal);
});
document.body.appendChild(modal);
});
});
function filterTable(input, title) {
const filter = input.value.toLowerCase();
const table = document.getElementById(title);
const rows = table.getElementsByTagName("tr");
for (let i = 1; i < rows.length; i++) {
const cells = rows[i].getElementsByTagName("td");
let found = false;
for (let j = 0; j < cells.length; j++) {
if (cells[j].textContent.toLowerCase().includes(filter)) {
found = true;
break;
}
}
rows[i].style.display = found ? "" : "none";
}
}
</script>
"""
html_content += """
<div class="footer">
<p>이 보고서는 투데이즈, 아보다에서만 배포가 허락되며, 이를 무단 복제 및 배포하는 행위는 엄격히 금지합니다.</p>
</div>
</body>
</html>
"""
return html_content
# 다운로드 링크 생성 함수
def get_download_link(html_content, filename="report.html"):
b64 = base64.b64encode(html_content.encode()).decode()
return f'<a href="data:text/html;base64,{b64}" download="{filename}">다운로드 HTML 리포트</a>'
# 사용자 입력 받기
st.title("🏡 공공데이터정보 부동산실거래가 분석하기 😃")
st.sidebar.markdown("### 📋 부동산실거래가보고서") # 맨 위에 추가
si_do_name = st.sidebar.text_input("시/도를 입력하세요 (예: 서울특별시) 또는 '전국' 입력", "서울특별시")
start_year_month = st.sidebar.text_input("조회 시작 년월 (YYYYMM 형식, 예: 202301)", "202407")
end_year_month = st.sidebar.text_input("조회 종료 년월 (YYYYMM 형식, 예: 202312)", "202408")
data_query_button = st.sidebar.button("데이터 조회")
st.sidebar.markdown("### ⚙️ Made by Kimhyun ㅣ Version : 1.0") # 맨 아래에 추가
# 폰트 파일 경로 설정
current_dir = os.getcwd()
font_path = os.path.join(current_dir, 'NanumGothicCoding.ttf')
fm.fontManager.addfont(font_path)
plt.rcParams['font.family'] = 'NanumGothicCoding' # 사용자 선택한 폰트 적용
# 현재 날짜를 기준으로 기간 설정
now = datetime.now()
if not start_year_month:
start_year_month = f"{now.year}01"
if not end_year_month:
end_year_month = now.strftime("%Y%m")
# 진행 상황 표시
progress_text = st.sidebar.empty()
status_text = st.sidebar.empty()
if data_query_button:
if si_do_name and start_year_month and end_year_month:
# DistrictConverter 인스턴스 생성
converter = DistrictConverter()
# 데이터 수집 및 처리
all_data = pd.DataFrame()
if si_do_name == "전국":
total_count = sum(len(district["sigungu"]) for district in converter.districts)
processed_count = 0
for district in converter.districts:
si_do_code = district["si_do_code"]
sigungu_list = district["sigungu"]
for sigungu in sigungu_list:
sigungu_code = sigungu["sigungu_code"]
sigungu_name = sigungu["sigungu_name"]
# 현재 진행 상황 업데이트
processed_count += 1
progress_text.text(f"진행율: {100 * processed_count / total_count:.2f}% ({processed_count}/{total_count})")
status_text.text(f"현재 처리 중: {sigungu_name} ({sigungu_code})")
df = api.get_data(
property_type="아파트",
trade_type="매매",
sigungu_code=sigungu_code,
total_count = len(sigungu_list)
processed_count = 0
for sigungu in sigungu_list:
sigungu_code = sigungu["sigungu_code"]
sigungu_name = sigungu["sigungu_name"]
# 현재 진행 상황 업데이트
processed_count += 1
progress_text.text(f"진행율: {100 * processed_count / total_count:.2f}% ({processed_count}/{total_count})")
