import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

plt.rc("font", family = "Malgun Gothic")
plt.rc("axes", unicode_minus=False)

from IPython.display import set_matplotlib_formats
set_matplotlib_formats("retina")

df_2013 = pd.read_csv("./전국 평균 분양가격(2013년 9월부터 2015년 8월까지).csv", encoding="cp949")
df_2020 = pd.read_csv("./주택도시보증공사_전국 신규 민간아파트 분양가격 동향_20201116.csv", encoding="cp949")

df_2013.head()

df_2020.head()

df_2020.info()

df_2020.isnull().sum()

df_2020["분양가격"] = pd.to_numeric(df_2020["분양가격(㎡)"], errors='coerce')

df_2020["평당분양가격"] = df_2020["분양가격"] * 3.3
df_2020.head()

df_2020 = df_2020.drop(["분양가격(㎡)"], axis=1)

df_2013_melt = df_2013.melt(id_vars="지역",var_name="기간", value_name="평당분양가격")
df_2013_melt.columns =  ["지역명", "기간", "평당분양가격"] 

df_2013_melt.head()

# 연,월 구분하는 함수 만들기

def split_year(date):
    year = date.split("년")[0]
    year = int(year) # 데이터가 int 타입이 되도록
    return year

def split_month(date):
    month = date.split("년")[-1].replace("월","")
    month = int(month)
    return month

df_2013_melt["연도"] = df_2013_melt["기간"].apply(split_year)
df_2013_melt["월"] = df_2013_melt["기간"].apply(split_month)
df_2013_melt.sample(5)

# cols 사용할 column명들
cols = ['지역명', '연도', '월', '평당분양가격'] 

# 2015이전 데이터의 경우 규모구분이 따로 설정되어 있지 않아 비교를 위해 2015년이후는 '전체'에 해당하는 데이터만 추출
df_2020_compare = df_2020.loc[df_2020["규모구분"] == "전체",cols].copy()
df_2020_compare.head()

df_2013_compare = df_2013_melt[cols].copy()
df_2013_compare.head()

df = pd.concat([df_2013_compare, df_2020_compare])
df

# 연도별 data의 개수는?
df["연도"].value_counts(sort=False)

sns.barplot(data=df, x="연도", y="평당분양가격")

# 히트맵을 사용하여 지역별, 연도별 가격을 확인한다.
table = pd.pivot_table(df, index="연도", columns="지역명", values="평당분양가격").round()

plt.figure(figsize=(12, 7))
sns.heatmap(table, cmap="Blues", annot=True, fmt=".0f")

# pointplot으로 나타내기

plt.figure(figsize=(12,4))
sns.pointplot(data=df, x="연도", y="평당분양가격", hue="지역명")
plt.legend(bbox_to_anchor=(1.02, 1), loc=2, borderaxespad=0.)

plt.figure(figsize=(12,4))
sns.barplot(data=df, x="지역명", y="평당분양가격")

# violinplot으로 가시화를 더 쉽게하여 나타내본다.
plt.figure(figsize=(20, 4))
sns.violinplot(data=df, x="지역명", y="평당분양가격")

# swarmplot으로 연도별 지역의 평균가격을 확인해본다.
plt.figure(figsize=(12, 4))
sns.swarmplot(data=df, x="지역명", y="평당분양가격", hue="연도")
plt.legend(bbox_to_anchor=(1.02, 1), loc=2, borderaxespad=0.)

# 이런식으로 확인 가능.
df_2020.groupby(["지역명","규모구분"])["평당분양가격"].mean().round()

# 지역과 상관없는 규모구분별 가격
df_2020.groupby(["규모구분"])["평당분양가격"].mean()

df_2020.groupby(["규모구분"])["평당분양가격"].mean().plot.bar(rot=30)