データフレームからネットワークグラフを生成したい。

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"]のデータを一つのイベントで複数ある会社をnetworkグラフに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。）

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

【イメージ画像】

networkxやgraphviz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。。
※【イメージ画像】が手書きで見にくく申し訳ありません。。

Answer 1

「共起ネットワーク」と呼ばれるようなものが目的に近いのかなという感じがします。

シンプルに共起頻度を取ってやってみました。

from itertools import combinations
from collections import defaultdict

import networkx as nx
import matplotlib.pyplot as plt

data = [["F"],
        ["A", "B", "E"],
        ["G", "H"],
        ["D", "I"],
        ["A", "F"],
        ["B", "C", "D", "F"]]

d = defaultdict(int)

for x in data:
    for pair in combinations(sorted(x), 2):
        d[pair] += 1

g = nx.Graph()
g.add_nodes_from(sorted(set([y for x in data for y in x])))

for pair, coef in d.items():
    g.add_edge(pair[0], pair[1], weight=coef)

plt.figure()
pos = nx.spring_layout(g, k=0.3)
nx.draw_networkx_nodes(g, pos, )
nx.draw_networkx_labels(
    g, pos, fontsize=15, font_family='TakaoPGothic', font_weight='bold')

edge_width = [d["weight"] for (u, v, d) in g.edges(data=True)]
nx.draw_networkx_edges(g, pos, width=edge_width)

plt.savefig("result.png")

使う値が頻度で良いのか、Jaccardにするのか、はたまた他の類似度を使うのかは、分析の目的によると思います。

---

※私自身あまりnetworkxに慣れていないので（何回か使ったこと自体はあるんですが）、手っ取り早くコードを書くためにページを参考にしています。参考にしてください。

いるかのボックス: Pythonで共起ネットワークを作成する
Pythonを使って文章から共起ネットワークを作る - 見習いデータサイエンティストの隠れ家

Comments

[退会済みユーザー]

ありがとうございます！
いただいたご回答とリンクを元に試行錯誤してみますm(_ _)m

Answer 2

あくまで一例ですが、協賛会社をノードとするのであれば、おそらくイベント名が重要だと思います。そこで、イベントごとにダミー変数を生成して、ある企業がそのイベントに参加していたかどうかを1 or 0で生成したベクトルを作ります。これはpd.get_dummiesというpandasの機能を使えばできると思うので、よかったら試して見てください。

そして、各企業との間での相関係数を求めて、それを相関行列にしてネットワークで可視化すれば、一先ず希望のものが求まると思います。もし都道府県が重要なのであれば要素として追加しても良いと思いますし、そのあとの工夫のやり方は沢山あると思います。

一応、自分が初めてだった頃に使用したネットワーク分析のサイトをここにいくつか上げておくので、よかったら参考にして見てください。どうやって企業ごとの相関係数を抽出するかが論点で、ここが突破できればあとは可視化するだけだと思います。頑張ってください！

・ネットワーク分析の指標を個人的に一番数学を使わずに分かりやすくまとめてあります。
https://www.ajimatics.com/entry/2018/01/30/133238

・networkxの入門と実際の事例
https://qiita.com/tomov3/items/64f7315474747fc01a6c
https://www.dskomei.com/entry/2019/04/07/021028
https://datumstudio.jp/blog/networkx%E3%81%A7%E5%85%A8%E5%9B%BD%E5%90%8D%E5%AD%97%E3%83%8D%E3%83%83%E3%83%88%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%92%E5%8F%AF%E8%A6%96%E5%8C%96%E3%81%97%E3%81%A6%E3%81%BF%E3%81%9F

Comments

[退会済みユーザー]

ご回答ありがとうございます！
いただいたヒントを元に試行錯誤してみます！