Python으로 좌표계 변환하기

Python으로 좌표계 변환

TM좌표계에서 WGS84좌표계로 변환하기

좌표계 변환 기능 구현을 위한 예시 데이터는 지방행정 인허가 데이터개방의 일반음식점 관련 인허가 정보를 사용했다. 이 사이트에서는 중부원점TM(EPSG:2097) 좌표계를 기준으로 데이터를 제공하고 있다. 상황에 따라 비교적 익숙한 경도 위도 좌표계 즉, WGS84(EPSG:4326) 좌표계 기준 데이터가 필요할 때가 있다. 예시에서 사용된 좌표계 외에도 다양한 좌표계들이 존재한다. 관련 정보는 한국 주요 좌표계 EPSG코드 및 proj4 인자 정리를 참고하면 된다.

필요 라이브러리

좌표계 변환 작업에 앞서 다음 파이썬 라이브러리를 불러온다.

• pandas
• numpy
• pyproj
• folium

import pandas as pd
import numpy as np
import pyproj
import folium

샘플 데이터

다운받은 일반음식점 관련 인허가 정보 데이터를 Pandas DataFrame 객체로 불러온다. 실제 데이터에는 여러 컬럼이 존재하지만, 좌표정보만 불러오기로 한다.

df = pd.read_csv("./sample/fulldata_07_24_04_P_일반음식점.csv",
                 encoding='cp949',
                 usecols=['좌표정보(x)','좌표정보(y)'])

간혹 각 좌표 컬럼의 값으로 문자열이 들어가 있는 경우가 있다. 숫자형으로 데이터 타입을 변환한 후 이상값들은 제거하기로 한다.

df['좌표정보(x)'] = pd.to_numeric(df['좌표정보(x)'], errors="coerce")
df['좌표정보(y)'] = pd.to_numeric(df['좌표정보(y)'], errors="coerce")

df = df.dropna()
df.index=range(len(df))
df.tail()

	좌표정보(x)	좌표정보(y)
1870592	192085.702260	182111.703093
1870593	190363.418899	181905.028328
1870594	188322.201767	183130.570776
1870595	188873.020499	184152.828430
1870596	187771.639116	179969.196777

위 좌표정보는 TM(EPSG:2097) 좌표계를 따르고 있는데, 좀 더 내게 익숙한 경도 위도 좌표계 즉, WGS84(EPSG:4326) 좌표계로 변환하기로 한다.

EPSG:2097에서 EPSG:4326로 변환하기

우선 좌표계를 변환해주는 함수를 다음과 같이 정의한다.

def project_array(coord, p1_type, p2_type):
    """
    좌표계 변환 함수
    - coord: x, y 좌표 정보가 담긴 NumPy Array
    - p1_type: 입력 좌표계 정보 ex) epsg:5179
    - p2_type: 출력 좌표계 정보 ex) epsg:4326
    """
    p1 = pyproj.Proj(init=p1_type)
    p2 = pyproj.Proj(init=p2_type)
    fx, fy = pyproj.transform(p1, p2, coord[:, 0], coord[:, 1])
    return np.dstack([fx, fy])[0]

좌표계 정보가 담긴 DataFrame 객체를 NumPy Array 객체로 만들고, 이 값을 위에서 정의한 함수에 다음과 같이 적용해본다.

# DataFrame -> NumPy Array 변환
coord = np.array(df)
coord

array([[284128.41408968, 428079.5825463 ],
       [346586.097961  , 261066.095208  ],
       [190593.35027262, 461111.28991305],
       ...,
       [188322.201767  , 183130.570776  ],
       [188873.020499  , 184152.82843   ],
       [187771.639116  , 179969.196777  ]])

# 좌표계 정보 설정
p1_type = "epsg:2097"
p2_type = "epsg:4326"

# project_array() 함수 실행
result = project_array(coord, p1_type, p2_type)
result

array([[127.94740197,  37.35095899],
       [128.62031642,  35.83880142],
       [126.89130156,  37.65233   ],
       ...,
       [126.86976731,  35.14724114],
       [126.87579812,  35.15646156],
       [126.86377243,  35.11873934]])

약 180만개의 좌표 정보가 1초만에 원하는 좌표계 정보로 변환되었다. 이제 경도 위도 좌표계로 변환된 NumPy Array를 DataFrame에 추가해본다.

df['경도'] = result[:, 0]
df['위도'] = result[:, 1]

df.tail()

	좌표정보(x)	좌표정보(y)	경도	위도
1870592	192085.702260	182111.703093	126.911078	35.138094
1870593	190363.418899	181905.028328	126.892182	35.136216
1870594	188322.201767	183130.570776	126.869767	35.147241
1870595	188873.020499	184152.828430	126.875798	35.156462
1870596	187771.639116	179969.196777	126.863772	35.118739

경도, 위도 좌표 정보를 바탕으로 지도에 시각화도 시도해볼 수 있다. 100개 정도만 랜덤 추출하여 그려본다.

# 데이터 100개 랜덤 추출
sample = df.sample(n=100)

# 지도 중심 좌표 설정
lat_c, lon_c = 37.53165351203043, 126.9974246490573

# Folium 지도 객체 생성
m = folium.Map(location=[lat_c, lon_c], zoom_start=6)

# 마커 생성
for _, row in sample.iterrows():
    lat, lon = row['위도'], row['경도']
    folium.Marker(location=[lat, lon]).add_to(m)
    
m