OpenWeatherMap API를 이용한 날씨 분석

Author

waterfirst

Published

May 5, 2025

소개

이 문서에서는 OpenWeatherMap API를 사용하여 여러 도시의 날씨 데이터를 수집하고 분석하는 방법을 알아봅니다. R 언어와 다양한 패키지를 사용하여 데이터를 시각화하고, 인터랙티브한 지도를 만들어 볼 것입니다.

먼저 아래 사이트에서 가입 후 api key를 발급받습니다.

OpenWeatherMap

필요한 패키지 설치 및 로드

Code

# 패키지 설치 (필요한 경우 주석 해제)
# install.packages(c("httr", "jsonlite", "tidyverse", "leaflet"))

# 패키지 로드
library(httr)
library(jsonlite)
library(tidyverse)
library(leaflet)

# API 키 설정 (실제 사용 시 이 줄은 제거하고 .Renviron 파일에 키를 저장하세요)


# 환경 변수에서 API 키 가져오기
api_key <- Sys.getenv("OPENWEATHER_API_KEY")

if (api_key == "") {
  stop("API keys not found. Please check your .Renviron file.")
}

API 키 설정

OpenWeatherMap API를 사용하기 위해서는 API 키가 필요합니다. 보안을 위해 환경 변수를 사용하여 API 키를 관리합니다.

날씨 데이터 수집 함수 정의

API를 통해 날씨 데이터를 수집하는 함수를 정의합니다.

Code

get_weather <- function(city, api_key) {
  encoded_city <- URLencode(city, reserved = TRUE)
  url <- paste0("https://api.openweathermap.org/data/2.5/weather?q=", 
                encoded_city, "&appid=", api_key, "&units=metric")
  
  response <- GET(url)
  
  if (status_code(response) == 200) {
    content <- content(response, "text")
    data <- fromJSON(content)
    return(data.frame(
      city = city,
      lat = data$coord$lat,
      lon = data$coord$lon,
      temperature = data$main$temp,
      humidity = data$main$humidity,
      wind_speed = data$wind$speed
    ))
  } else {
    warning(paste("Failed to fetch data for", city))
    return(NULL)
  }
}

데이터 수집

여러 도시의 날씨 데이터를 수집합니다.

Code

cities <- c("Seoul", "New York", "London", "Paris", "Tokyo", 
            "Sydney", "Rio de Janeiro", "Cape Town", "Moscow")

weather_data <- do.call(rbind, lapply(cities, get_weather, api_key = api_key))

print(weather_data)

            city      lat      lon temperature humidity wind_speed
1          Seoul  37.5683 126.9778       10.76       82       1.54
2       New York  40.7143 -74.0060       20.53       73       4.92
3         London  51.5085  -0.1257       12.91       50       4.12
4          Paris  48.8534   2.3488       15.29       49       6.17
5          Tokyo  35.6895 139.6917       16.38       67       4.63
6         Sydney -33.8679 151.2073       15.91       88       1.54
7 Rio de Janeiro -22.9028 -43.2075       24.47       71       2.06
8      Cape Town -33.9258  18.4232       21.85       35       4.63
9         Moscow  55.7522  37.6156       13.59       53       1.20

데이터 시각화

도시별 기온 비교

Code

ggplot(weather_data, aes(x = city, y = temperature, fill = city)) +
  geom_bar(stat = "identity") +
  theme_minimal() +
  labs(title = "Current Temperature in Different Cities",
       x = "City", y = "Temperature (°C)") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

도시별 습도와 풍속 비교

Code

weather_data_long <- weather_data %>%
  pivot_longer(cols = c(humidity, wind_speed), names_to = "metric", values_to = "value")

ggplot(weather_data_long, aes(x = city, y = value, fill = metric)) +
  geom_bar(stat = "identity", position = "dodge") +
  theme_minimal() +
  labs(title = "Humidity and Wind Speed in Different Cities",
       x = "City", y = "Value", fill = "Metric") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

추가 분석

평균 기온을 계산하고, 가장 더운 도시와 가장 추운 도시를 찾아봅니다.

Code

mean_temp <- mean(weather_data$temperature)
print(paste("Average temperature across all cities:", round(mean_temp, 2), "°C"))

[1] "Average temperature across all cities: 16.85 °C"

Code

hottest_city <- weather_data[which.max(weather_data$temperature), "city"]
coldest_city <- weather_data[which.min(weather_data$temperature), "city"]
print(paste("Hottest city:", hottest_city))

[1] "Hottest city: Rio de Janeiro"

Code

print(paste("Coldest city:", coldest_city))

[1] "Coldest city: Seoul"

인터랙티브 지도 시각화

Leaflet을 사용하여 각 도시의 날씨 정보를 지도 위에 표시합니다.

Code

# 팝업 내용 생성
weather_data$popup_content <- paste0(
  "<strong>", weather_data$city, "</strong><br>",
  "Temperature: ", round(weather_data$temperature, 1), "°C<br>",
  "Humidity: ", weather_data$humidity, "%<br>",
  "Wind Speed: ", round(weather_data$wind_speed, 1), " m/s"
)

# 아이콘 생성 함수
get_weather_icon <- function(temp) {
  if (temp < 0) return("❄️")
  else if (temp < 10) return("☁️")
  else if (temp < 20) return("⛅")
  else if (temp < 30) return("☀️")
  else return("🔥")
}

weather_data$icon <- sapply(weather_data$temperature, get_weather_icon)

# Leaflet 지도 생성
leaflet(weather_data) %>%
  addTiles() %>%  # OpenStreetMap 타일 추가
  addMarkers(
    ~lon, ~lat,
    popup = ~popup_content,
    label = ~paste(city, icon)
  )

결론

이 문서에서는 OpenWeatherMap API를 사용하여 실시간 날씨 데이터를 수집하고, 이를 다양한 방식으로 시각화하는 방법을 살펴보았습니다. 이러한 기술은 데이터 분석, 기상 연구, 여행 계획 등 다양한 분야에서 활용될 수 있습니다.

