Awork Lab!

색상 조합 빠르게 만들어 내는 사이트

awork.net — Sun, 7 Jul 2019 19:37:51 +0900

Paletton - The Color Scheme Designer

Paletton, the color scheme designer In love with colors, since 2002. Paletton application Colorpedia About Paletton About Paletton Paletton.com is a designer color tool designed for creating color combinations that work together well. It uses classical col

paletton.com

요즘 PPT 제작 시 강조되는 것이 색상 조합이다. 매번 적은 종류의 색상을 편안하게 조합하는 법을 외워서 쓰는 것이 쉬운 일이 아니다. Paletton이라는 사이트는 이러한 고민을 한 방에 해결해 준다

적당히 원하는 색상을 고르면 색상 조합을 만들어 주며, 심지어 웹이나 그래픽 상에 어떻게 적용되는지 미리 볼 수도 있다.

fs 패키지로 여러 파일 한 번에 병합하기

awork.net — Tue, 11 Jun 2019 00:24:00 +0900

동일한 포맷의 여러개 파일을 동시에 불러온 다음, 일일히 bind_rows (혹은 rbind)를 해야할 때가 있다. for 반복문으로 붙이는 경우가 종종 있는데, fs 패키지를 사용할 경우 한 번에 간단히 끝낼 수 있다.

전시 카테고리

총 0 개의 데이터가 있습니다.

www.bigdatahub.co.kr

SK 데이터 허브에서, 패밀리 레스토랑 이용에 대한 월간 데이터를 병합하는 상황을 가정해보자. 2018년 1월부터 2019년 4월의 데이터를 CSV 형태로 다운받아 한 폴더에 넣어둔다.

동일한 형태로 정리가 잘되어 있기 때문에, 데이터 프레임 형식을 손볼 필요는 없다.

for 문을 사용하는 경우

library(tidyverse)
dir = 'family_restaurant'
files.list = paste0(dir,'/',list.files('family_restaurant'))
files.list

merged = NULL
for(i in seq(length(files.list))){
  temp = read_csv(files.list[i] %>% toString())
  merged = bind_rows(merged, temp)
}

merged %>% View()

head = c('type', 'year', 'month', 'day', 'days', 'state', 'county', 'town', 'sex', 'ages', 'ratio')
names(merged) = head

성공적으로 병합이 되었다.

fs 패키지를 사용하는 경우

library(tidyverse)
library(fs)
list = dir_info("family_restaurant",resurcive = T) %>% 
  filter(str_detect(path, '\\.csv$') == T)
list

dir_info는 지정한 경로에 있는 파일들의 정보를 표시한다

list2 = dir_ls('family_restaurant', glob = '*.csv')

dir_ls는 list.file과 비슷한 기능을 한다. 세부 명령어에 glob를 쓰면 *같은 와일드 카드를 사용할 수 있다.

list2 = dir_ls('family_restaurant', glob = '*.csv')

merged2 = list2 %>% 
  map_df(read_csv, .id = 'file', col_types = cols())
head2 = c('file','type', 'year', 'month', 'day', 'days', 'state', 'county', 'town', 'sex', 'ages', 'ratio')
names(merged2) = head2
merged2

ㅜ

훨씬 더 간편하게 파일이 병합된 것을 알 수 있다.

fs패키지의 보다 자세한 명령어는 아래 페이지에서 찾아볼 수 있다.

Cross-Platform File System Operations Based on 'libuv'

A cross-platform interface to file system operations, built on top of the 'libuv' C library.

fs.r-lib.org

태스크 스케쥴러로 자동으로 R 스크립트 실행하기

awork.net — Sat, 8 Jun 2019 22:48:15 +0900

지난 포스트에 R에서 텔레그램봇으로 메세지를 보내는 방법을 업데이트 했었다.

만약, 일정 시간마다 내가 작업한 R 스크립트를 윈도우에서 자동으로 실행하고 그 결과를 텔레그램으로 보낼 수 있다면 실시간으로 상황을 확인할 수 있을 것이다.

R로 텔레그램봇에 메세지 보내기

텔레그램봇을 활용하면, R에서 수집한 정보를 외부에서 메신저를 통해서 확인할 수 있다. R 스크립트를 일정 시간마다 정기적으로 돌리면서 결과값을 보내거나, 혹은 특정 조건이 발견되었을 때 경고 메세지를 발..

aworklab.tistory.com

이 번에 작업해볼 내용은 아래와 같다.

