Registrų centras 2020-10-22 dieną atvėrė adresų duomenis.

Jau praėjo keli mėnesiai ir tik dabar prisiruošiau pasižiūrėti, kas per duomenys, nors OSM bendruomenė atvertus duomenis jau sėkmingai importuoja į OSM.

%matplotlib inline

import locale
import pandas as pd
import geopandas as gp
import jupyterthemes.jtplot as jtplot
import matplotlib as mpl
import matplotlib.pyplot as plt

locale.setlocale(locale.LC_TIME, 'lt_LT.UTF-8')
jtplot.style(theme='monokai', fscale=.9, figsize=(10, 4))

base = 'https://www.registrucentras.lt/aduomenys/?byla='

Apskritys¶ ¶

apskritys = pd.read_csv(f'{base}adr_apskritys.csv')
apskritys.info()
apskritys

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 6 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   ADM_KODAS       10 non-null     int64 
 1   TIPAS           10 non-null     object
 2   TIPO_SANTRUMPA  10 non-null     object
 3   VARDAS_K        10 non-null     object
 4   NUO             10 non-null     object
 5   ADM_NUO         10 non-null     object
dtypes: int64(1), object(5)
memory usage: 608.0+ bytes

	ADM_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS_K	NUO	ADM_NUO
0	10	apskritis	apskr.	Vilniaus	2015-12-22	1998-06-01
1	9	apskritis	apskr.	Utenos	2015-12-22	1998-06-01
2	8	apskritis	apskr.	Telšių	2015-12-22	1998-06-01
3	7	apskritis	apskr.	Tauragės	2015-12-22	1998-06-01
4	1	apskritis	apskr.	Alytaus	2015-12-22	1998-06-01
5	5	apskritis	apskr.	Panevėžio	2015-12-22	1998-06-01
6	4	apskritis	apskr.	Marijampolės	2015-12-22	1998-06-01
7	3	apskritis	apskr.	Klaipėdos	2015-12-22	1998-06-01
8	2	apskritis	apskr.	Kauno	2015-12-22	1998-06-01
9	6	apskritis	apskr.	Šiaulių	2015-12-22	1998-06-01

apskritys_geo = gp.read_file(f'{base}adr_gra_apskritys.json')
print('Projekcija:', apskritys_geo.crs)
apskritys_geo.info()
apskritys_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 6 columns):
 #   Column      Non-Null Count  Dtype   
---  ------      --------------  -----   
 0   FID         10 non-null     int64   
 1   APS_KODAS   10 non-null     object  
 2   APS_PAV     10 non-null     object  
 3   APS_PLOTAS  10 non-null     float64 
 4   APS_R       10 non-null     object  
 5   geometry    10 non-null     geometry
dtypes: float64(1), geometry(1), int64(1), object(3)
memory usage: 608.0+ bytes

	FID	APS_KODAS	APS_PAV	APS_PLOTAS	APS_R	geometry
0	0	1	Alytaus apskr.	541779.570953	1998.06.01	POLYGON ((517033.280 6047228.310, 517021.480 6…
1	1	10	Vilniaus apskr.	972981.673801	1998.06.01	POLYGON ((541542.508 6152968.721, 541530.937 6…
2	2	2	Kauno apskr.	808629.288424	1998.06.01	POLYGON ((451222.341 6159108.385, 451223.985 6…
3	3	3	Klaipėdos apskr.	522185.494739	1998.06.01	POLYGON ((375215.075 6251267.085, 375253.614 6…
4	4	4	Marijampolės apskr.	446540.511597	1998.06.01	POLYGON ((445334.000 6106218.000, 445198.000 6…

apskritys_geo.plot(color='none', edgecolor='whitesmoke', figsize=(16, 10));

