【Python実践データ分析100本ノック】ノック56-60

#trans_routeファイルは三つの倉庫から4つの工場にどれだけの量が輸送されているかが記載されています。
import pandas as pd
df_tr=pd.read_csv('trans_route.csv',index_col="工場")
df_tr.head()

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

df_tr = pd.read_csv('trans_route.csv', index_col='工場')
#trans_route_posは、W1～W3とF1～F4の各工場と倉庫の位置情報を記載した、2行×7列のデータです。
df_pos = pd.read_csv('trans_route_pos.csv')
       
#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。
#len(.columns)でdf_posの列（W1～W3とF1～F4まで）数7回分操作を繰り返します。
for i in range(len(df_pos.columns)):
   G.add_node(df_pos.columns[i])
   
#辺の設定&エッジの重みのリスト化を行います。
num_pre = 0
#edge_weightsという重みを格納するためのリストを宣言します。
edge_weights = []
size = 0.1

#len(.columns)でdf_posの列（W1～W3とF1～F4まで）数7回分操作を繰り返します。
for i in range(len(df_pos.columns)):
 
   #iと同じfor文の繰り返し構造ですが、このfor文にすることで全頂点の重みの追加を行います。
   for j in range(len(df_pos.columns)):
       #if notとすることで、ループ変数が同じ頂点をもつときは操作を行わないようにします。
       if not (i == j):
          
           #頂点を結び、辺の追加を行います。
           G.add_edge(df_pos.columns[i], df_pos.columns[j])
          
           #エッジの重みの追加を行います。
           #1つ上のコードで追加されるedgeに対して、num_preが小さい場合if文の中の操作を行います。
           if num_pre < len(G.edges):
          
               #num_preを追加されたedge数で更新します。
               num_pre = len(G.edges)
               weight = 0
               if (df_pos.columns[i] in df_tr.columns) and (df_pos.columns[j] in df_tr.index):
                   if df_tr[df_pos.columns[i]][df_pos.columns[j]]:
                       weight = df_tr[df_pos.columns[i]][df_pos.colunms[j]] * size
               elif (df_pos.columns[j] in df_tr.columns) and (df_pos.columns[i] in df_tr.index):
                   if df_tr[df_pos.columns[j]][df_pos.columns[i]]:
                       weight = df_tr[df_pos.columns[j]][df_pos.columns[i]] * size
               edge_weights.append(weight)
               
#座標の設定を行います。
pos = {}

#df_posの列（W1～W3とF1～F4まで）数7回分操作を繰り返します。
for i in range(len(df_pos.columns)):
   #df_wの列（W1～W3とF1～F4まで）名をnodeという変数に格納します。
   node = df_pos.columns[i]
   #それぞれのnodeに対して、df_pos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_pos[node][0], df_pos[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()

import pandas as pd

#trans_route.csvは輸送ルートを記載した3行(W1～W3)×4列(F1～F4)のデータです。
df_tr = pd.read_csv('trans_route.csv', index_col='工場')

#trans_cost.csvは倉庫と工場の輸送コストを記載した3行(W1～W3)×4列(F1～F4)のデータです。
df_tc = pd.read_csv('trans_cost.csv', index_col='工場')

#defで輸送コストを算出する関数を定義します。
def trans_cost(df_tr, df_tc):
   #costという変数を作成し、0で初期化します。
   cost = 0
   #len(.index)でdf_tcの行（W1～W3）数3回分操作を繰り返します。
   for i in range(len(df_tc.index)):
       #len(.columns)でdf_trの列（F1～F4）数4回分操作を繰り返します。
       for j in range(len(df_tr.columns)):
           #輸送ルートデータの要素（量）×輸送コストデータの要素（金額）を計算し、すべて足し合わせます。
           cost += df_tr.iloc[i][j] * df_tc.iloc[i][j]
   return cost

#str関数でtrans_cost関数の戻り値（輸送コストの計算結果）を文字列型に変換し、「総輸送コスト：」に接続できるようにしています。
print('総輸送コスト：'+ str(trans_cost(df_tr, df_tc)))

import pandas as pd

#trans_route.csvは輸送ルート情報を記載した3行(W1～W3)×4列(F1～F4)のデータです。
df_tr = pd.read_csv('trans_route.csv', index_col='工場')

#demand.csvは工場の製品生産量に対する需要を記載した1行×4列(F1～F4)のデータです。
df_demand = pd.read_csv('demand.csv')

#supply.csvは倉庫が供給可能な部品数の上限を記載した1行×3列(W1～W3)のデータです。
df_supply = pd.read_csv('supply.csv')

#需要側の制約条件を満たすかどうかを審査します。
#len(.columns)でdf_trの列（F1～F4）数4回分操作を繰り返します。
for i in range(len(df_demand.columns)):

   #df_demand.columns[i]はF1～F4を指します。
   #df_tr[df_demand.columns[i]]はdf_tr[F〇]という意味になります。
   #つまり、各工場のW1～W3との輸送ルート情報を抜き出しています。
   #sum()を使用して、各工場ごとのW1～W3の需要の合計を算出し、temp_sumに格納しています。
   temp_sum = sum(df_tr[df_demand.columns[i]])

