diff --git a/2026-07-11_01.png b/2026-07-11_01.png new file mode 100644 index 0000000..8c4cdef Binary files /dev/null and b/2026-07-11_01.png differ diff --git a/Readme.org b/Readme.org index b86fc8a..5ae3b36 100644 --- a/Readme.org +++ b/Readme.org @@ -272,6 +272,24 @@ Excel ファイルには以下のシートを作成します。 - 「値 / カウント」表 - Google Forms のグラフ由来の連結数字列 +* 可視化例 + +解析スクリプトでは、研究室ごとの GP 分布や、特定研究室の希望者が全体の中で +どの位置にいるかを確認できます。 + +以下は出力図の例です。 + +#+CAPTION: GP 分布と第10研究室希望者の位置を示した可視化例 +#+NAME: fig:gp-distribution +[[file:hoge.png]] + +上段では、研究室ごとの GP 分布を箱ひげ図として示しています。 +各研究室の希望者の GP のばらつきや中央値を比較できます。 + +下段では、全回答者の GP 分布をヒストグラムとして示しています。 +第10研究室希望者の GP は縦線として重ねて表示しており、 +第10研究室希望者が全体分布の中でどの程度の位置にいるかを確認できます。 + * 注意事項 - 入力テキストは Google Forms の表示形式に依存します。 diff --git a/analyze_lab_placement_survey.py b/analyze_lab_placement_survey.py index 24a7fbb..618187c 100755 --- a/analyze_lab_placement_survey.py +++ b/analyze_lab_placement_survey.py @@ -1,7 +1,6 @@ #!/usr/bin/env python import argparse import re - import numpy as np import pandas as pd @@ -29,14 +28,13 @@ def extract_values_from_body(body): # -------------------------------------------------- # Case 1: 「値 カウント」表がある場合 # -------------------------------------------------- - m = re.search(r'^値\s+カウント\s*$', body, flags=re.MULTILINE) + m = re.search(r"^値\s+カウント\s*$", body, flags=re.MULTILINE) if m: table_part = body[m.end():] count_rows = re.findall( - r'^\s*(-?\d+(?:\.\d+)?)\s+(\d+)\s*$', - table_part, + r"^\s*(-?\d+(?:\.\d+)?)\s+(\d+)\s*$", table_part, flags=re.MULTILINE ) @@ -67,7 +65,7 @@ def extract_values_from_body(body): continue # 例: 365（修正済） - m = re.match(r'^(-?\d+(?:\.\d+)?)', line) + m = re.match(r"^(-?\d+(?:\.\d+)?)", line) if m: values.append(float(m.group(1))) @@ -96,11 +94,11 @@ def parse_google_form_results(text): # 研究室1 # 7 件の回答 m = re.search( - r'^研究室\s*[0-9]+[^\n]*\n' - r'(?:[^\d\n]*?)' - r'[0-9]+\s*件の回答', + r"^研究室\s*[0-9]+[^\n]*\n" + r"(?:[^\d\n]*?)" + r"[0-9]+\s*件の回答", text, - flags=re.MULTILINE + flags=re.MULTILINE, ) if not m: @@ -110,17 +108,17 @@ def parse_google_form_results(text): # 各研究室ブロックを取得 pattern = re.compile( - r'^研究室\s*([0-9]+)[^\n]*\n' - r'(?:[^\d\n]*?)' - r'([0-9]+)\s*件の回答\s*\n' - r'(.*?)' - r'(?=' - r'^研究室\s*[0-9]+[^\n]*\n' - r'(?:[^\d\n]*?)' - r'[0-9]+\s*件の回答' - r'|\Z' - r')', - flags=re.MULTILINE | re.DOTALL + r"^研究室\s*([0-9]+)[^\n]*\n" + r"(?:[^\d\n]*?)" + r"([0-9]+)\s*件の回答\s*\n" + r"(.*?)" + r"(?=" + r"^研究室\s*[0-9]+[^\n]*\n" + r"(?:[^\d\n]*?)" + r"[0-9]+\s*件の回答" + r"|\Z" + r")", + flags=re.MULTILINE | re.DOTALL, ) rows = [] @@ -136,16 +134,10 @@ def parse_google_form_results(text): values = extract_values_from_body(body) if len(values) != n_answers: - print( - f"警告: 研究室{lab_no}: " - f"回答数={n_answers}, 抽出数={len(values)}" - ) + print(f"警告: 研究室{lab_no}: 回答数={n_answers}, 抽出数={len(values)}") for value in values: - rows.append({ - "研究室番号": lab_no, - "値": value - }) + rows.append({"研究室番号": lab_no, "値": value}) df = pd.DataFrame(rows) @@ -166,13 +158,15 @@ def summarize_by_lab(df): # 編入生は 0 として入れてある。 