Savivaldybės¶ ¶

savivaldybes = pd.read_csv(f'{base}adr_savivaldybes.csv')
savivaldybes.info()
savivaldybes.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 60 entries, 0 to 59
Data columns (total 7 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   SAV_KODAS       60 non-null     int64 
 1   TIPAS           60 non-null     object
 2   TIPO_SANTRUMPA  60 non-null     object
 3   VARDAS_K        60 non-null     object
 4   ADM_KODAS       60 non-null     int64 
 5   NUO             60 non-null     object
 6   SAV_NUO         60 non-null     object
dtypes: int64(2), object(5)
memory usage: 3.4+ KB

	SAV_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS_K	ADM_KODAS	NUO	SAV_NUO
0	86	savivaldybė	sav.	Švenčionių rajono	10	2015-12-22	1998-06-01
1	63	savivaldybė	sav.	Pagėgių	7	2015-12-22	2000-02-02
2	85	savivaldybė	sav.	Šalčininkų rajono	10	2015-12-22	1998-06-01
3	79	savivaldybė	sav.	Trakų rajono	10	2015-12-22	1998-06-01
4	81	savivaldybė	sav.	Ukmergės rajono	10	2015-12-22	1998-06-01

savivaldybes_geo = gp.read_file(f'{base}adr_gra_savivaldybes.json')
print('Projekcija:', savivaldybes_geo.crs)
savivaldybes_geo.info()
savivaldybes_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 60 entries, 0 to 59
Data columns (total 7 columns):
 #   Column      Non-Null Count  Dtype   
---  ------      --------------  -----   
 0   FID         60 non-null     int64   
 1   SAV_PAV     60 non-null     object  
 2   SAV_KODAS   60 non-null     object  
 3   SAV_PLOTAS  60 non-null     float64 
 4   SAV_R       60 non-null     object  
 5   APS_KODAS   60 non-null     object  
 6   geometry    60 non-null     geometry
dtypes: float64(1), geometry(1), int64(1), object(4)
memory usage: 3.4+ KB

	FID	SAV_PAV	SAV_KODAS	SAV_PLOTAS	SAV_R	APS_KODAS	geometry
0	0	Alytaus m. sav.	11	3943.467594	2000.05.01	1	POLYGON ((500756.469 6033988.999, 500746.875 6…
1	1	Pakruojo r. sav.	65	131518.855923	2000.05.01	6	POLYGON ((497655.971 6244106.537, 497632.508 6…
2	2	Druskininkų sav.	15	45301.086231	2000.05.01	1	POLYGON ((492744.946 6004830.915, 492744.590 6…
3	3	Skuodo r. sav.	75	91095.011082	2000.05.01	3	POLYGON ((375150.503 6252016.244, 375147.219 6…
4	4	Palangos m. sav.	25	7910.994589	2000.05.01	3	POLYGON ((320898.639 6219638.600, 320899.123 6…

savivaldybes_geo.plot(color='none', edgecolor='whitesmoke', figsize=(16, 10));

Seniūnijos¶ ¶

seniunijos = pd.read_csv(f'{base}adr_seniunijos.csv')
seniunijos.info()
seniunijos.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 544 entries, 0 to 543
Data columns (total 7 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   SEN_KODAS       544 non-null    int64 
 1   TIPAS           544 non-null    object
 2   TIPO_SANTRUMPA  544 non-null    object
 3   VARDAS_K        544 non-null    object
 4   SAV_KODAS       544 non-null    int64 
 5   NUO             544 non-null    object
 6   SEN_NUO         544 non-null    object
dtypes: int64(2), object(5)
memory usage: 29.9+ KB

	SEN_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS_K	SAV_KODAS	NUO	SEN_NUO
0	5475	seniūnija	sen.	Tytuvėnų apylinkių	54	2015-12-22	1998-06-01
1	5290	seniūnija	sen.	Akademijos	52	2015-12-22	1999-01-29
2	8910	seniūnija	sen.	Kernavės	89	2015-12-22	1998-06-01
3	8904	seniūnija	sen.	Alionių	89	2015-12-22	1998-06-01
4	8923	seniūnija	sen.	Gelvonų	89	2015-12-22	1998-06-01