status_text.text(f"현재 처리 중: {sigungu_name} ({sigungu_code})")
df = api.get_data(
property_type="아파트",
trade_type="매매",
sigungu_code=sigungu_code,
start_year_month=start_year_month,
end_year_month=end_year_month
)
df["sigungu_name"] = sigungu_name
df["si_do_name"] = si_do_name
all_data = pd.concat([all_data, df], ignore_index=True)
# 컬럼 이름 변환
columns_to_select = {
"si_do_name": "시도",
"sigungu_name": "시군구",
"umdNm": "법정동",
"roadNm": "도로명",
"bonbun": "지번",
"aptNm": "아파트",
"buildYear": "건축년도",
"excluUseAr": "전용면적",
"floor": "층",
"dealYear": "거래년도",
"dealMonth": "거래월",
"dealDay": "거래일",
"dealAmount": "거래금액",
"aptSeq": "일련번호",
"dealingGbn": "거래유형",
"estateAgentSggNm": "중개사소재지",
"cdealType": "해제여부",
"cdealDay": "해제사유발생일"
}
selected_data = all_data.rename(columns=columns_to_select)[list(columns_to_select.values())]
# 데이터 표로 표시
st.write("### 조회 결과")
st.dataframe(selected_data)
# 분석 자료
st.write("### 분석 자료")
total_transactions = selected_data.shape[0]
st.write(f"총 거래량: {total_transactions}")
# 전용면적 데이터 타입 변환 및 결측치 처리
selected_data['전용면적'] = pd.to_numeric(selected_data['전용면적'], errors='coerce')
selected_data.dropna(subset=['전용면적'], inplace=True) # 결측치 삭제
# 매월 거래량
monthly_transactions = selected_data.groupby(['거래년도', '거래월']).size().reset_index(name='거래량')
# 매월 거래량 시각화
st.header("매월 거래량 📅")
fig_monthly = plt.figure(figsize=(10, 6))
plt.bar(monthly_transactions['거래년도'].astype(str) + '-' + monthly_transactions['거래월'].astype(str), monthly_transactions['거래량'], color='skyblue')
plt.xlabel('연도-월', fontsize=14)
plt.ylabel('거래량', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
st.pyplot(fig_monthly)
# 매월 거래량 표 추가
monthly_summary = monthly_transactions.groupby('거래년도')['거래량'].sum().reset_index()
monthly_summary.columns = ['거래년도', '월별 거래량']
st.dataframe(monthly_transactions)
# 지역별 거래량
regional_summary = selected_data.groupby('시군구').size().reset_index(name='거래량')
regional_summary['총계'] = regional_summary['거래량'].sum() # 총계 열 추가
# 전용면적 범위별 거래량
bins = [0, 80, 100, 120, 140, float('inf')]
labels = ['0~80', '80~100', '100~120', '120~140', '140 이상']
selected_data['면적 범위'] = pd.cut(selected_data['전용면적'], bins=bins, labels=labels, right=False)
area_counts = selected_data['면적 범위'].value_counts().sort_index()
# 전용면적 범위별 거래량 시각화
st.header("전용면적 범위별 거래량 📏")
fig_area = plt.figure(figsize=(10, 6))
plt.bar(area_counts.index, area_counts.values, color='#2196F3', edgecolor='none') # 색상 변경 및 아웃라인 제거
plt.xlabel('면적 범위', fontsize=14)
plt.ylabel('거래량', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
st.pyplot(fig_area)
# 전용면적 범위별 거래량 표 추가
area_summary = area_counts.reset_index()
area_summary.columns = ['면적 범위', '거래량']
area_summary['총계'] = area_summary['거래량'].sum() # 총계 열 추가
st.dataframe(area_summary)
# 지역별 면적 대비 거래량
regional_area_counts = selected_data.groupby(['시군구']).size()
# 데이터가 비어 있는 경우 처리
if regional_area_counts.empty:
st.write("지역별 거래량 데이터가 없습니다.")