1. 네이버 야구 메인 페이지에 있는 뉴스 20개의 URL을 수집한다

2. URL을 텔레그램봇으로 자동 전송 한다

library(tidyverse)
library(telegram.bot)
library(rvest)

# scarpping naver basellball news 20

url = 'https://sports.news.naver.com/kbaseball/index.nhn'
parsed = read_html(url)

url = parsed %>%
  html_node('div.home_news') %>% 
  html_nodes('ul') %>% 
  html_nodes('a') %>% 
  html_attr('href') %>% 
  as.tibble %>% 
  mutate(url = paste0('https://sports.news.naver.com', value)) %>% 
  select(-value)

# send 20 news url to telegram

bot = Bot(token = 'API 토큰을 여기 입력')
print(bot$getMe())
updates = bot$getUpdates()
updates[[1]]$message$chat

x = url[1,1] %>% toString()

chat_id = updates[[1]]$message$chat$id
bot$sendMessage(chat_id = chat_id, text = 'hello')

for(i in seq(nrow(url))){
  sender = url[i,1] %>% toString()
  bot$sendMessage(chat_id = chat_id, text = sender)
}

이 파일을 'r_schedule.R'로 저장한 후 윈도우즈 태스크 스케쥴에 등록해 보자

library(taskscheduleR)
setwd("D:/r_study")
telegram.schedule = file.path('D:/r_study/r_schedule.R')

## 지금으로 부터 10초 뒤 실행하고 10분 마다 재 실행
taskscheduler_create(taskname = 'send_telegram', rscript = telegram.schedule,
                     schedule = 'MINUTE',
                     starttime = format(Sys.time() + 10, '%H:%M'),
                     startdate = format(Sys.time(), '%Y/%m/%d'),
                     modifier = 10)

taskscheduler_delete('send_telegram') # 스케쥴 삭제

R에서 윈도우 폴더와 파일 다루기

awork.net — Sat, 8 Jun 2019 22:10:11 +0900

현재 작업 폴더 정보와 작업 폴더 지정

# get current working directory
getwd()
# set working directory
setwd("D:/r_study")

> getwd()
[1] "D:/r_study"
> # set working directory
> setwd("D:/r_study")

폴더

dir.create("new_folder") # 폴더 생성
unlink('new_folder', recursive = T) # 폴더 제거

파일 다루기


file.create('hey.txt') # 파일 생성
file.remove('hey.txt') # 파일 제거

file.create(paste0('file',1:100,'txt')) # 연속 파일 생성
file.remove(paste0('file', 1:100, 'txt')) # 연속 파일 제거

file.copy('CALL_RENT_04MONTH.csv', 'new_folder') # 파일 복사

shell.exec('CALL_RENT_04MONTH.csv') # 파일 실행
file.show('CALL_RENT_04MONTH.csv') # 파일 실행

파일 정보


list.files()
list.files(recursive = T)
list.files(recursive = T, full.names = T) # 파일 리스트

ss = fileSnapshot() # 파일 스냅샷
> ss
File snapshot:
 path = D:\r_study
 timestamp = 
 file.info = TRUE
 md5sum = FALSE
 digest = NULL
 full.names = FALSE
 args = list()
 3 files recorded.

ss$info # 파일정보 
> ss$info
                         size isdir mode               mtime               ctime               atime exe
CALL_RENT_04MONTH.csv 3449348 FALSE  666 2019-06-08 11:25:36 2019-06-08 11:22:52 2019-06-08 11:25:35  no
r_schedule.log           2244 FALSE  666 2019-06-08 21:44:03 2019-06-08 21:23:00 2019-06-08 21:23:00  no
r_schedule.R              289 FALSE  666 2019-06-08 20:06:30 2019-06-08 20:06:30 2019-06-08 20:06:30  no

file.info('CALL_RENT_04MONTH.csv') # 파일 정보
> file.info('CALL_RENT_04MONTH.csv')
                         size isdir mode               mtime               ctime               atime exe
CALL_RENT_04MONTH.csv 3449348 FALSE  666 2019-06-08 11:25:36 2019-06-08 11:22:52 2019-06-08 11:25:35  no

