파이썬에서 GeoPandas 기반 벡터 데이터 다루기

2026.02.01 - [GIS/01. GIS TIL] - GIS 분석을 위한 환경설정(with conda, uv)

GIS 분석을 위한 환경설정(with conda, uv)

이전 글에서는 파이썬에서 GIS 분석을 위한 환경설정을 알아봤고 이번 글에서는 본격적으로 벡터 데이터를 다루기 위한 GeoPandas에 대해서 알아보자. 

 

1️⃣ GeoPandas란?

1-1. 소개

파이썬에서 Geospatial 데이터를 다루기 위해 개발된 라이브러리인 GeoPandas는 우리가 익히 알고있는 pandas 인터페이스와 비슷하며, 추가로 지리공간 연산을 원활하게 수행할 수 있도록 개발되었다. 주요 기능으로는 다음과 같다.

• 통합 데이터 모델 : 단일 데이터 구조에서 지리공간 처리를 위한 기하학적 모양과 그 속성을 함께 저장
• 공간 연산 : 거리, 교차점, 버퍼 및 기타 기하학적 관계를 계산
• 좌표 시스템 관리 : 다양한 지도 투영과 좌표 참조 시스템 처리
• 다중 형식 지원 : Shapefile, GeoJson, GeoPackage 등 공간정보 데이터의 표준 형식을 읽고 쓰기가 가능
• 시각화 통합 : 간단한 pandas 스타일 플롯 메서드로 Matplotlib을 사용한 지도 시각화

1-2. GeoDataFrame, GeoSeries 차이점

`GeoDataFrame`은 pandas의 DataFrame이라고 생각하면 된다. 테이블 형태로 데이터를 표현하고, 공간 속성을 나타내는 `geometry` 컬럼을 추가로 가지고 있다. 이 `geometry` 컬럼은 point(ex. GPS 좌표), line(ex. 강이나 도로), polygon(ex. 구역, 건물 형상)을 포함할 수 있다.

 

`GeoSeries`는 GeoDataFrame 내의 기하학적 데이터를 다룬다. GeoDataFrame으로 작업을 수행하지만, 내부적으로는 GeoSeries가 실제 기하학적 연산을 관리한다고 생각하면 된다.

GeoDataFrame, GeoSeries차이. 출처 : OpenGeoHub

2️⃣ GeoPandas 실습

2-1. GeoPandas 설치,  GeoDataFrame 생성

geopandas와 pygis를 설치하고 import 해주면 된다.

pip install geopandas pygis

import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt

 

점 데이터(좌표 데이터)를 생성해보자. `gpd.points_from_xy()` 함수는 경도(x)와 위도(y) 열에서 기하학을 생성하는 메서드이다.

# 도시의 중심점을 좌표데이터로 생성
data = {
	"City" : ["Tokyo", "New York", "London", "Paris"],
    "Latitude": [35.6895, 40.7128, 51.5074, 48.8566],
    "Longitude": [139.6917, -74.0060, -0.1278, 2.3522]
}

# 일반 pandas dataframe 생성
df = pd.DataFrame(data)

# 좌표에서 Point 기하학을 생성하여 GeoDataFrame으로 변환
gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude))

2-2. 데이터 불러오기

지리공간 데이터 형식에는 대표적으로 3가지가 있습니다.

• `GeoJson` : Json 형식으로 웹페이지에 데이터를 올리거나 사람이 읽기 쉬운 형태
• `Shapefile` : 전통 GIS 형식으로 여러 파일(ex. `.shp`, `.shx`, `.dbf`, `.prj` 등)로 구성됨.
• `GeoPackage` : 현대적이고 단일 파일 형식으로 여러 레이어와 데이터 유형 저장이 가능함

간단하게 GeoJson 파일을 불러오는 실습을 해보자.

# opengeos의 github에 저장된 샘플 벡터데이터 파일 경로
url = "https://github.com/opengeos/datasets/releases/download/vector/nybb.
geojson"
gdf = gpd.read_file(url)
gdf.head()

2-3. 데이터 저장하기

GeoPandas는 데이터를 간단하게 저장할 수 있도록 설계되었으며 여러 출력 형식을 지원한다.

output_file = "nyc_boroughs.geojson"
gdf.to_file(output_file, driver="GeoJSON")
print(f"GeoDataFrame이 {output_file}에 저장되었습니다")

2-4. 좌표 시스템과 재투영

실세계의 형상은 복잡한 지구 위에 3차원 형태로 존재한다. 이런 형상을 2D 지도에 표현하거나 컴퓨터가 읽을 수 있도록 변환하기 위해서는 좌표시스템을 적용해야 한다.

