Pythonで物流の可視化

これなに

流量データの傾向をさくっと見るためのサンプル。

元データ

国交省の物流センサスから都道府県間流動量（品類別）　－重量－を利用する。
各シートは、平成22年の県別の物流量の重量データ。シートは、合計, 農水, 林業, 鉱産, 金属機械, 化学, 軽工, 雑工, 排出, 特殊の10枚ある。

実行環境

graphviz をさくっと使えるように Dockerイメージ(tsutomu7/graphviz)を用意したので、下記を実行すればよい。

bash

firefox http://localhost:8888 &
docker run -it --rm -p 8888:8888 tsutomu7/graphviz

自前で構築する場合は、Anacondaインストール後に、"conda install graphviz"と"pip install graphviz"などをする。condaでgraphgvizの本体を、pipでラッパーをインストールする。

Pythonでやってみる

データの読込

read_excel で全シートを一度に変数 a に読み込む。a は、0-9をキー、DataFrameが値となる。a[0]は全産業の"合計"のDataFrameとなる。

python3

import numpy as np, pandas as pd
cat = '合計 農水 林業 鉱産 金属機械 化学 軽工 雑工 排出 特殊'.split()
rng = list(range(len(cat)))
a = pd.read_excel('http://www.mlit.go.jp/sogoseisaku/transport/butsuryucensus/T9-010301.xls',
    rng, skip_footer=1, skiprows=8, header=None, index_col=0, parse_cols=np.arange(1,49))
a[0].ix[:3, :7]

	1	2	3	4	5	6	7
1
北　 海 　道	944271.4669	6728.8486	1075.6893	7623.1429	2350.6049	164.8547	4221.1922
青　　　　森	22969.4545	257605.0057	12702.7039	2857.1319	8079.5519	750.9524	1799.4754
岩　　　　手	211.2175	5090.7300	194668.7805	10623.9818	1518.8552	676.9535	1244.9179

行がFromとなる県、列がToとなる県を表し、47 × 47 の行列となっている。

正規化する

各産業ごとに物流量の多い順にソートする。

python3

prefs = a[0].index.map(lambda x: x.replace('\u3000', ''))
b = [pd.DataFrame([(prefs[i], prefs[j], a[h].iloc[i, j]) for i in range(47) for j in range(47)
    if i != j], columns=['From', 'To', 'Val']).sort_values('Val', ascending=False) for h in rng]
b[0][:3]

	From	To	Val
1080	三重	愛知	170322.9506
1268	兵庫	大阪	165543.7879
1499	岡山	兵庫	142949.9022

各産業のトップ5の流量で図を描く

図は、"fig_産業.png"で出力する。流量の数字は、1000トン/年。

python3

from graphviz import Digraph
from IPython.display import display
for h, c in zip(rng, cat):
    g = Digraph(format='png')
    g.attr('graph', label=c, labelloc='t')
    g.node_attr['fontsize'] = '10'
    for _, r in b[h][:5].iterrows():
        g.edge(r.From, r.To, label='%d'%(r.Val//1000))
    g.render('fig_%s'%c)
    display(g)

以上