seniunijos_geo = gp.read_file(f'{base}adr_gra_seniunijos.json')
print('Projekcija:', seniunijos_geo.crs)
seniunijos_geo.info()
seniunijos_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 544 entries, 0 to 543
Data columns (total 7 columns):
 #   Column      Non-Null Count  Dtype   
---  ------      --------------  -----   
 0   FID         544 non-null    int64   
 1   SEN_PAV     544 non-null    object  
 2   SEN_KODAS   544 non-null    object  
 3   SEN_PLOTAS  544 non-null    float64 
 4   SEN_R       544 non-null    object  
 5   SAV_KODAS   544 non-null    object  
 6   geometry    544 non-null    geometry
dtypes: float64(1), geometry(1), int64(1), object(4)
memory usage: 29.9+ KB

	FID	SEN_PAV	SEN_KODAS	SEN_PLOTAS	SEN_R	SAV_KODAS	geometry
0	0	Kriūkų sen.	8435	10012.466854	1998.06.01	84	POLYGON ((464222.000 6103650.000, 464036.154 6…
1	1	Šakių sen.	8483	23699.830864	1998.06.01	84	POLYGON ((437939.909 6099595.133, 437939.909 6…
2	2	Raseinių miesto sen.	7201	850.802323	1998.06.01	72	POLYGON ((444941.340 6140154.605, 444929.967 6…
3	3	Riešės sen.	4168	10376.382422	1998.06.01	41	POLYGON ((581536.672 6085082.629, 581424.840 6…
4	4	Skaistgirio sen.	4756	13609.842827	1998.06.01	47	POLYGON ((465064.195 6247001.250, 465059.352 6…

seniunijos_geo.plot(color='none', edgecolor='whitesmoke', figsize=(16, 10));

Gyvenvietės¶ ¶

gyvenvietes = pd.read_csv(f'{base}adr_gyvenamosios_vietoves.csv')
gyvenvietes.info()
gyvenvietes.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 21076 entries, 0 to 21075
Data columns (total 8 columns):
 #   Column          Non-Null Count  Dtype  
---  ------          --------------  -----  
 0   GYV_KODAS       21076 non-null  int64  
 1   TIPAS           21076 non-null  object 
 2   TIPO_SANTRUMPA  21076 non-null  object 
 3   VARDAS          21076 non-null  object 
 4   SEN_KODAS       20949 non-null  float64
 5   SAV_KODAS       21076 non-null  int64  
 6   NUO             21076 non-null  object 
 7   GYV_NUO         21076 non-null  object 
dtypes: float64(1), int64(2), object(5)
memory usage: 1.3+ MB

	GYV_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS	SEN_KODAS	SAV_KODAS	NUO	GYV_NUO
0	36802	kaimas	k.	Aukštieji Karklėnai	4122.0	41	2015-12-22	1998-06-01
1	36803	kaimas	k.	Didieji Karklėnai	4122.0	41	2015-12-22	1998-06-01
2	36806	kaimas	k.	Pupeliai	4122.0	41	2015-12-22	1998-06-01
3	12936	viensėdis	vs.	Dailidžiai	8910.0	89	2015-12-22	1998-06-01
4	30265	kaimas	k.	Valiukiškiai	8910.0	89	2015-12-22	1998-06-01

gyvenvietes_geo = gp.read_file(f'{base}adr_gra_gyvenamosios_vietoves.json')
print('Projekcija:', gyvenvietes_geo.crs)
gyvenvietes_geo.info()
gyvenvietes_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 21030 entries, 0 to 21029
Data columns (total 7 columns):
 #   Column     Non-Null Count  Dtype   
---  ------     --------------  -----   
 0   FID        21030 non-null  int64   
 1   GYV_KODAS  21030 non-null  int64   
 2   GYV_PAV    21030 non-null  object  
 3   PLOTAS     21030 non-null  float64 
 4   GYV_R      21030 non-null  object  
 5   SAV_KODAS  21030 non-null  object  
 6   geometry   21030 non-null  geometry
dtypes: float64(1), geometry(1), int64(2), object(3)
memory usage: 1.1+ MB