2025.10.27 - [GIS/01. GIS TIL] - [GIS] 좌표계, 타원체 예제로 쉽게 이해하기(EP.1)

[GIS] 좌표계, 타원체 예제로 쉽게 이해하기(EP.1)

2025.10.28 - [GIS/01. GIS TIL] - [GIS] 투영법, EPSG코드 쉽게 이해하기 (EP.2)

[GIS] 투영법, EPSG코드 쉽게 이해하기 (EP.2)

좌표계와 EPSG코드에 관련된 내용은 이전에 작성한 글에 자세히 작성했습니다. 이전 글을 참조해주세요

 

그렇다면 GeoDataFrame에서 좌표계를 확인하는 방법에 대해 알아보자. `.crs`를 사용하면 좌표계를 출력한다.

print(f"현재 CRS: {gdf.crs}")

해당 데이터셋은 뉴욕 지역을 위해 설계된 `EPSG:2263`이다. 측정값이 피트로 되어있기 때문에 다양한 좌표 시스템으로 재투영해보자.

# 전역 호환성을 위해 WGS84 (위/경도)로 재투영
gdf_4326 = gdf.to_crs(epsg=4326)
print(f"Reprojected CRS : {gdf_4326.crs}")
print("="*60)
display(gdf_4326.head())

`EPSG:4326`으로 재투영한 결과 `geometry`컬럼의 값이 도(degree) 단위로 표현된다.

2-5. 공간 측정 및 분석

(1) 면적 계산

GeoPandas를 사용하는 이유 중 하나는 공간 연산이 가능하기 때문이다. `geometry`컬럼을 통해서 공간 연산을 수행해보자.

먼저 미터 단위 계산을 수행하기 위해 다시 투영을 해보자. 이번에는 웹 메르카토르 표준 형식인(EPSG:3857)을 적용한다.

참고로 `EPSG:3867`은 지도 서비스를 하는 대부분의 회사에서 표준으로 사용하는 좌표계 타입이다.

서비스	사용 여부	비고
Google Maps	✅ 사용	웹/모바일 맵에서 기본 좌표계
OpenStreetMap (OSM)	✅ 사용	거의 모든 타일 서버가 Web Mercator를 기본으로 제공
Bing Maps	✅ 사용	Microsoft 지도 서비스도 Web Mercator 기반
Mapbox	✅ 사용	Web Mercator 기반 타일만 제공
Carto / CartoDB	✅ 사용	주요 웹 맵 좌표계로 채택
네이버 지도 (Naver Maps)	✅ 사용 가능	세계 지도/타일 타입에서 EPSG:3857 지원
VWorld	✅ 사용	Web Mercator 기반 서비스 제공 (국토부 공간정보)
ArcGIS Online (Esri)	✅ 사용	기본 베이스맵 Web Mercator 기반
Leaflet 라이브러리 기본 타일들	✅ 대부분 Web Mercator	기본 CRS가 EPSG:3857

 

# 제곱미터 단위의 정확한 면적 계산을 위해 웹 메르카토르로 재투영
gdf = gdf.to_crs(epsg=3857)

# 빠른 연산을 위해 BoroName을 인덱스로 설정
gdf = gdf.set_index("BoroName")
print(f"현재 crs : {gdf.crs}")

먼저 각 BoroName(뉴욕 자치구)별로 면적을 계산한 결과 Queens가 가장 넓었으며, Brooklyn, Staten Island, Bronx, Manhattan 순으로 큰 면적 계산 결과를 확인할 수 있다.

# 제곱미터 단위로 면적 계산
gdf["area"] = gdf.area

# 더 읽기 쉬운 단위로 변환 (제곱킬로미터)
gdf["area_km2"] = gdf["area"] / 1_000_000

# 면적순으로 정렬
gdf[['area', 'area_km2']].sort_values("area_km2", ascending=False)

 

(2) 거리 계산

GeoPandas는 `geometry` 컬럼에서 다양한 기하학적 표현을 추출할 수 있는 메서드가 포함되어 있다. 폴리곤에서 경계선과 중심점을 추출하고 각 자치구별 중심점과의 거리를 계산해보자

