【Python実践データ分析100本ノック】ノック51-55

import pandas as pd
#これまでと同様にデータを読み込みます。
factories=pd.read_csv("tbl_factory.csv",index_col=0)
factories

warehouses=pd.read_csv("tbl_warehouse.csv",index_col=0)
warehouses

cost=pd.read_csv("rel_cost.csv",index_col=0)
cost.head()

trans=pd.read_csv("tbl_transaction.csv",index_col=0)
trans.head()

#mergeメソッドでtransとcostを結合します。
join_data=pd.merge(trans,cost,left_on=["ToFC","FromWH"],right_on=["FCID","WHID"],how="left")
join_data.head()

#join_dataとfactoriesを結合します。
join_data=pd.merge(join_data,factories,left_on="ToFC",right_on="FCID",how="left")
join_data.head()

#join_dataとwarehousesを結合します。
join_data=pd.merge(join_data,warehouses,left_on="FromWH",right_on="WHID",how="left")
#列の並び替えを行います。
join_data=join_data[["TransactionDate","Quantity","Cost","ToFC","FCName","FCDemand","FromWH","WHName","WHSupply","WHRegion"]]
join_data.head()

#loc関数でWHRegionが関東となっているデータ（関東支社のデータ）を抽出します。
kanto=join_data.loc[join_data["WHRegion"]=="関東"]
kanto.head()

#loc関数でWHRegionが東北となっているデータ（東北支社のデータ）を抽出します。
tohoku=join_data.loc[join_data["WHRegion"]=="東北"]
tohoku.head()

#str関数でCostを文字列型に変換して、両脇の文字（～支社の総コストと万円）に接続できるようにしています。
print("関東支社の総コスト:"+str(kanto["Cost"].sum())+"万円")
print("東北支社の総コスト:"+str(tohoku["Cost"].sum())+"万円")

#こちらも、str関数でQuantityを文字列型に変換し、両脇の文字（～支社の総コストと万円）に接続できるようにしています。
print("関東支社の総部品輸送個数:"+str(kanto["Quantity"].sum())+"個")
print("東北支社の総部品輸送個数:"+str(tohoku["Quantity"].sum())+"個")

#sum()を使いながら総コストを総輸送個数で割り算し、tmpに格納します。
tmp=(kanto["Cost"].sum()/kanto["Quantity"].sum())*1000
print("関東支社の部品1つ当たりの輸送コスト:"+str(int(tmp))+"円")
tmp=(tohoku["Cost"].sum()/tohoku["Quantity"].sum())*1000
print("東北支社の部品1つ当たりの輸送コスト:"+str(int(tmp))+"円")

#ネットワークの可視化に有用なNetworkXを使用します。まずはインポートします。
import networkx as nx
import matplotlib.pyplot as plt

#グラフオブジェクトの作成を行います。
G=nx.Graph()

#add_node(頂点)で頂点の追加を行います。
G.add_node("nodeA")
G.add_node("nodeB")
G.add_node("nodeC")

#add_edge(頂点1, 頂点2)で頂点を結び、辺の追加を行います。
G.add_edge("nodeA","nodeB")
G.add_edge("nodeA","nodeC")
G.add_edge("nodeB","nodeC")

#頂点の座標位置を設定します。
pos={}
pos["nodeA"]=(0,0)
pos["nodeB"]=(1,1)
pos["nodeC"]=(0,1)

#draw()メソッドで描画します。
nx.draw(G,pos)

#show()メソッドを用いて表示します。
plt.show()

#ノック53で作成したネットワークにさらにnodeDを追加します。
G.add_node("nodeD")

#nodeAとnodeDを結び、辺の追加を行います。
G.add_edge("nodeA","nodeD")

#頂点nodeDの座標位置を設定します。
pos["nodeD"]=(1,0)

#with_labells=Trueとすることで頂点に付けた名前を表示します。
nx.draw(G,pos, with_labels=True)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx

#df_wはA～E各頂点同士のリンクの重みが記載された5行×5列のデータです。
df_w=pd.read_csv('network_weight.csv')
#df_pはA～E各頂点のリンクの位置が記載された2行×5列のデータです。
df_p=pd.read_csv('network_pos.csv')


size=10
#edge_weightsというリストを宣言します。
edge_weights=[]
#nodeの重みデータの要素数（5個）分繰り返し処理します。
for i in range(len(df_w)):
  #len(.columns)で列数（横方向の要素数）を取得できます。
  #今回は、列はA～Eまでの5つあります。
  for j in range(len(df_w.columns)):
    #edge_weightsリストにdf_wの全要素に10をかけたものを格納します。
    edge_weights.append(df_w.iloc[i][j]*size)

# グラフオブジェクトの作成を行います。
G=nx.Graph()

#頂点の追加を行います。
#df_wの列（A～Eまでの5つ）数分繰り返し処理します。
for i in range(len(df_w.columns)):
  #df_wテーブルの列の名前をそのまま頂点として追加します。
  G.add_node(df_w.columns[i])

#頂点を結び、辺の追加を行います。
#df_wの列（A～Eまでの5つ）数分繰り返し処理します。
for i in range(len(df_w.columns)):
  #iと同じfor文の繰り返し構造ですが、同じ頂点同士を結ぶことを含め、全頂点を結び、辺の追加を行います。
  for j in range(len(df_w.columns)):
    G.add_edge(df_w.columns[i],df_w.columns[j])

pos={}
#df_wの列（A～Eまでの5つ）数分繰り返し処理します。
for i in range(len(df_w.columns)):
  #df_wの列（A～Eまでの5つ）名をnodeという変数に格納します。
  node=df_w.columns[i]
  #それぞれのnodeに対して、df_pの各行に記載されたデータを座標位置として設定します。
  pos[node]=(df_p[node][0],df_p[node][1])

#draw()メソッドで描画します。
nx.draw(G,pos,with_labels=True,font_size=16,node_size=1000,node_color='k',font_color='w',width=edge_weights)

#show()メソッドを用いて表示します。
plt.show()