	FID	GYV_KODAS	GYV_PAV	PLOTAS	GYV_R	SAV_KODAS	geometry
0	0	27009	Skrodlių vs.	148.60	1998.06.01	63	POLYGON ((367960.585 6127775.869, 367954.410 6…
1	1	14343	Gailiškių vs.	17.91	1998.06.01	63	POLYGON ((364503.632 6126941.414, 364681.141 6…
2	2	28918	Tamošaičių k.	294.39	1998.06.01	63	POLYGON ((370889.142 6126564.789, 370893.048 6…
3	3	31177	Vydutaičių k.	796.49	1998.06.01	63	POLYGON ((372667.582 6121122.573, 372654.820 6…
4	4	14159	Eisraviškių k.	794.92	1998.06.01	63	POLYGON ((369269.430 6122014.090, 369091.090 6…

gyvenvietes_geo.plot(color='none', edgecolor='whitesmoke', figsize=(16, 10));

Matau, kad kai kurios gyvenvietės nepriskirtos seniūnijai, įdomu, kokios tai gyvenvietės?

gyvenvietes[gyvenvietes['SEN_KODAS'].isnull()].head()

	GYV_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS	SEN_KODAS	SAV_KODAS	NUO	GYV_NUO
452	36668	kaimas	k.	Traksėdis	NaN	87	2015-12-22	1998-06-01
1909	31248	kaimas	k.	Vaidegiai	NaN	13	2015-12-22	1998-06-01
2372	19969	kaimas	k.	Mačiuliškės	NaN	13	2015-12-22	1998-06-01
2386	11307	kaimas	k.	Bališkės	NaN	13	2015-12-22	1998-06-01
5654	31003	miestas	m.	Vilnius	NaN	13	2015-12-22	1998-06-01

Turėjau įtarimą, kad gal būt didieji miestai neturi seniūnijos kodo, bet matau, kad yra ir kaimai, gal būt patys kaimai yra seniūnijos?

gyvenvietes['SEN_KODAS'].isnull().sum()

seniunijos.shape[0]

Viso yra 127 gyvenvietės be seniūnijos kodo, o viso seniūnijų yra 544.

Įdomu, koks duomenų pasiskirstymas, pagal gyvenvietės tipą?

gyvenvietes['TIPAS'].value_counts().plot.barh(logx=True);

Net nežinojau, kad yra toks gyvenvietes klasifikatorius, kaip „geležinkelio stotis“.

Gatvės¶ ¶

gatves = pd.read_csv(f'{base}adr_gatves.csv')
gatves.info()
gatves.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 57528 entries, 0 to 57527
Data columns (total 7 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   GAT_KODAS       57528 non-null  int64 
 1   TIPAS           57528 non-null  object
 2   TIPO_SANTRUMPA  57528 non-null  object
 3   VARDAS_K        57528 non-null  object
 4   GYV_KODAS       57528 non-null  int64 
 5   NUO             57528 non-null  object
 6   GAT_NUO         57528 non-null  object
dtypes: int64(2), object(5)
memory usage: 3.1+ MB

	GAT_KODAS	TIPAS	TIPO_SANTRUMPA	VARDAS_K	GYV_KODAS	NUO	GAT_NUO
0	1122775	gatvė	g.	Pyvesos	27713	2015-12-22	2011-10-11
1	1842758	gatvė	g.	Jakštaičių	28338	2015-12-22	1998-06-01
2	1680705	gatvė	g.	Sembos	28338	2015-12-22	1998-06-01
3	1169339	gatvė	g.	Miško	22902	2015-12-22	1998-06-01
4	1686646	gatvė	g.	Saulėtekio	15691	2015-12-22	1998-06-01

gatves_geo = gp.read_file(f'{base}adr_gra_gatves.json')
print('Projekcija:', gatves_geo.crs)
gatves_geo.info()
gatves_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 57520 entries, 0 to 57519
Data columns (total 7 columns):
 #   Column     Non-Null Count  Dtype   
---  ------     --------------  -----   
 0   FID        57520 non-null  int64   
 1   GAT_KODAS  57520 non-null  int64   
 2   GAT_PAV    57520 non-null  object  
 3   GTV_R      57520 non-null  object  
 4   GAT_ILGIS  57520 non-null  float64 
 5   GYV_KODAS  57520 non-null  int64   
 6   geometry   57520 non-null  geometry
dtypes: float64(1), geometry(1), int64(3), object(2)
memory usage: 3.1+ MB