전국 렌터카 업종 통화량 위치 표시

awork.net — Sat, 8 Jun 2019 19:48:24 +0900

데이터 기본 설명

Q&A Data에 대한 질문사항은 이메일로 문의해주세요. ※ 데이터 문의 이메일 : bigdatahub@sk.com

www.bigdatahub.co.kr

SK Datahub에서 제공하는 19년 4월 전국 렌터카 업종 이용 통화량 데이터를 활용하여 지역 및 크기를 표시해보자

지역 정보는 3가지로 이루어져 있다 [시도] - [군구] - [동면읍리]

일단 시도와 군구 두 가지만 합하여 처리해보자

library(tidyverse)
library(lubridate)
library(ggmap)

x = read_csv('CALL_RENT_04MONTH.csv')
x$date = ymd(x$date)

focus = x %>% 
  group_by(city, county) %>% 
  summarise(n= n()) %>% 
  na.omit() %>% 
  arrange(desc(n)) %>% 
  mutate(address = paste0(city,',',county)) %>% 
  select(1:2,4,3)
focus

> focus
# A tibble: 250 x 4
# Groups:   city [17]
   city       county        address                  n
                                  
 1 제주도     제주시        제주도,제주시         1798
 2 제주도     서귀포시      제주도,서귀포시       1327
 3 경기도     평택시        경기도,평택시         1063
 4 경기도     용인시 처인구 경기도,용인시 처인구   993
 5 서울특별시 강서구        서울특별시,강서구      924
 6 서울특별시 강남구        서울특별시,강남구      891
 7 서울특별시 중구          서울특별시,중구        755
 8 대구광역시 달서구        대구광역시,달서구      694
 9 경기도     화성시        경기도,화성시          659
10 서울특별시 송파구        서울특별시,송파구      643

geocode로 경도 위도정보를 얻기 위하여 시군과 군구를 붙이고, summarise로 통화 수를 구한다.

구글맵의 api는 아래 사이트에서 발급 받을 수 있다.

Google Cloud Platform

하나의 계정으로 모든 Google 서비스를 Google Cloud Platform을 사용하려면 로그인하세요.

accounts.google.com

api = '구글맵 API값 여기 입력'
register_google(key = api)

cord.data = focus$address %>% enc2utf8() %>% geocode() 
cord.data

focus2 = bind_cols(focus, cord.data) %>% 
  filter(lon > 0 )
  
korea = get_googlemap('Korea, Republic of', maptype = 'roadmap', zoom = 7)
ggmap(korea) +
  geom_point(data = focus2, 
             aes(x = lon, y = lat, size = n), color = 'red' )

R로 텔레그램봇에 메세지 보내기

awork.net — Sun, 2 Jun 2019 13:12:18 +0900

텔레그램봇을 활용하면, R에서 수집한 정보를 외부에서 메신저를 통해서 확인할 수 있다. R 스크립트를 일정 시간마다 정기적으로 돌리면서 결과값을 보내거나, 혹은 특정 조건이 발견되었을 때 경고 메세지를 발송할 수 있다.

텔레그램 봇 생성하기

PC버전 텔레그램을 설치한 후 BotFather를 검색해서 채널에 들어간다

/newbot 명령을 입력한 후 새로운 봇을 생성한다 (봇의 이름은 반드시 bot으로 끝내야 하며 first_name과 username을 별도로 입력해줘야 한다

봇생성을 완료하면, API Token이라고 표시된 곳에 출력되는 값을 복사한다

install.packages('telegram.bot')
library(telegram.bot)

R에서 telegram.bot 패키지를 설치한다

bot = Bot(token = 'ENTER YOUR API Toekn')
print(bot$getMe())

> print(bot$getMe())
$id
[1] id가 이 곳에 출력

$is_bot
[1] TRUE

$first_name
[1] "봇의 first name"

$username
[1] "봇의 username"

봇에 메세지 보내기

API가 정상적으로 입력된 것을 확인할 수 있다. 이제 텔레그램에서 봇과 대화를 해야 한다. 봇이 메세지를 먼저 보낼 수 없기 때문에, 텔레그램에서 봇을 찾아서 먼저 대화를 걸어야 한다

검색 창에 봇의 username을 치면 자신의 봇을 찾을 수 있다. 채팅창을 열고 메세지를 전송한다. 이제 봇과 대화중인 대화방을 R에서 찾아야 한다

updates = bot$getUpdates()
updates[[1]]$message$chat

> updates[[1]]$message$chat
$id
[1] 대화방 id가 출력

$first_name
[1] "사용자의 firstname"

$last_name
[1] "사용자의 lastname"

$type
[1] "private"

대화방의 id를 변수로 저장한 다음, 봇에게 메세지를 보내보자

chat_id = updates[[1]]$message$chat$id
chat_id

bot$sendMessage(chat_id = chat_id, text = 'hello bot!')

