[데이터 수집] 주소 -> 위도/경도 전환

 데이터 수집 단계에서 학습한 내용 중 네번째로 주소 데이터를 위도/경도 값으로 전환하는 방법에 대해 공부해본다.

 

1. Geocoding 지오코딩
2. 위경도 변환 코드 분석

 

---

1. Geocoding 지오코딩

- 주소와 관련된 텍스트 데이터 (주소, 도로명, 산 이름 등 고유명칭)를 위도/경도 좌표 정보로 변환하는 것

- 네이버, 구글, 다음 등 위도와 경도 관련 서비스를 해주는 다양한 geocoding 오픈 API 존재한다.

 

- 본 프로젝트에서는 네이버 클라우드 플랫폼 지도 API(Geocoding OpenAPI)를 활용했다. NAVER CLOUD PLATFORM에 접속해 네이버 지도 Geocoding에 대한 Application 활용 등록으로 API 사용을 위한 ID와 Key 정보를 발급받는다.

[네이버 지도 Geocoding API key 발급 과정 참고 블로그]

https://dlagusgh1.tistory.com/987

API 활용_네이버 지도 API (주소 입력하여 위도, 경도 추출)

 

 

2. 위경도 변환 코드 분석

requests.get() : 서버에 요청을 전달하고, 서버의 응답 결과 Response 객체를 반환
equest의 headers : 서버가 요청을 처리하기 위한 추가 정보를 제공
request의 params : 서버에 쿼리 매개변수를 전달

 

step 1. API에서 정보 받아오기

- header를 통해 네이버로부터 받은 인증을 위한 API key를 전달
- params를 통해 기본 url의 '?'뒤에 각 주소명 address가 붙은 주소변수로 전달
➡️ 각 주소마다 'url + 주소명'에 접근해서 json 형태로 위경도 정보를 받아온다.

 

step 2. 필요한 정보만 추출하기

-  Response 객체의 데이터는 기본적으로 string(text) 형식으로 출력. string을 json 형식으로 변환하여 출력하기 위해 Response 객체.json() 실행해 받아온 데이터를 json 형식으로 변환 (dictionary 형태로 변환)

- 데이터 dictionary의 'addresses' 부분에서 'x'와 'y'만 추출

➡️ 각 주소마다 위도/경도 값만 추출한다.

 

 

※ 쿼리 스트링(Query String) 주소 표현

https://주소/주소?key2=value2&key1=value1 

물음표 '?' 뒤에 나타나는 데이터를 쿼리 스트링이라 부르며 "?key=value"의 형식으로 데이터를 구분한다.

request는 매개변수 params을 통해 url 주소에서 '?' 이후에 들어갈 쿼리 변수를 전달한다.
예) 'https://www.google.com/search?q=검색어' url에서 '검색어' 부분이 쿼리 스트링에 해당한다.

 

 

import requests

def geocode(address, api_key):
    #geocode 기본 url
    base_url = "https://naveropenapi.apigw.ntruss.com/map-geocode/v2/geocode"
    
    #헤더로 API 정보 전달
    headers = {
        "X-NCP-APIGW-API-KEY-ID": api_key,
        "X-NCP-APIGW-API-KEY": api_key}
    
    #url ? 뒤에 각각의 주소 text 전달
    #json 형식으로 데이터 받아오기
    params = {
        "query": address,
        "output": "json"}

    #데이터 요청
    response = requests.get(base_url, headers=headers, params=params)
    #json 형태로 변환
    data = response.json()   

    
    if "addresses" in data:
        if len(data["addresses"]) > 0:
            latitude = data["addresses"][0]["y"]
            longitude = data["addresses"][0]["x"]
            return latitude, longitude, data

    return None, None, None

 

 

 

 

Jupyter Notebook

build = pd.read_csv(path + '/데이터 전처리/지도기반 데이터/서울시 주요 공기업 리스트 정보 (한국어_2015년).csv', encoding='cp949').iloc[:, [4,5,7,8]]

build.head()

 

Out[3]:

	명칭	도로명 주소	행정 구	행정 동
0	한국데이터베이스진흥원	서울특별시 종로구 종로51 종로타워 19층	종로구	종로1.2.3.4가동
1	한국도박문제관리센터	서울특별시 종로구 북촌로 18	종로구	가회동
2	한국문학번역원	서울특별시 강남구 영동대로 112길 32(삼성동)	강남구	삼성1동
3	한국문화관광연구원	서울특별시 강서구 금낭화로 154	강서구	방화3동
4	한국문화예술교육진흥원	서울시 마포구 성산로 128(성산동 275-3)	마포구	성산1동

 