	FID	GAT_KODAS	GAT_PAV	GTV_R	GAT_ILGIS	GYV_KODAS	geometry
0	0	1697051	Daržų g.	1998.06.01	75.936085	28544	LINESTRING (571800.179 6178796.241, 571785.493…
1	1	1189371	Pandėlio g.	1998.06.01	566.298773	26821	LINESTRING (575174.925 6196297.189, 575186.860…
2	2	1332051	Panevėžio g.	1998.06.01	689.658467	27758	LINESTRING (546695.493 6181477.157, 546648.563…
3	3	1225199	Medžiotojų g.	1998.06.01	344.376186	27758	LINESTRING (546748.207 6181064.186, 546663.208…
4	4	1475081	Kupiškio g.	1998.06.01	844.903611	27758	LINESTRING (546730.928 6181998.674, 546799.545…

gatves_geo.plot(color='white', alpha=.2, figsize=(16, 10));

Įdomu, koks yra gatvių pasiskirstymas laike?

pd.to_datetime(gatves['GAT_NUO']).dt.year.value_counts().plot.bar();

Įdomu, kodėl 2011 metais buvo staigus naujų įregistruotų gatvių šuolis?

Top 10 gyvenviečių, pagal gatvių skaičių?

(
    gatves['GYV_KODAS'].value_counts().to_frame(name='GATVIŲ_SK').
    join(gyvenvietes.set_index('GYV_KODAS')[['VARDAS', 'TIPAS']], how='inner').
    sort_values('GATVIŲ_SK', ascending=False).
    head(10)
)

	GATVIŲ_SK	VARDAS	TIPAS
31003	2866	Vilnius	miestas
17507	1681	Kaunas	miestas
28338	648	Šiauliai	miestas
23485	535	Panevėžys	miestas
18067	495	Klaipėda	miestas
20249	330	Marijampolė	miestas
23195	325	Palanga	miestas
13428	293	Dercekliai	kaimas
10278	278	Alytus	miestas
29090	255	Telšiai	miestas

Keista, kad kaimas „Dercekliai“ turi tiek daug gatvių. Gal aš kažką ne taip darau?

(
    gatves['GYV_KODAS'].value_counts().to_frame(name='GATVIŲ_SK').
    join(gyvenvietes.set_index('GYV_KODAS')['VARDAS'].rename('MIESTAS'), how='inner').
    sort_values('GATVIŲ_SK', ascending=False).
    set_index('MIESTAS', drop=True).
    head(10).plot.barh()
);

Adresai¶ ¶

adresai = pd.read_csv(f'{base}adr_stat_lr.csv', low_memory=False)
adresai.info()
adresai.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1036251 entries, 0 to 1036250
Data columns (total 9 columns):
 #   Column       Non-Null Count    Dtype  
---  ------       --------------    -----  
 0   SAV_KODAS    1036251 non-null  int64  
 1   AOB_KODAS    1036251 non-null  int64  
 2   GYV_KODAS    1036251 non-null  int64  
 3   GAT_KODAS    965309 non-null   float64
 4   NR           1036251 non-null  object 
 5   KORPUSO_NR   2490 non-null     object 
 6   PASTO_KODAS  1023716 non-null  object 
 7   NUO          1036251 non-null  object 
 8   AOB_NUO      1036251 non-null  object 
dtypes: float64(1), int64(3), object(5)
memory usage: 71.2+ MB