else:
# 지역별 면적 대비 거래량 시각화
st.header("지역별 면적 대비 거래량 🌍")
fig_regional = plt.figure(figsize=(10, 6))
plt.bar(regional_area_counts.index, regional_area_counts.values, color='#FFC107', edgecolor='none') # 색상 변경 및 아웃라인 제거
plt.xlabel('시군구', fontsize=14)
plt.ylabel('거래량', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
st.pyplot(fig_regional)
# 지역별 면적 대비 거래량 표 추가
regional_summary = regional_area_counts.reset_index()
regional_summary.columns = ['시군구', '거래량']
regional_summary['총계'] = regional_summary['거래량'].sum() # 총계 열 추가
st.dataframe(regional_summary)
# 거래유형 분석
transaction_types = selected_data['거래유형'].value_counts()
# 데이터가 비어 있는 경우 처리
if transaction_types.empty:
st.write("거래유형 데이터가 없습니다.")
else:
# 거래유형 분석 시각화
st.header("거래유형 분석 🏠")
fig_types = plt.figure(figsize=(10, 6))
plt.pie(transaction_types, labels=transaction_types.index, autopct='%1.1f%%', startangle=140, colors=['#FF5733', '#33FF57']) # 색상 변경
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
st.pyplot(fig_types)
# 거래유형 분석 표
st.dataframe(transaction_types.reset_index().rename(columns={'index': '거래유형', 0: '거래량'}))
# 거래량 합계
total_volume = monthly_transactions['거래량'].sum()
st.write(f"거래량 합계: {total_volume} 🏆")
popular_apartments = selected_data.groupby(['법정동', '아파트']).size().reset_index(name='거래량')
# 각 법정동별 거래량이 가장 높은 아파트 찾기
top_apartments = popular_apartments.loc[popular_apartments.groupby('법정동')['거래량'].idxmax()]
# 결과를 표로 표시
st.header("법정동별 거래 빈도가 높은 아파트 🌍")
st.dataframe(top_apartments)
# 모든 그림과 데이터프레임 저장
figures = {
"매월 거래량": fig_monthly,
"전용면적 범위별 거래량": fig_area,
"지역별 면적 대비 거래량": fig_regional,
"거래유형 분석": fig_types
}
dataframes = {
"조회 결과": selected_data,
"매월 거래량": monthly_transactions,
"전용면적 범위별 거래량": area_summary,
"지역별 면적 대비 거래량": regional_summary,
"거래유형 분석": transaction_types.reset_index().rename(columns={'index': '거래유형', 0: '거래량'}),
"법정동별 거래 빈도가 높은 아파트": top_apartments
}
def get_download_link(filename="report.html"):
with open(filename, "rb") as f:
b64 = base64.b64encode(f.read()).decode()
return f'<a href="data:file/html;base64,{b64}" download="{filename}">무료보고서 다운받으세요</a>'
# 다운로드 링크 표시
st.sidebar.markdown(get_download_link("report.html"), unsafe_allow_html=True)이 코드를 활용하여 부동산 웹페이지 구성이 끝났습니다. 이제 이 코드와 연결하여 호가 정보도 보여주도록 구성하려고 합니다. 호가 정보가 끝나면 버전 v2.0 으로 배포할 생각입니다.
페이지에 다운 받은 파일은 아래와 같이 보여드릴게요!
기간은 2024.1월 ~ 2024.8월 까지 수집한 서울특별시 실거래가 정보 및 분석 자료입니다.
서울특별시(24.1~24.8)실거래가.html
19.59MB
html 보고서로 만든 이유는 표를 쉽게 보실 수 있도록 한 이유입니다.
감사합니다~
728x90
반응형
'부동산 > 자동화 프로젝트' 카테고리의 다른 글
| 부동산 매물 정보 수집하기 - 부동산 데이터 네이버 부동산 크롤링 및 가공 #3 (1) | 2024.10.26 |
|---|---|
| 부동산 매매가 데이터 통계 정보 만들기 2편 (3) | 2024.10.05 |
| 부동산 매매가 데이터 통계 정보 만들기 1편 (2) | 2024.10.04 |
| [심화] streamlit 에 부동산 호가 수집 정보 서비스 하기 (3) | 2024.10.02 |
| [고급] 부동산 정보 필터 고도화 - 네이버 매물 정리하기 2 (5) | 2024.10.01 |