In [4]:

import requests

def geocode(address, api_key):
    #geocode 기본 url
    base_url = "https://naveropenapi.apigw.ntruss.com/map-geocode/v2/geocode"
    
    #헤더로 API 정보 전달
    headers = {
        "X-NCP-APIGW-API-KEY-ID": api_key,
        "X-NCP-APIGW-API-KEY": api_key}
    
    #url ? 뒤에 각각의 주소 text 전달
    #json 형식으로 데이터 받아오기
    params = {
        "query": address,
        "output": "json"}

    #데이터 요청
    response = requests.get(base_url, headers=headers, params=params)
    #json 형태로 변환
    data = response.json()   

    
    if "addresses" in data:
        if len(data["addresses"]) > 0:
            latitude = data["addresses"][0]["y"]
            longitude = data["addresses"][0]["x"]
            return latitude, longitude, data

    return None, None, None

 

 

위도_list =list() #위도 list
경도_list =list() #경도 list
json_data=[]      #API 전체 data list

api_key = 'qTlsYMEbCnDMguYa6vVg50kUtOwvVq0LAmcc2gXb'


for address in build["도로명 주소"]:
    address = address.split("(")[0]

    latitude, longitude, data = geocode(address, api_key)
    위도_list.append(latitude)
    경도_list.append(longitude)
    json_data.append(data)

 

In [6]:

print(f"{build.iloc[0,1]} => 주소 json으로 변환결과\n")
print(f'x 좌표: {json_data[0]["addresses"][0]["x"]}')
print(f'y 좌표: {json_data[0]["addresses"][0]["y"]}')
print(json_data[0]["addresses"][0])

 

서울특별시 종로구 종로51 종로타워 19층 => 주소 json으로 변환결과

x 좌표: 126.9836385
y 좌표: 37.5707534
{'roadAddress': '서울특별시 종로구 종로 51 종로타워', 'jibunAddress': '서울특별시 종로구 종로2가 6 종로타워', 'englishAddress': '51, Jong-ro, Jongno-gu, Seoul, Republic of Korea', 'addressElements': [{'types': ['SIDO'], 'longName': '서울특별시', 'shortName': '서울특별시', 'code': ''}, {'types': ['SIGUGUN'], 'longName': '종로구', 'shortName': '종로구', 'code': ''}, {'types': ['DONGMYUN'], 'longName': '종로2가', 'shortName': '종로2가', 'code': ''}, {'types': ['RI'], 'longName': '', 'shortName': '', 'code': ''}, {'types': ['ROAD_NAME'], 'longName': '종로', 'shortName': '종로', 'code': ''}, {'types': ['BUILDING_NUMBER'], 'longName': '51', 'shortName': '51', 'code': ''}, {'types': ['BUILDING_NAME'], 'longName': '종로타워', 'shortName': '종로타워', 'code': ''}, {'types': ['LAND_NUMBER'], 'longName': '6', 'shortName': '6', 'code': ''}, {'types': ['POSTAL_CODE'], 'longName': '03161', 'shortName': '03161', 'code': ''}], 'x': '126.9836385', 'y': '37.5707534', 'distance': 0.0}

 

 

build_df = pd.concat([build, pd.DataFrame({"위도" : 위도_list}), pd.DataFrame({"경도":경도_list})], axis=1)
build_df.head()

 

Out[7]:

	명칭	도로명 주소	행정 구	행정 동	위도	경도
0	한국데이터베이스진흥원	서울특별시 종로구 종로51 종로타워 19층	종로구	종로1.2.3.4가동	37.5707534	126.9836385
1	한국도박문제관리센터	서울특별시 종로구 북촌로 18	종로구	가회동	37.5784155	126.9858037
2	한국문학번역원	서울특별시 강남구 영동대로 112길 32(삼성동)	강남구	삼성1동	37.5152350	127.0628625
3	한국문화관광연구원	서울특별시 강서구 금낭화로 154	강서구	방화3동	37.5791935	126.8138736
4	한국문화예술교육진흥원	서울시 마포구 성산로 128(성산동 275-3)	마포구	성산1동	37.5637955	126.9082019

 

 

 

 

 

 

 

Reference

https://ko.wikipedia.org/wiki/%EC%A7%80%EC%98%A4%EC%BD%94%EB%94%A9
https://hotel-iu.tistory.com/303
https://dlagusgh1.tistory.com/987
https://hogni.tistory.com/33
https://velog.io/@kjyeon1101/API-Python-API-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EB%B0%9B%EC%95%84%EC%98%A4%EA%B8%B0-JSON-%ED%8C%8C%EC%8B%B1%ED%95%98%EA%B8%B0
https://mixedanalytics.com/knowledge-base/api-headers-explained/https://mixedanalytics.com/knowledge-base/api-headers-explained/