	SAV_KODAS	AOB_KODAS	GYV_KODAS	GAT_KODAS	NR	KORPUSO_NR	PASTO_KODAS	NUO	AOB_NUO
0	34	155328408	10403	1204934.0	1	NaN	LT-29106	2015-12-22	2005-01-25
1	34	155328412	10403	1204934.0	7	NaN	LT-29107	2015-12-22	2005-01-25
2	34	155328427	10403	1204934.0	9	NaN	LT-29107	2015-12-22	2005-01-25
3	34	155328431	10403	1204934.0	3	NaN	LT-29107	2015-12-22	2005-01-25
4	34	155328446	10403	1204934.0	5	NaN	LT-29107	2015-12-22	2005-01-25

adresai_geo = pd.concat([
    (
        gp.read_file(f'{base}adr_gra_{sav_kodas}.json').
        set_index('AOB_KODAS', drop=True)
    )
    for sav_kodas in savivaldybes['SAV_KODAS']
])
print('Projekcija:', adresai_geo.crs)
adresai_geo.info()
adresai_geo.head()

Projekcija: epsg:3346
<class 'geopandas.geodataframe.GeoDataFrame'>
Int64Index: 1036251 entries, 158648089 to 192533876
Data columns (total 12 columns):
 #   Column      Non-Null Count    Dtype   
---  ------      --------------    -----   
 0   FID         1036251 non-null  int64   
 1   GYV_KODAS   1036251 non-null  int64   
 2   GAT_KODAS   1036251 non-null  int64   
 3   X_KOORD     1036251 non-null  int64   
 4   Y_KOORD     1036251 non-null  int64   
 5   AOB_R       1036251 non-null  object  
 6   AOB_RK      1036251 non-null  object  
 7   AOB_ATR_KO  1036251 non-null  object  
 8   PASTO_KODA  1036251 non-null  object  
 9   E_KOORD     1036251 non-null  float64 
 10  N_KOORD     1036251 non-null  float64 
 11  geometry    1036251 non-null  geometry
dtypes: float64(2), geometry(1), int64(5), object(4)
memory usage: 102.8+ MB

	FID	GYV_KODAS	GAT_KODAS	X_KOORD	Y_KOORD	AOB_R	AOB_RK	AOB_ATR_KO	PASTO_KODA	E_KOORD	N_KOORD	geometry
AOB_KODAS
158648089	0	28838	1224063	636663	6112054	2005.09.08	2005.09.08	2005.09.08	LT-18123	26.142837	55.125299	POINT (636663.000 6112054.000)
156447422	1	28838	1476198	638846	6112863	2005.09.08	2005.09.08	2005.09.08	LT-18110	26.177434	55.131956	POINT (638846.000 6112863.000)
156230625	2	28838	1224044	639677	6111708	2005.09.08	2005.09.08	2005.09.08	LT-18130	26.189888	55.121353	POINT (639677.000 6111708.000)
158656083	3	28838	1224059	637001	6112783	2005.09.08	2005.09.08	2005.09.08	LT-18112	26.148485	55.131751	POINT (637001.000 6112783.000)
158656102	4	28838	1224059	636979	6112750	2005.09.08	2005.09.08	2005.09.08	LT-18112	26.148124	55.131461	POINT (636979.000 6112750.000)

adresai_geo.plot(markersize=1, color='white', alpha=.1, figsize=(16, 10));

Adresai yra žymiai įdomesnis dalykas, nes galima juos galima labai įvairiai panaudoti.

Pavyzdžiui galima galima surasti gatvę, kuriai priklauso daugiausiai adresų:

(
    adresai.
    groupby(['GYV_KODAS', 'GAT_KODAS']).size().to_frame(name='ADRESU_SK').
    join(gatves.set_index(['GYV_KODAS', 'GAT_KODAS'])['VARDAS_K'].rename('GATVE')).
    join(gyvenvietes.set_index('GYV_KODAS')['VARDAS'].rename('GYVENVIETE')).
    sort_values('ADRESU_SK', ascending=False).
    head(10)
)

