データフレームのデータをnetworkxでグラフ化したい。

Question

日本のイベントをまとめたデータフレーム【df_event】があります。
・df_event["協賛会社"]
・df_event["企画会社"]
・df_event["運営会社"]
のデータを一つのイベントで２つや３つある会社をnetworkxでグラフ化したいと思っています。
（【イメージ画像】のようにどの会社同士の繋がりが強いかを可視化したいです。）
networkxに初めて挑戦するのでヒントだけでもいただけたらと思います。
どなたかお力添えをよろしくお願いいたします。。

【df_event】
|イベント名|都道府県名|開催|協賛会社|企画会社|運営会社|
|:--|:--:|--:|
|〇〇祭り|北海道|1989|F社|A社、D社|G社|
|□□大会|北海道|1975|A社、H社|B社|H社|
|・|・|・|・|・|
|△△パーティー|東京都|2013|A社|C社、D社|B社、F社|
|●●祭|神奈川県|1982|B社|E社、F社、A社|G社|
|・|・|・|・|・|
|✖︎✖︎生誕祭|大阪府|1969|F社|G社、B社|A社|
|■■ディナーショー|大阪府|2004|A社、G社|C社|A社、C社、H社|
|・|・|・|・|・|・|
|▲▲イベント|沖縄|1997|B社|D社、E社、F社|H社|

【イメージ画像】

Answer 1

イベント名	都道府県名	開催	協賛会社	企画会社	運営会社
〇〇祭り	北海道	1989	F社	A社、D社	G社

となっていた場合、F社、A社、D社、G社 が関係があるとし、その中の2つの組み合わせに対して辺を追加する形でグラフを作成しました。(itertools.combinations を使用)

G社 A社
G社 F社
G社 D社
A社 F社
A社 D社
F社 D社

関係の強さを表すために penwidth 属性に回数を記録し、すでに辺が存在する場合は +1 するようにしました。(penwidth 属性は Graphviz で辺を描画する際の太さに利用されます)

必要なライブラリについて

netoworkx 自体はグラフの可視化機能は提供しておらず、matplotlib または Graphviz を使って行うので、今回は Graphviz を使いました。

可視化には別途、pydot という Python のライブラリと graphviz というソフトウェアが必要になります。

Linux では apt でインストールできますが、それ以外の環境の場合は OS にあったバージョンのバイナリを公式サイトからダウンロードしてください。

Download

pydot は pip install pydot でインストールできます。

Linux の場合のコマンド

pip install pydot networkx
# Graphviz と日本語フォントをインストール
apt install -y graphviz fonts-ipafont
fc-cache -fv

コード

from io import StringIO
from itertools import combinations

import networkx as nx
import pandas as pd
from IPython.display import Image, display

data = StringIO(
    """
イベント名,都道府県名,開催,協賛会社,企画会社,運営会社
〇〇祭り,北海道,1989,F社,A社、D社,G社
□□大会,北海道,1975,A社、H社,B社,H社
△△パーティー,東京都,2013,A社,C社、D社,B社、F社
●●祭,神奈川県,1982,B社,E社、F社、A社,G社
✖︎✖︎生誕祭,大阪府,1969,F社,G社、B社,A社
■■ディナーショー,大阪府,2004,A社、G社,C社,A社、C社、H社
▲▲イベント,沖縄,1997,B社,D社、E社、F社,H社
"""
)


def splitter(text):
    """句読点区切りの値をリストにする。
       例: "A社、D社" -> ["A社", "D社"]
    """
    return [x.strip() for x in text.split("、")]


df = pd.read_csv(
    data, converters={"協賛会社": splitter, "企画会社": splitter, "運営会社": splitter}
)
display(df)

