Update app.py

app.py

@@ -1,5 +1,222 @@
+import os
+import time
+import io
+import pandas as pd
+import numpy as np
 import geopandas as gpd
 import matplotlib.pyplot as plt
+from shapely.geometry import Point
+from geopy.geocoders import Nominatim
+from geopy.extra.rate_limiter import RateLimiter
+import folium
+import gradio as gr
 
-world = gpd.read_file(gpd.datasets.get_path("naturalearth_lowres"))
-world.head()
+# ----------------------------
+# 設定
+# ----------------------------
+# Nominatimの利用規約に配慮：連絡先付き user_agent を推奨
+USER_AGENT = os.environ.get(
+    "NOMINATIM_USER_AGENT",
+    "jp-geocoding-demo (contact: your_email@example.com)"
+)
+GEOCODE_DELAY_SEC = 1.0  # 1秒レート制限
+
+# キャッシュ場所
+CACHE_DIR = "data/cache"
+os.makedirs(CACHE_DIR, exist_ok=True)
+CACHE_PATH = os.path.join(CACHE_DIR, "geocode_cache.csv")
+
+# 行政界（都道府県）シェープ
+PREF_SHP_DIR = "data/N03-20250101_GML"
+PREF_SHP_PATH = os.path.join(PREF_SHP_DIR, "N03-20250101_prefecture.shp")
+
+# ----------------------------
+# 住所→緯度経度 キャッシュの読み書き
+# ----------------------------
+def load_cache():
+    if os.path.exists(CACHE_PATH):
+        df = pd.read_csv(CACHE_PATH)
+        # 空ファイル対策
+        if df.shape[1] == 4:
+            return df
+    return pd.DataFrame(columns=["address_input", "lat", "lon", "CF"])
+
+def save_cache(df_cache):
+    df_cache.to_csv(CACHE_PATH, index=False)
+
+# ----------------------------
+# ジオコーダ（Nominatim）
+# ----------------------------
+def make_geocoder():
+    geolocator = Nominatim(user_agent=USER_AGENT, timeout=10)
+    geocode = RateLimiter(geolocator.geocode, min_delay_seconds=GEOCODE_DELAY_SEC)
+    return geocode
+
+def geocode_with_cache(addresses, CFs, use_internet=True):
+    """
+    addresses: list[str]
+    CFs: list[float or str]  # 発電出力など
+    """
+    cache = load_cache()
+    cache_map = dict(((row["address_input"]), (row["lat"], row["lon"], row["CF"])) for _, row in cache.iterrows())
+    results = []
+
+    geocode = make_geocoder() if use_internet else None
+
+    for a, cf in zip(addresses, CFs):
+        a = str(a)
+        cf = str(cf)
+        if a in cache_map and not (pd.isna(cache_map[a][0]) or pd.isna(cache_map[a][1])):
+            lat, lon, cached_cf = cache_map[a]
+            results.append({"address_input": a, "CF": cf, "lat": lat, "lon": lon})
+            continue
+
+        if not use_internet:
+            # オフライン時は未取得扱い
+            results.append({"address_input": a, "CF": cf, "lat": np.nan, "lon": np.nan})
+            continue
+
+        # API叩く（1秒ディレイはRateLimiter側で実施）
+        try:
+            loc = geocode(a, country_codes="jp", addressdetails=True)
+            if loc:
+                lat, lon = loc.latitude, loc.longitude
+            else:
+                lat, lon = np.nan, np.nan
+        except Exception:
+            lat, lon = np.nan, np.nan
+
+        # 結果をキャッシュ行に反映（上書き）
+        cache = cache[cache["address_input"] != a]
+        cache = pd.concat([cache, pd.DataFrame([{
+            "address_input": a, "lat": lat, "lon": lon, "CF": cf
+        }])], ignore_index=True)
+        save_cache(cache)
+
+        results.append({"address_input": a, "CF": cf, "lat": lat, "lon": lon})
+
+    return pd.DataFrame(results)
+
+# ----------------------------
+# 主要処理：Excel→ジオコーディング→地図描画
+# ----------------------------
+def run_pipeline(xlsx_file, sheet_name, header_row, address_col, power_col, use_inet):
+    # 1) Excel読込
+    # gradioのFileは一時パスを持つ
+    df = pd.read_excel(xlsx_file.name, sheet_name=sheet_name, header=header_row)
+
+    # 指定列を抽出（列名/インデックスどちらにも対応）
+    if isinstance(address_col, int):
+        addr_series = df.iloc[:, address_col]
+    else:
+        addr_series = df[address_col]
+
+    if isinstance(power_col, int):