		ADRESU_SK	GATVE	GYVENVIETE
GYV_KODAS	GAT_KODAS
31003	1249222.0	450	Kryžiokų	Vilnius
17507	1228843.0	447	Savanorių	Kaunas
	1440312.0	422	Raudondvario	Kaunas
	1685119.0	359	Panerių	Kaunas
	1666842.0	353	Taikos	Kaunas
31003	1213806.0	347	Kalvarijų	Vilnius
17507	1822199.0	303	Partizanų	Kaunas
23195	1540158.0	294	Vaivorykštės	Palanga
23485	1853838.0	288	Pušaloto	Panevėžys
28338	1808742.0	283	Vilniaus	Šiauliai

Arba, galima paskaičiuoti, kuriame mieste daugiausiai registruotų adresų:

(
    adresai.
    groupby('GYV_KODAS').size().to_frame(name='ADRESU_SK').
    join(gyvenvietes.set_index('GYV_KODAS')['VARDAS'].rename('GYVENVIETE')).
    sort_values('ADRESU_SK', ascending=False).
    head(10)
)

	ADRESU_SK	GYVENVIETE
GYV_KODAS
31003	71542	Vilnius
17507	48779	Kaunas
28338	19164	Šiauliai
23485	15883	Panevėžys
18067	12197	Klaipėda
23195	9672	Palanga
20249	7074	Marijampolė
10278	6875	Alytus
13428	6421	Dercekliai
29534	5725	Ukmergė

Įdomu, kuriame kaime registruota daugiausiai adresų?

(
    adresai.
    groupby('GYV_KODAS').size().to_frame(name='ADRESU_SK').
    join(
        gyvenvietes[gyvenvietes['TIPAS'] == 'kaimas'].
        set_index('GYV_KODAS')['VARDAS'].rename('KAIMAS'),
        how='inner',
    ).
    sort_values('ADRESU_SK', ascending=False).
    head(10)
)

	ADRESU_SK	KAIMAS
GYV_KODAS
13428	6421	Dercekliai
30131	2563	Vaiteliai
18821	2546	Kurmaičiai
29390	2469	Trušeliai
10126	2343	Akmeniškės
12210	2279	Brinkiškės
25539	2251	Rastinėnai
31793	2073	Žiaukos
13690	2031	Domeikava
13742	1989	Drąseikiai

Vėl pasirodė „Dercekliai“, pažiūrėjau žemėlapyje, tai yra didelė sodų bendrija, Klaipėdos rajone.

Įdomu, kaip keičiasi įregistruotų adresų skaičius laike?

(
    adresai.
    join(pd.to_datetime(adresai['AOB_NUO']).dt.year.rename('METAI')).
    groupby(['GYV_KODAS', 'METAI']).size().to_frame(name='ADRESU_SK').
    reset_index(level=-1).
    join(gyvenvietes.set_index('GYV_KODAS')['TIPAS']).
    groupby(['TIPAS', 'METAI'])['ADRESU_SK'].sum().cumsum().
    unstack(level=0).
    dropna().
    sort_index().
    plot(figsize=(10, 6))
);

Vėl, apie 2011 metus matosi didelis adresų kiekio augimas būtent kaimuose.

Patalpos¶ ¶

patalpos = pd.read_csv(f'{base}adr_pat_lr.csv', low_memory=False)
patalpos.info()
patalpos.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1097082 entries, 0 to 1097081
Data columns (total 6 columns):
 #   Column       Non-Null Count    Dtype 
---  ------       --------------    ----- 
 0   SAV_KODAS    1097082 non-null  int64 
 1   PAT_KODAS    1097082 non-null  int64 
 2   AOB_KODAS    1097082 non-null  int64 
 3   PATALPOS_NR  1097082 non-null  object
 4   NUO          1097082 non-null  object
 5   PAT_NUO      1097082 non-null  object
dtypes: int64(3), object(3)
memory usage: 50.2+ MB

	SAV_KODAS	PAT_KODAS	AOB_KODAS	PATALPOS_NR	NUO	PAT_NUO
0	29	160315148	158100896	406	2015-12-22	2009-05-08
1	29	160343261	158100896	516	2015-12-22	2009-05-08
2	29	160338615	158100896	514	2015-12-22	2009-05-08
3	29	160352353	158100896	503	2015-12-22	2009-05-08
4	29	160354337	158100896	513	2015-12-22	2009-05-08

Kaip suprantu, viename adrese gali būti kelios patalpos?

patalpos['AOB_KODAS'].value_counts().rename('ADRESAS').plot.box(vert=False, logx=True);

Labai keista, jei teisingai suprantu, tai vienu adresu, daugeliu atveju registruotos kelios patalpos, bet yra pavieniai atvejai, kur vienu adresu yra registruotą tūkstančiai patalpų.