--- title: "OpenWeatherMap API를 이용한 날씨 분석" author: "waterfirst" date: "`r Sys.Date()`" format: html: toc: true code-fold: show code-tools: true execute: echo: true warning: false --- ## 소개 이 문서에서는 OpenWeatherMap API를 사용하여 여러 도시의 날씨 데이터를 수집하고 분석하는 방법을 알아봅니다. R 언어와 다양한 패키지를 사용하여 데이터를 시각화하고, 인터랙티브한 지도를 만들어 볼 것입니다. 먼저 아래 사이트에서 가입 후 api key를 발급받습니다. [OpenWeatherMap](https://home.openweathermap.org/users/sign_up) ## 필요한 패키지 설치 및 로드 ```{r setup} #| message: false # 패키지 설치 (필요한 경우 주석 해제) # install.packages(c("httr", "jsonlite", "tidyverse", "leaflet")) # 패키지 로드 library(httr) library(jsonlite) library(tidyverse) library(leaflet) # API 키 설정 (실제 사용 시 이 줄은 제거하고 .Renviron 파일에 키를 저장하세요) # 환경 변수에서 API 키 가져오기 api_key <- Sys.getenv("OPENWEATHER_API_KEY") if (api_key == "") { stop("API keys not found. Please check your .Renviron file.") } ``` ## API 키 설정 OpenWeatherMap API를 사용하기 위해서는 API 키가 필요합니다. 보안을 위해 환경 변수를 사용하여 API 키를 관리합니다. ```{r api_key} #| eval: false ``` ## 날씨 데이터 수집 함수 정의 API를 통해 날씨 데이터를 수집하는 함수를 정의합니다. ```{r get_weather_function} get_weather <- function(city, api_key) { encoded_city <- URLencode(city, reserved = TRUE) url <- paste0("https://api.openweathermap.org/data/2.5/weather?q=", encoded_city, "&appid=", api_key, "&units=metric") response <- GET(url) if (status_code(response) == 200) { content <- content(response, "text") data <- fromJSON(content) return(data.frame( city = city, lat = data$coord$lat, lon = data$coord$lon, temperature = data$main$temp, humidity = data$main$humidity, wind_speed = data$wind$speed )) } else { warning(paste("Failed to fetch data for", city)) return(NULL) } } ``` ## 데이터 수집 여러 도시의 날씨 데이터를 수집합니다. ```{r collect_data} cities <- c("Seoul", "New York", "London", "Paris", "Tokyo", "Sydney", "Rio de Janeiro", "Cape Town", "Moscow") weather_data <- do.call(rbind, lapply(cities, get_weather, api_key = api_key)) print(weather_data) ``` ## 데이터 시각화 ### 도시별 기온 비교 ```{r temp_comparison} ggplot(weather_data, aes(x = city, y = temperature, fill = city)) + geom_bar(stat = "identity") + theme_minimal() + labs(title = "Current Temperature in Different Cities", x = "City", y = "Temperature (°C)") + theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` ### 도시별 습도와 풍속 비교 ```{r humidity_wind_comparison} weather_data_long <- weather_data %>% pivot_longer(cols = c(humidity, wind_speed), names_to = "metric", values_to = "value") ggplot(weather_data_long, aes(x = city, y = value, fill = metric)) + geom_bar(stat = "identity", position = "dodge") + theme_minimal() + labs(title = "Humidity and Wind Speed in Different Cities", x = "City", y = "Value", fill = "Metric") + theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` ## 추가 분석 평균 기온을 계산하고, 가장 더운 도시와 가장 추운 도시를 찾아봅니다. ```{r additional_analysis} mean_temp <- mean(weather_data$temperature) print(paste("Average temperature across all cities:", round(mean_temp, 2), "°C")) hottest_city <- weather_data[which.max(weather_data$temperature), "city"] coldest_city <- weather_data[which.min(weather_data$temperature), "city"] print(paste("Hottest city:", hottest_city)) print(paste("Coldest city:", coldest_city)) ``` ## 인터랙티브 지도 시각화 Leaflet을 사용하여 각 도시의 날씨 정보를 지도 위에 표시합니다. ```{r leaflet_map} # 팝업 내용 생성 weather_data$popup_content <- paste0( "", weather_data$city, " ", "Temperature: ", round(weather_data$temperature, 1), "°C ", "Humidity: ", weather_data$humidity, "% ", "Wind Speed: ", round(weather_data$wind_speed, 1), " m/s" ) # 아이콘 생성 함수 get_weather_icon <- function(temp) { if (temp < 0) return("❄️") else if (temp < 10) return("☁️") else if (temp < 20) return("⛅") else if (temp < 30) return("☀️") else return("🔥") } weather_data$icon <- sapply(weather_data$temperature, get_weather_icon) # Leaflet 지도 생성 leaflet(weather_data) %>% addTiles() %>% # OpenStreetMap 타일 추가 addMarkers( ~lon, ~lat, popup = ~popup_content, label = ~paste(city, icon) ) ``` ## 결론 이 문서에서는 OpenWeatherMap API를 사용하여 실시간 날씨 데이터를 수집하고, 이를 다양한 방식으로 시각화하는 방법을 살펴보았습니다. 이러한 기술은 데이터 분석, 기상 연구, 여행 계획 등 다양한 분야에서 활용될 수 있습니다.