   #str関数でF1～F4の工場名、各工場ごとのW1～W3の需要の合計、工場の製品生産量に対する需要を文字列型に変換します。
   print(str(df_demand.columns[i]) + 'への輸送量：' + str(temp_sum) + ' (需要量：' + str(df_demand.iloc[0][i])+')')

   #各工場ごとのW1～W3の需要の合計が工場の製品生産量に対する需要より上回る場合、需要側の制約条件を満たすと判断します。
   if temp_sum >= df_demand.iloc[0][i]:
         print('需要量を満たしています。')
   else:
         print('需要量を満たしていません。輸送ルートを再計算してください。')
         
#供給側の制約条件を満たすかどうかを審査します。
#len(.columns)でdf_supplyの列（W1～W3）数3回分操作を繰り返します。
for i in range(len(df_supply.columns)):

   #df_supply.columns[i]はW1～W3を指します。
   #df_tr.loc[df_supply.columns[i]]はdf_tr.loc[W〇]という意味になります。
   #つまり、各倉庫からみたF1～F4との輸送ルート情報を抜き出しています。
   #sum()を使用して、各倉庫からみたF1～F4への供給限界量の合計を算出し、temp_sumに格納しています。
   temp_sum = sum(df_tr.loc[df_supply.columns[i]])

   #str関数でW1～W3の倉庫名、各倉庫からみたF1～F4への供給限界量の合計、倉庫が供給可能な部品数の上限を文字列型に変換します。
   print(str(df_supply.columns[i])+ 'からの輸送量：' + str(temp_sum)+ '(供給限界：' + str(df_supply.iloc[0][i])+')')

   #各倉庫からみたF1～F4への供給限界量の合計が倉庫が供給可能な部品数の上限より下回る場合、供給側の制約条件を満たすと判断します。
   if temp_sum <= df_supply.iloc[0][i]:
       print('供給限界の範囲内です。')
   else:
       print('供給限界を超過しています。輸送ルートを再計算してください。')

import pandas as pd
import numpy as np

#trans_route_new.csvは新しく設計し直された輸送ルート情報を記載した3行(W1～W3)×4列(F1～F4)のデータです。
df_tr_new = pd.read_csv('trans_route_new.csv', index_col='工場')
print(df_tr_new)

#新しく設計し直された輸送ルート情報を用いて総輸送コストを再計算します。
#str関数で再計算結果を文字列型に変換しています。
print('総輸送コスト（変更後)：' + str(trans_cost(df_tr_new, df_tc)))

#defで需要側の制約条件を計算する関数を定義します。
def condition_demand(df_tr, df_demand):

   #df_demand.columnsは4(F1～F4の列数)を指します。
   #np.zeros()は、すべての要素を0とする配列を生成します。
   #len(4)としているので、要素数が4の配列を生成し、flagとしています。
   flag = np.zeros(len(df_demand.columns))

   #len(.columns)でdf_demandの列（F1～F4）数4回分操作を繰り返します。
   for i in range(len(df_demand.columns)):

       #df_tr[df_demand.columns[i]]はdf_tr[F〇]という意味になります。
       #つまり、各工場のW1～W3との輸送ルート情報を抜き出しています。
       #sum()を使用して、各工場ごとのW1～W3の需要の合計を算出し、temp_sumに格納しています。
       temp_sum = sum(df_tr[df_demand.columns[i]])

       #各工場ごとのW1～W3の需要の合計が工場の製品生産量に対する需要より上回る場合、需要側の制約条件を満たすと判断します。
       if (temp_sum >= df_demand.iloc[0][i]):
           #制約条件を満たすとき、flag配列の要素を0から1と変換します。
           flag[i] = 1
   return flag

#defで供給側の制約条件を計算する関数を定義します。
def condition_supply(df_tr, df_supply):
 
  #df_supply.columnsは3(W1～W3の列数)を指します。
   #len(3)としているので、要素数が3の配列を生成し、flagとしています。
   flag = np.zeros(len(df_supply.columns))

   #len(.columns)でdf_supplyの列（W1～W3）数3回分操作を繰り返します。
   for i in range(len(df_supply.columns)):

       #df_supply.columns[i]はW1～W3を指します。
       #df_tr.loc[df_supply.columns[i]]はdf_tr.loc[W〇]という意味になります。
       #つまり、各倉庫からみたF1～F4との輸送ルート情報を抜き出しています。
       #sum()を使用して、各倉庫からみたF1～F4への供給限界量の合計を算出し、temp_sumに格納しています。
       temp_sum = sum(df_tr.loc[df_supply.columns[i]])

       #各倉庫からみたF1～F4への供給限界量の合計が倉庫が供給可能な部品数の上限より下回る場合、供給側の制約条件を満たすと判断します。
       if temp_sum <= df_supply.iloc[0][i]:
           #制約条件を満たすとき、flag配列の要素を0から1と変換します。
           flag[i] = 1
   return flag

print('需要条件計算結果：' +str(condition_demand(df_tr_new, df_demand)))
print('供給条件結果：' + str(condition_supply(df_tr_new, df_supply)))