Bando pažiūrėti kokiais adresais registruota daugiausiai patalpų:

(
    patalpos['AOB_KODAS'].value_counts().to_frame(name='PATALPU_SK').
    join(adresai.set_index('AOB_KODAS')).
    set_index(['GYV_KODAS', 'GAT_KODAS']).
    join(gatves.set_index(['GYV_KODAS', 'GAT_KODAS'])['VARDAS_K'].rename('GATVE')).
    join(gyvenvietes.set_index('GYV_KODAS')['VARDAS'].rename('GYVENVIETE')).
    sort_values('PATALPU_SK', ascending=False).
    head(10).reset_index(drop=True)[[
        'GYVENVIETE',
        'GATVE',
        'NR',
        'PATALPU_SK',
    ]]
)

	GYVENVIETE	GATVE	NR	PATALPU_SK
0	Elektrėnai	Elektrinės	4	1291
1	Visaginas	Taikos	39	857
2	Visaginas	Kosmoso	9C	661
3	Klaipėda	Šilutės	100	608
4	Utena	Rašės	11	547
5	Kaunas	Pramonės	19	528
6	Vilnius	Kazio Ulvydo	11	503
7	Utena	Šilinės	7	495
8	Druskininkai	Ringeliškės	12	489
9	Jonava	Virbalų	21	483

Gal būt, čia kažkokioms gamykloms priklausančios patalpos?

Kaip keičiasi patalpų skaičius laike?

(
    patalpos.
    join(pd.to_datetime(patalpos['PAT_NUO']).dt.year.rename('METAI')).
    set_index('AOB_KODAS').
    join(adresai.set_index('AOB_KODAS')['GYV_KODAS']).
    groupby(['GYV_KODAS', 'METAI']).size().to_frame(name='ADRESU_SK').
    reset_index(level=-1).
    join(gyvenvietes.set_index('GYV_KODAS')['TIPAS']).
    groupby(['TIPAS', 'METAI'])['ADRESU_SK'].sum().cumsum().
    unstack(level=0).
    dropna().
    sort_index().
    plot(figsize=(10, 6))
);

Keista, kad viensėdžiuose tiek dauga patalpų, daugiau nei miestuose.

Įdomu, koks adresų pasiskirstymas žemėlapyje, pagal gyvenvietės tipą?

(
    adresai_geo.set_index('GYV_KODAS').
    join(gyvenvietes.set_index('GYV_KODAS')['TIPAS']).
    plot(markersize=1, alpha=.2, column='TIPAS', legend=True, figsize=(16, 10))
);

Kuriose vietose yra daugiausiai adresų?

fig, ax = plt.subplots(figsize=(16, 10))
hb = plt.hexbin(
    adresai_geo.geometry.x,
    adresai_geo.geometry.y,
    C=adresai_geo.any(axis=1),
    reduce_C_function=sum,
    gridsize=50,
    cmap='hot',
)
plt.colorbar(hb, ax=ax)
savivaldybes_geo.plot(ax=ax, color='none', edgecolor='lightgray');

Kuriose vietose yra daugiausiai patalpų?

df = adresai_geo.join(patalpos['AOB_KODAS'].value_counts().rename('PATALPU_SK'))

fig, ax = plt.subplots(figsize=(16, 10))
hb = plt.hexbin(
    df.geometry.x,
    df.geometry.y,
    C=df['PATALPU_SK'],
    reduce_C_function=sum,
    gridsize=50,
    cmap='hot',
)
plt.colorbar(hb, ax=ax)
savivaldybes_geo.plot(ax=ax, color='none', edgecolor='lightgray');