채팅방으로 메세지가 전송된 것을 알 수 있다

ggmap을 사용하여 서울 지하철 역 위치 및 사용자 수 표시

awork.net — Tue, 7 May 2019 01:23:45 +0900

서울 지하철역의 위치에 따른 역 사용자 수를 시각적으로 파악하려면 어떻게 해야 할까?

역의 위치 정보와 사용자 수 정보를 각각 획득한 후 ggmap을 통하여 분류하면 될 것 같다

우선 지하철 역의 주소를 찾아 보자

http://data.seoul.go.kr/dataList/datasetView.do?infId=OA-12035&srvType=A&serviceKind=1

불러오는 중입니다...

위 데이터를 불러온 후 역명, 호선, 주소를 가져온다

library(tidyverse)
library(ggmap)
library(readxl)

#########################################
# import subway address

setwd('e:/R_study')
raw.subway = read_excel('seoul_subway_address.xlsx')
View(raw.subway)
head(raw.subway)

subway.add = raw.subway %>% 
  select(c(3,2,6)) %>% 
  rename(line = 호선, station = 역명, address = 상세주소) %>% 
  separate(address, c('address', 'etc'), sep = '[(]') %>% 
  select(-etc)

한글 주소에서 geocode를 사용하여 경도와 위도를 얻은 후 col bind를 진행 해보자

 
#########################################
# generate coordinate with geocode 

register_google(key='구글맵 API를 여기에 입력') 
coordinate = subway.add$address %>% enc2utf8() %>% geocode()

## merging 

subway.lon.lat = bind_cols(subway.add, coordinate)
subway.lon.lat

위경도 정보를 얻었으니, 서울 지도를 불러 온 후 위치를 표시해 보자

#########################################
# display subway position on map 

map.seoul = get_googlemap('seoul',
                          maptype = 'roadmap',
                          zoom = 11)
ggmap(map.seoul) + geom_point(data = subway.lon.lat, 
                              aes(x = lon, y = lat), color = 'blue')

지하철 별 사용자 수 데이터를 가져와 보자

공공데이터포털

국가에서 보유하고 있는 다양한 데이터를『공공데이터의 제공 및 이용 활성화에 관한 법률(제11956호)』에 따라 개방하여 국민들이 보다 쉽고 용이하게 공유•활용할 수 있도록 공공데이터(Dataset)와 Open API로 제공하는 사이트입니다.

www.data.go.kr

이 데이터를 R로 불러온 후 날짜, 호선, 역명, 구분, 합계 데이터로 새로운 Tibble을 생성한다

#########################################
# import subway transforting capability 

raw.pop = read.csv('subway_pop.csv') %>% as.tibble
subway.pop = raw.pop %>% 
  select(-c(6:25), -3) %>% 
  rename(date = 날짜, line = 호선, station = 역명, type = 구분, pop = 합.계) %>% 
  separate(line, c('line', 'etc'), sep = 1) %>% 
  select(-etc)
subway.pop
subway.lon.lat[1,2] <- '서울역'
subway.lon.lat

위경도 데이터와 사용자수 데이터를 left_join으로 병합한다

상하차 수 중 하차 데이터만 filter로 가져온다

#########################################
# left join coordinate and popuation

subway.merged = left_join(subway.pop, subway.lon.lat, by = c('station')) %>% na.omit()
subway.merged

subway.final = subway.merged %>% 
  filter(line.x == line.y) %>%
  filter(type == '하차') %>% 
  select(-line.y) %>% 
  rename(line = line.x)

subway.final$date = as.Date(subway.final$date)
subway.final$line = as.factor(subway.final$line)

사용자수와 경위도 정보를 ggmap을 사용하여 표시해보자

#########################################
# display subway position on map 

subway.final

map.seoul = get_googlemap('seoul',
                          maptype = 'roadmap',
                          zoom = 11)
ggmap(map.seoul) + geom_point(data = subway.final, 
                              aes(x = lon, y = lat, size = pop, color = 'blue'))