# 会社は全部ひとまとめにする。
df["会社"] = df["協賛会社"] + df["企画会社"] + df["運営会社"]
# 重複は消す。
df["会社"] = df["会社"].apply(lambda x: set(x))

# 会社の関係をグラフにする。
G = nx.Graph(fontname="IPAGothic")  # 日本語フォントを設定する
# 環境に応じて、ここは変えてください。Windows なら例えば「メイリオ」とか

for row in df.itertuples():
    # 各イベントごとに、関係している会社の組み合わせを辺として追加する。
    for u, v in combinations(getattr(row, "会社"), 2):
        if G.has_edge(u, v):
            # すでに辺が存在する場合は penwidth の値を +1 する。
            G.edges[u, v]["penwidth"] += 1
        else:
            # 辺がまだ存在しない場合は辺を追加する。
            G.add_edge(u, v, penwidth=1)


def show_graph(G):
    D = nx.nx_pydot.to_pydot(G)
    D.write_png("temp.png", prog="dot")
    display(Image("temp.png"))


show_graph(G)

Comments

[退会済みユーザー]

ご回答ありがとうありがとうございます！
実際のデータで書き換えたところ、下記のエラーが発生いたしました。。
この場合はどのような原因が考えられますでしょうか...?

can only concatenate list (not "str") to list

[tiitoi]

例えば、converters={"協賛会社": splitter, "企画会社": splitter, "運営会社": splitter} のところの列名が質問の例と違うとかでしょうか？
列名が違う場合は適宜変更してください

[退会済みユーザー]

再度確認しましたが正しいようです。。

[tiitoi]

質問に記載された以下の形式の CSV で動作することは確認しているので、実際の CSV に差し替えたら動作しないのであれば、その差異が原因です。
実際のデータがこちらにはないので、すみませんが、原因については回答のしようがありません。

イベント名,都道府県名,開催,協賛会社,企画会社,運営会社
〇〇祭り,北海道,1989,F社,A社、D社,G社
□□大会,北海道,1975,A社、H社,B社,H社
△△パーティー,東京都,2013,A社,C社、D社,B社、F社
●●祭,神奈川県,1982,B社,E社、F社、A社,G社
✖︎✖︎生誕祭,大阪府,1969,F社,G社、B社,A社
■■ディナーショー,大阪府,2004,A社、G社,C社,A社、C社、H社
▲▲イベント,沖縄,1997,B社,D社、E社、F社,H社

[退会済みユーザー]

df = pd.read_csv(data, converters={"協賛会社": splitter, "企画会社": splitter, "運営会社": splitter})
df["会社"] = df["協賛会社"] + df["企画会社"] + df["運営会社"]
の部分をご回答と同じように３つにしたところ、通ったようなのですが、次に下記のエラーが発生してしまいました。。

AttributeError: 'tuple' object has no attribute '会社'

[tiitoi]

df["会社"] = df["協賛会社"] + df["企画会社"] + df["運営会社"]
df["会社"] = df["会社"].apply(lambda x: set(x))

の直後に df["会社"] を print() するとどうなっていますか？
1行目は ["B社","D社"], ["A社"] のように3つの列のリストの値を結合して "会社" という列を作成しています。
2行目は ["A社", "A社", "B社"] のように重複する会社名が出てきた場合に重複を除いています。

[退会済みユーザー]

0 {A社,B社,C社...
1 {D社,E社,F社}
2 {G社,H社,I社......
・
・
というように返ってきます！

[tiitoi]

だとしたら、そこまでは意図通りのような気がします。
AttributeError: 'tuple' object has no attribute '会社'
は
getattr(row, "会社")
で発生しているのでしょうか？
"会社" という名前の列があれば、エラーが起こらないはずなのですが。。。

[退会済みユーザー]

そのようです。。
ちなみにご回答いただいたコードをそのまま打ち込むと下記エラーが発生するので、これは根本的に自分のnotebookに問題があるということですかね。。

FileNotFoundError: [Errno 2] "dot" not found in path.

[tiitoi]

グラフの可視化には Graphviz というグラフ可視化のソフトウェアを使用するので、インストール及び環境変数 PATH への登録 (PATHを通す) が必要です。
そのエラーはそれができていないので起こっています。

Windows であれば、以下からインストールできます。
http://www.graphviz.org/download/
すると、Program Files (x86) 以下 (環境によって違う可能性もある) にインストールされるので、以下のパスを環境変数 PATH に通しておく必要があります。
C:\Program Files (x86)\Graphviz2.38\bin
設定後、Notebook は再起動しないと環境変数の変更が反映されないかもしれません。

設定がうまくいっていれば、少なくとも回答のコードは動くはずです。