# 폴리곤에서 경계선 추출
gdf['boundary'] = gdf.boundary
# 폴리곤의 중심점 계산
gdf['centroid'] = gdf.centroid
# 경계선과 중심점 확인하기
gdf[['boundary', 'centroid']].head()

# 맨하탄의 중심점을 기준점으로 사용
manhattan_centroid = gdf.loc['Manhattan', 'centroid']
# 각 자치구의 중심점에서 맨하탄 중심점까지의 거리 계산
gdf['distance_to_manhattan'] = gdf['centroid'].distance(manhattan_centroid)
# km 단위로 변환
gdf['distance_to_manhattan_km'] = gdf['distance_to_manhattan'] / 1000
gdf[["distance_to_manhattan_km"]].sort_values("distance_to_manhattan_km")

2-6. 통계 분석

geopandas는 pandas와 동일하게 통계 분석을 위한 메서드 사용이 가능하다.

# 요약 통계 계산
mean_distance = gdf["distance_to_manhattan_km"].mean()
max_distance = gdf["distance_to_manhattan_km"].max()
total_area = gdf["area_km2"].sum()
print(f"맨해튼까지의 평균 거리: {mean_distance:.2f} km")
print(f"맨해튼까지의 최대 거리: {max_distance:.2f} km")
print(f"NYC 총 면적: {total_area:.2f} km²")

3️⃣ 지도 시각화

GeoPandas는 Matplotlib과 통합되어 지도 시각화가 가능하다. 분석한 내용을 표현하는 다양한 방법 중에 지도 시각화 표현은 다른 사람의 이해를 돕는데 큰 역할을 하기 때문에 지도 시각화를 잘 표현한다면 의사결정에 큰 도움이 된다.

3-1. 등치 지역도 시각화

import matplotlib.pyplot as plt
# 한국어 깨짐 방지를 위해 폰트 설정(mac os기준)
plt.rc('font', family='AppleGothic')
# - 기호 깨짐 방지
plt.rcParams['axes.unicode_minus'] = False
# 고해상도 설정
plt.rcParams["figure.dpi"] = 150

# 뉴욕 자치구 면적을 보여주는 등치 지역도 생성
fig, ax = plt.subplots(figsize=(10, 6))

gdf.plot(
    column='area_km2', # 어떤 컬럼을 기준으로 색상을 표현할지 설정
    ax=ax, # ax라는 기본 배경에 해당 지도를 시각화
    legend=True, # 범례 생성
    cmap='YlOrRd', # 컬러 지정
    edgecolor='black', # 테두리 색상 설정
    linewidth=0.5 # 테두리 두께 지정
)

plt.title("NYC Boroughs by Area(km2)", fontsize=16, fontweight="bold")
plt.axis("off")
plt.tight_layout()
plt.show()

생성된 등치지역도

생성된 등치지역도는 자치구별 면적을 기준으로 색상 표현이 되었으나, 여기서 추가로 각 자치구의 중심점에 자치구 이름을 표현해보자

# 자치구별 면적을 색상으로 구분
fig, ax = plt.subplots(figsize=(4, 4))

gdf.plot(
    column='area_km2',
    ax=ax,
    legend=True,
    cmap='YlOrRd',
    edgecolor='black',
    linewidth=0.5
)

# 중심점을 점 레이어로 추가
gdf['centroid'].plot(
    ax=ax,
    color='red',
    markersize=20,
    edgecolor='darkred',
    linewidth=1
)

# 자치구 라벨 추가하기
for idx, row in gdf.iterrows():
    x = row.centroid.x
    y = row.centroid.y
    ax.annotate(
        idx,
        (x, y),
        xytext=(3,3),
        textcoords="offset points",
        fontsize=8,
        fontweight="bold",
        bbox=dict(boxstyle="round,pad=0.3", facecolor="white", alpha=0.8)
    )

plt.title("NYC Boroughs by Area(km2)", fontsize=12, fontweight="bold")
plt.axis("off")
plt.tight_layout()
plt.show()

Folium 맵을 사용하면 정적 지도가 아닌 동적 지도 생성이 가능하다. 줌 인&아웃이 가능하며, 마우스 이동에 따라서 지도 이동도 가능하다.

또한 `tooltip`과 `popup`을 통해서 마우스 커서를 객체에 올리면 팝업창에 정보가 표현된다.

m = gdf.explore(
    column='area_km2',
    cmap='YlOrRd',
    tooltip=['area_km2', 'distance_to_manhattan_km'],
    popup=True,
    legend=True
)
m