역의 위치를 표시하는 점의 크기로 내리는 사용자의 수를 알 수 있다

시간형 자료를 lubridate로 관리하기

awork.net — Mon, 6 May 2019 21:30:47 +0900

as.Date보다 손쉽게 시간형 데이터를 관리할 수 있는 패키지다

기본 포맷

## 시간형을 선언하지 않으면 문자열로 인식한다
> '2019-05-06' %>% str
 chr "2019-05-06"
 
## as.Date로 시간형으로 선언할 수 있다.
> as.Date('2019-05-06') %>% str
 Date[1:1], format: "2019-05-06"
 
## 형식을 지키지 않으면 시간으로 인식하지 못한다
> as.Date('20190506')
Error in charToDate(x) : 문자열이 표준서식을 따르지 않습니다

## 순서를 변경해도 인식하지 못한다
> as.Date('05-06-2019')
[1] "0005-06-20"

lubridate는 형식에 구애받지 않고, 사람이 일반적으로 상상할 수 있는 다양한 형식으로 입력한 데이터를 시간 데이터로 인식한다.

library(lubridate)

## yyyy-mm-dd
> ymd('2019-05-06')
[1] "2019-05-06"

## mm-dd-yyyy
> mdy('05/06/2019')
[1] "2019-05-06"

## dd-mm-yyyy
> dmy('06/05/2019')
[1] "2019-05-06"

세계에는 다양한 날짜 기입 방법이 있다. 연-월-일 / 월-일-연 / 일-월-연의 형식만 ymd, mdy, dmy로 지정해 주면 r이 알아서 데이터를 인식하여 표시해준다.

## yyyy-mm-dd hh:mm:ss
> ymd_hms('2019-05-06 05:23:22')
[1] "2019-05-06 05:23:22 UTC"

## yyyy-mm-dd hh:mm
> ymd_hm('2019-05-06 05:22')
[1] "2019-05-06 05:22:00 UTC"

## yyyy-mm-dd hh
> ymd_h('2019.05.06 05')
[1] "2019-05-06 05:00:00 UTC"

as.POXITct 보다 훨씬 유연하기 때문에 사용하기 편하다.

시간 정보 추출

셀에서 특정 시간 정보를 추출하는 방법은 아래와 같다

## 시간 정보 선택
time = ymd_hms('2019.05.06 05:33:22')
time

lub.time = matrix(nrow = 1, ncol = 8) %>% as.tibble %>% 
  rename(year = V1, month = V2, day = V3, wday = V4, yday = V5, hour = V6, min = V7, sec = V8)

lub.time$year = year(time)
lub.time$month = month(time)
lub.time$day = day(time)
lub.time$wday = wday(time)
lub.time$yday = yday(time)
lub.time$hour = hour(time)
lub.time$min = minute(time)
lub.time$sec = second(time)

시간 정보 연산

 
## 시간 정보 연산 
> ymd('2018.12.31') + 1
[1] "2019-01-01"

> ymd('2019.2.28') + 1
[1] "2019-03-01"

> ymd('2019.05.06') - 100
[1] "2019-01-26"

lubridate로 입력된 시간정보는 자유롭게 날짜와 시간을 더하고 뺄 수 있다

범위 형태로 날짜의 행렬을 반환 받을 수도 있다

ymd('2019.05.1') + days(0:30)

LA Lakers 데이터셋을 활용한 실습

lakers는 2008-2009 시즌 동안 LA 레이커스팀의 득점 데이터를 기록한 데이터다

lubridate 패키지 함수를 사용하여 아래 작업을 할 것이다

날짜와 시간 데이터를 하나로 합침
월별로 슛의 종류 별 득점의 합

time.ex = lakers %>% as.tibble
time.merged = time.ex %>% mutate(time.stmp = ymd_hm(paste(date, time))) %>% 
  select(time.stmp, everything()) %>% select(-date, -time) %>% na.omit()
time.merged

