はじめに

ウェブサービスのユーザがどのページからどのページに移っていっているのかとか、どの工程からどの工程に仕掛品が流れていったのかなどをPythonで可視化したい。
ここでは仮に以下のようなどのページからどのページに移っていったのかについて集計したデータがあったとする。

	from	to	count
0	A	A	111
1	A	B	1120
2	A	C	1230
3	B	A	214
4	B	B	1225
5	B	C	1216
6	C	A	327
7	C	C	2319

こんな感じでページ→ページの遷移数と遷移確率行列的なものを可視化したい。

実装

以下でpandas, seaborn, matplotlibを使ってJupyter上で可視化する。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({'from': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                  'to': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'C'],
                  'count': [111, 1120, 1230, 214, 1225, 1216, 327, 2319]})
df  # C→Bのページ遷移は0件とする

	from	to	count
0	A	A	111
1	A	B	1120
2	A	C	1230
3	B	A	214
4	B	B	1225
5	B	C	1216
6	C	A	327
7	C	C	2319

pages = sorted(list(set(df['from'].values) | set(df['to'].values)))
pages

['A', 'B', 'C']

count_matrix = pd.DataFrame(index=pages, columns=pages, dtype=float)
count_matrix

	A	B	C
A	NaN	NaN	NaN
B	NaN	NaN	NaN
C	NaN	NaN	NaN

for i in zip(df['from'].values, df['to'].values, df['count'].values):
    count_matrix.at[i[0], i[1]] = i[2]

count_matrix.fillna(0, inplace=True)

row_sum = count_matrix.sum(axis=1)
row_sum

A    2461.0
B    2655.0
C    2646.0
dtype: float64

probabilistic_matrix = count_matrix.div(row_sum, axis=0)
probabilistic_matrix

	A	B	C
A	0.045104	0.455100	0.499797
B	0.080603	0.461394	0.458004
C	0.123583	0.000000	0.876417

sns.heatmap(count_matrix, annot=True, cmap='coolwarm', fmt='g', vmin=0)

sns.heatmap(probabilistic_matrix, annot=True, cmap='coolwarm', fmt='.3f', vmin=0, vmax=1)
plt.ylabel('from')
plt.xlabel('to')
plt.show()