+        cf_series = df.iloc[:, power_col]
+    else:
+        cf_series = df[power_col]
+
+    # 先頭行除外のロジックが必要なら適宜ここで
+    # df = df.drop(index=0)  # 元コード準拠（必要ならON）
+
+    addresses = addr_series.astype(str).tolist()
+    cfs = cf_series.tolist()
+
+    # 2) ジオコーディング（キャッシュ活用）
+    geo_df = geocode_with_cache(addresses, cfs, use_internet=use_inet)
+
+    # 3) GeoDataFrame化
+    geometry = [
+        Point(lon, lat) if (pd.notna(lat) and pd.notna(lon)) else None
+        for lat, lon in zip(geo_df["lat"], geo_df["lon"])
+    ]
+    gdf_pts = gpd.GeoDataFrame(geo_df, geometry=geometry, crs="EPSG:4326")
+
+    # 4) 行政界の読込（pyogrioエンジンで軽量）
+    gdf_pref = gpd.read_file(PREF_SHP_PATH, engine="pyogrio").to_crs("EPSG:4326")
+
+    # 5) matplotlib 静的図
+    fig, ax = plt.subplots(figsize=(7, 7))
+    gdf_pref.boundary.plot(ax=ax, linewidth=0.5)
+    # 有効な点のみ
+    gdf_pts_valid = gdf_pts[gdf_pts.geometry.notnull()]
+    if not gdf_pts_valid.empty:
+        # CF列を数値化してカラーマップに使う
+        cf_num = pd.to_numeric(gdf_pts_valid["CF"], errors="coerce")
+        gdf_pts_valid.assign(CF_num=cf_num).plot(
+            ax=ax, column="CF_num", cmap="OrRd", markersize=10, alpha=0.8, legend=True
+        )
+    ax.set_axis_off()
+    buf = io.BytesIO()
+    plt.tight_layout()
+    fig.savefig(buf, format="png", dpi=150)
+    plt.close(fig)
+    buf.seek(0)
+
+    # 6) folium インタラクティブ地図
+    # 中心は点の中央値あたりに
+    if not gdf_pts_valid.empty:
+        center_lat = gdf_pts_valid["lat"].astype(float).median()
+        center_lon = gdf_pts_valid["lon"].astype(float).median()
+    else:
+        center_lat, center_lon = 35.6812, 139.7671  # 東京駅あたり
+
+    m = folium.Map(location=[center_lat, center_lon], zoom_start=8)
+
+    # 都道府県境界（簡略表示：GeoJSONに直に積むと重いので省略可）
+    # ここでは境界線のみ少数表示（本番は軽量化したGeoJSONに置換推奨）
+    # folium.GeoJson(gdf_pref.to_json(), name="prefecture").add_to(m)
+
+    for _, r in gdf_pts_valid.iterrows():
+        popup = f"{r['address_input']}<br>CF:{r['CF']}"
+        folium.CircleMarker(
+            location=(float(r["lat"]), float(r["lon"])),
+            radius=4,
+            fill=True,
+            fill_opacity=0.8,
+            popup=popup,
+        ).add_to(m)
+
+    map_html = m._repr_html_()  # GradioのHTMLに埋め込み
+
+    # 出力：結果テーブル、静的画像、インタラクティブHTML
+    return gdf_pts, buf, map_html
+
+# ----------------------------
+# Gradio UI
+# ----------------------------
+with gr.Blocks(title="JP Geocoding & Mapping") as demo:
+    gr.Markdown("## 住所ジオコーディング＋可視化（Nominatim×GeoPandas×Folium）")
+
+    with gr.Row():
+        xlsx = gr.File(label="Excelファイル（例：13.東京都_202507.xlsx）", file_types=[".xlsx"])
+        sheet = gr.Textbox(label="シート名", value="認定設備")
+        header_row = gr.Number(label="ヘッダー行番号（0始まり）", value=2, precision=0)
+    with gr.Row():
+        address_col = gr.Textbox(label="住所列（列名 or 0始まり列番号）", value="発電設備の所在地")
+        power_col = gr.Textbox(label="出力列（列名 or 0始まり列番号）", value="発電出力（kW）")
+        use_inet = gr.Checkbox(label="Nominatimに問い合わせ（オフでキャッシュのみ使用）", value=True)
+
+    run_btn = gr.Button("実行")
+
+    out_df = gr.Dataframe(label="結果（住所・緯度経度・CF）", interactive=False)
+    out_img = gr.Image(label="静的地図（matplotlib）")
+    out_map = gr.HTML(label="インタラクティブ地図（folium）")
+
+    def _coerce_indexer(x):
+        # 列名/数字の両対応
+        try:
+            return int(x)
+        except Exception:
+            return x
+
+    run_btn.click(
+        fn=lambda xls, s, h, a, c, inet: run_pipeline(
+            xls, s, int(h), _coerce_indexer(a), _coerce_indexer(c), inet
+        ),
+        inputs=[xlsx, sheet, header_row, address_col, power_col, use_inet],
+        outputs=[out_df, out_img, out_map],
+    )
+
+if __name__ == "__main__":
+    demo.launch()