"""
インタラクティブCSVビジュアライザー
=====================================
カラム名が変わっても CONFIG セクションを書き換えるだけで対応できます。
20,000行規模のデータにも対応（集計はPandasで処理）。
使い方:
pip install pandas plotly
python csv_visualizer.py
"""
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import plotly.express as px
import json
import os
# ============================================================
# ★ CONFIG: ここだけ書き換えれば別のCSVにも対応できます ★
# ============================================================
CONFIG = {
# 読み込むCSVファイルのパス
"csv_file": "data.csv",
# CSVのエンコーディング（文字化けする場合は "shift_jis" や "cp932" に）
"encoding": "utf-8",
# --- カラムマッピング ---
# カテゴリ軸（X軸・グループ軸として使う列名）を列挙する
# ※ 順番が重要：先頭が「メイン軸」、残りが「フィルター候補」になります
"category_columns": ["branch", "category", "rank"],
# 集計する数値列の名前
"value_column": "count",
# --- 表示設定 ---
# グラフのタイトル
"title": "Branch / Category / Rank インタラクティブダッシュボード",
# 出力HTMLファイル名
"output_html": "dashboard.html",
}
# ============================================================
def load_data(cfg: dict) -> pd.DataFrame:
"""CSVを読み込む。ファイルが無ければデモデータを使う。"""
path = cfg["csv_file"]
if os.path.exists(path):
df = pd.read_csv(path, encoding=cfg["encoding"])
print(f"✓ {path} を読み込みました ({len(df):,} 行)")
else:
# --- デモデータ（質問に添付いただいたもの）---
demo_csv = """branch,category,rank,count
Tokyo,A,1rank,112
Tokyo,A,3rank,45
Tokyo,B,2rank,88
Tokyo,C,1rank,57
Tokyo,D,3rank,140
Tokyo,F,1rank,19
Tokyo,G,2rank,166
Osaka,A,2rank,73
Osaka,B,1rank,128
Osaka,B,3rank,52
Osaka,D,1rank,199
Osaka,E,3rank,41
Osaka,F,2rank,77
Osaka,G,1rank,160
Nagoya,A,1rank,34
Nagoya,C,2rank,120
Nagoya,D,2rank,18
Nagoya,E,1rank,67
Nagoya,E,2rank,143
Nagoya,G,3rank,59
Fukuoka,A,3rank,84
Fukuoka,B,2rank,36
Fukuoka,C,3rank,152
Fukuoka,E,1rank,27
Fukuoka,F,3rank,99
Sapporo,A,1rank,62
Sapporo,B,3rank,115
Sapporo,D,1rank,12
Sapporo,F,2rank,173
Sapporo,G,3rank,48"""
from io import StringIO
df = pd.read_csv(StringIO(demo_csv))
print("⚠ data.csv が見つからないためデモデータを使用します")
return df
def build_filter_options(df: pd.DataFrame, cfg: dict) -> dict:
"""各カテゴリ列のユニーク値を収集する。"""
options = {}
for col in cfg["category_columns"]:
if col in df.columns:
options[col] = sorted(df[col].astype(str).unique().tolist())
return options
def build_html(df: pd.DataFrame, cfg: dict) -> str:
"""
Plotly を使ったインタラクティブHTMLを生成する。
フィルター・集計・グラフ更新はすべてブラウザ内JavaScriptで処理するため
Pythonサーバー不要・スタンドアロンHTMLとして動作する。
"""
cat_cols = [c for c in cfg["category_columns"] if c in df.columns]
val_col = cfg["value_column"]
filter_options = build_filter_options(df, cfg)
# DataFrameをJSONとして埋め込む（20k行でも数MBなので問題なし）
records_json = df[cat_cols + [val_col]].to_json(orient="records", force_ascii=False)
# 色パレット
palette = px.colors.qualitative.Set2
html = f"""
{cfg['title']}
{cfg['title']}
Interactive
"""
return html
def _filter_block(col: str, vals: list) -> str:
"""サイドバー用チップフィルターHTMLを生成する。"""
chips = "".join(
f'{v}'
for v in vals
)
return f"""
"""
def main():
cfg = CONFIG
df = load_data(cfg)
html = build_html(df, cfg)
out = cfg["output_html"]
with open(out, "w", encoding="utf-8") as f:
f.write(html)
print(f"✓ {out} を生成しました → ブラウザで開いてください")
if __name__ == "__main__":
main()