시간 정보가 하나로 합쳐진 것을 알 수 있다. 이제 시간에서 월 정보를 추출한 후 그룹 정렬과 요약을 할 것이다

lakers.shoot = time.merged %>% group_by(month(time.stmp), type) %>% 
  filter(points != 0) %>% 
  summarise(sum.point = sum(points)) %>% rename(month = 'month(time.stmp)')
str(lakers.shoot)
lakers.shoot$month = as.factor(lakers.shoot$month)
lakers.shoot$type = as.factor(lakers.shoot$type)
lakers.shoot

 
lakers.shoot %>% ggplot() + geom_col(aes(x = month, y = sum.point, fill = type))

특정 기간 동안의 데이터를 lubridate로 검색하기

serch.term = interval(ymd_hms('2009-01-02 00:00:00'), ymd_hms('2009-01-31 23:59:59'))
time.merged %>% filter(time.stmp %within% serch.term)

구글 스프레드시트로 geocode 변환하기

awork.net — Mon, 6 May 2019 19:32:04 +0900

R에서 geocode를 사용하려면 Google Map API를 발급받고 별도의 코드를 입력해줘야 한다. 무료 모드일 경우 변환 횟수에도 사실상 제한이 있다. 구글 스프레드시트를 사용할 경우 보다 간편하게 주소를 위도와 경도로 변환할 수 있다.

구글 스프레드시트에서 문서를 생성한 후, 부가기능에서 부가기능 열기를 선택한다

부가기능 검색창에서 geocode를 입력 후 Geocode by Awesome Table을 선택한다

서울시 지하철역의 주소를 경도와 위도로 변환해 보자. 주사가 들어가 있는 열을 선택 후 부가기능 - Geocode by Awesome Table - Start Geocoding을 선택한다

Geocode!를 누르면 자동으로 변환된 위도와 경도 정보가 셀에 입력된다. 작업이 완료되면 해당 정보를 활용할 수 있다.

ggmap으로 지도에 표시하기

awork.net — Mon, 6 May 2019 19:19:22 +0900

요즘 공공 데이터로 다양한 자료들을 쉽게 접할 수 있다.

그 중에는 수치형 데이터 뿐 아니라 위치 기반형도 존재하는데, ggmap 패키지와 Google map API를 활용하면 R에서 간편하게 위치를 표시할 수 있다.

서울의 3개 프로구단이 홈구장으로 사용중인 고척 스카이돔과 잠실 야구장의 위치를 표시해 보자

Google Cloud Platform

하나의 계정으로 모든 Google 서비스를 Google Cloud Platform을 사용하려면 로그인하세요.

accounts.google.com

우선, Google map의 데이터를 가져오기 위해서는 API를 발급 받아야 한다. 위 사이트에 가입을 하면 개인 학습 용도로는 무료로 사용가능한 사용권을 얻을 수 있다.
(가입 시 결제 정보를 기입해야 하지만, 실제 결제는 일어나지 않는다)

각 구장의 실제 주소는 아래와 같다

잠실 야구장 : 서울 송파구 올림픽로 25
고척 스카이돔 : 서울 구로구 경인로 430

Google map을 사용하기 위해서는 주소를 경도와 위도로 변환해야 하는데, ggmap 패키지 안에 있는 geocode 함수를 사용하면 된다. geocode에 주소를 넣으면 경도와 위도의 값을 반환 받을 수 있다.

library(tidyverse)
library(ggmap)

# Googke Map API 입력 (API가 없으면 geocode가 작동하지 않는다)
register_google(key='API키를 이 곳에 입력') 

# 주소 tibble 생성
address = c('서울 송파구 올림픽로 25', '서울 구로구 경인로 430') 
name = c('잠실', '고척')

list = cbind(name, address) %>% as.tibble

# geocode 함수로 경도 위도 데이터 생성
coordinate = list$address %>% enc2utf8() %>% geocode()
coordinate

# 주소와 경도 위도 값의 결합
geocoded = cbind(list, coordinate) %>% as.tibble
geocoded

이제 경도와 위도로 변환된 좌표를 구글 맵 위에 표시해보자. 구글 맵에 표시하기 위해서는 당연히 구글맵을 불러와야 한다. 두 야구장은 서울에 있으므로 서울의 지도를 불러와서 점으로 위치를 표시 해 보자

stadium = get_googlemap('seoul',
                        maptype = 'roadmap',
                        zoom = 11)
ggmap(stadium) +
  geom_point(data = geocoded, 
             aes(x = lon, y = lat), color = 'red', size = 3)

서울시 지도위에 정확히 야구장의 위치들이 표시 된다.