df_regular = df_lab.loc[df_lab["値"] > 10] - rows.append({ - "研究室": lab_no, - "在校生": df_regular.shape[0], - "編入生": df_lab.shape[0] - df_regular.shape[0], - "GP mean": df_regular["値"].mean(), - "GP std": df_regular["値"].std(), - }) + rows.append( + { + "研究室": lab_no, + "在校生": df_regular.shape[0], + "編入生": df_lab.shape[0] - df_regular.shape[0], + "GP mean": df_regular["値"].mean(), + "GP std": df_regular["値"].std(), + } + ) return pd.DataFrame(rows).set_index("研究室") @@ -180,13 +174,7 @@ def summarize_by_lab(df): def print_summary(df, df_r): print("-" * 52) print("回答者数:", df.shape[0]) - print( - f"{'研究室':>6} " - f"{'在校生':>6} " - f"{'編入生':>6} " - f"{'GP mean':>10} " - f"{'GP std':>10}" - ) + print(f"{'研究室':>6} {'在校生':>6} {'編入生':>6} {'GP mean':>10} {'GP std':>10}") print("-" * 52) for n, row in df_r.iterrows(): @@ -202,14 +190,304 @@ def print_summary(df, df_r): ) +def apply_plot_style(): + """ + 論文図として使いやすい matplotlib の描画設定を適用する。 + + 仕様: + - seaborn や scienceplots には依存しない。 + - タイトルは付けず、軸ラベルと目盛だけで情報を伝える。 + - フォントサイズ、線幅、余白、保存時 DPI を論文図向けに調整する。 + - カラーマップは既定で tab10 を使う。 + """ + + import matplotlib.pyplot as plt + + plt.rcParams.update( + { + "figure.dpi": 120, + "savefig.dpi": 300, + "savefig.bbox": "tight", + "font.family": "sans-serif", + "font.sans-serif": ["Arial", "Helvetica", "DejaVu Sans"], + "font.size": 11, + "axes.labelsize": 12, + "axes.linewidth": 1.0, + "axes.spines.top": False, + "axes.spines.right": False, + "xtick.labelsize": 10, + "ytick.labelsize": 10, + "xtick.direction": "out", + "ytick.direction": "out", + "xtick.major.size": 4, + "ytick.major.size": 4, + "xtick.major.width": 1.0, + "ytick.major.width": 1.0, + "legend.frameon": False, + "pdf.fonttype": 42, + "ps.fonttype": 42, + } + ) + + +def filter_plot_data(data, lower=10, upper=None): + """ + GP の描画対象データを抽出する。 + + Parameters + ---------- + data : pandas.DataFrame + 「研究室番号」と「値」列を持つデータフレーム。 + lower : float, default 10 + この値より大きい回答を描画対象にする。既定値では編入生を除く。 + upper : float or None, default None + 指定した場合、この値未満の回答だけを描画対象にする。 + + Returns + ------- + pandas.DataFrame + フィルタ後のデータ。元データは変更しない。 + + Raises + ------ + KeyError + 必須列が存在しない場合。 + ValueError + フィルタ後に描画対象データが残らない場合。 + """ + + required_columns = {"研究室番号", "値"} + missing_columns = required_columns - set(data.columns) + if missing_columns: + raise KeyError(f"必須列がありません: {', '.join(sorted(missing_columns))}") + + df = data.loc[data["値"] > lower, ["研究室番号", "値"]].copy() + if upper is not None: + df = df.loc[df["値"] < upper].copy() + + if df.empty: + raise ValueError("描画対象のデータがありません。lower/upper を確認してください。") + + return df + + +def make_histogram_bins(values, bin_width): + """ + GP ヒストグラム用のビン境界を作成する。 + + 仕様: + - 最小値側は bin_width の倍数に切り下げる。 + - 最大値側は bin_width の倍数に切り上げ、最大値が最後のビンに入るようにする。 + - bin_width は正の数でなければならない。 + """ + + if bin_width <= 0: + raise ValueError("bin_width は正の数を指定してください。") + + min_edge = np.floor(values.min() / bin_width) * bin_width + max_edge = np.ceil(values.max() / bin_width) * bin_width + bin_width + return np.arange(min_edge, max_edge, bin_width) + + +def style_axis(ax, grid_axis="y"): + """ + 軸まわりの体裁を統一する。 + + 仕様: + - 上枠と右枠を消す。 + - 目盛を外向きにする。 + - 指定軸方向に薄いグリッドを入れ、文字やデータ点と競合しない濃度にする。 + """ + + ax.spines["top"].set_visible(False) + ax.spines["right"].set_visible(False) + ax.tick_params(direction="out", length=4, width=1) + ax.grid(axis=grid_axis, color="0.88", linewidth=0.8) + ax.set_axisbelow(True) + + +def draw_lab_boxplot(ax, df, labs, color, rng): + """ + 研究室別 GP 分布を箱ひげ図と実測点で描画する。 + + 仕様: + - 箱ひげ図は外れ値を非表示にし、実測点を重ねて全回答の分布を見せる。 + - 実測点には固定乱数の jitter を与え、同じ値の点の重なりを避ける。 + - x 軸のカテゴリ順は labs の順序に従う。 + """ + + positions = np.arange(1, len(labs) + 1) + grouped_values = [ + df.loc[df["研究室番号"] == lab, "値"].to_numpy(dtype=float) for lab in labs + ] + + box = ax.boxplot( + grouped_values, + positions=positions, + widths=0.55, + patch_artist=True, + showfliers=False, + medianprops={"color": "black", "linewidth": 1.2}, + boxprops={"facecolor": color, "edgecolor": "black", "linewidth": 1.0}, + whiskerprops={"color": "black", "linewidth": 1.0}, + capprops={"color": "black", "linewidth": 1.0}, + ) + + for patch in box["boxes"]: + patch.set_alpha(0.55) + + for x_position, values in zip(positions, grouped_values): + jitter = rng.uniform(-0.16, 0.16, size=len(values)) + ax.scatter( + np.full(len(values), x_position) + jitter, + values, + s=18, + color="black", + alpha=0.45, + linewidths=0, + zorder=3, + ) + + ax.set_xlim(0.4, len(labs) + 0.6) + ax.set_xticks(positions) + ax.set_xticklabels([str(lab) for lab in labs]) + ax.set_xlabel("Laboratory") + ax.set_ylabel("GP") + + +def annotate_target_values(ax, target_values, color): + """ + ヒストグラム上に対象研究室の GP を縦線と数値で示す。 + + 仕様: + - 同じ GP 値は 1 本の線にまとめる。 + - ラベルは軸上端の内側に置き、棒や軸ラベルとの重なりを避ける。 + - 近い値が複数ある場合はラベル高さを段階的にずらす。 + """ + + unique_values = pd.Series(target_values).value_counts().sort_index() + for i, (value, count) in enumerate(unique_values.items()): + ax.axvline(value, color=color, lw=1.3, alpha=0.85, linestyle="--") + label = f"{value:g}" if count == 1 else f"{value:g} x{count}" + ax.text( + value, + 0.96 - 0.11 * (i % 3), + label, + transform=ax.get_xaxis_transform(), + ha="center", + va="top", + rotation=90, + color=color, + fontsize=9, + bbox={"facecolor": "white", "edgecolor": "none", + "alpha": 0.75, "pad": 1.2}, + ) + + +def draw_gp_histogram(ax, df, target_values, bin_width, color, target_color): + """ + 全研究室の GP ヒストグラムを描画する。 + + 仕様: + - bin_width ごとの頻度を表示する。 + - 対象研究室の GP は点ではなく縦線で示し、全体分布内の位置を読みやすくする。 + - 研究室別箱ひげ図と同じ主色を使い、対象研究室は tab10 の別色で強調する。 + """ + + bins = make_histogram_bins(df["値"], bin_width) + ax.hist( + df["値"], + bins=bins, + color=color, + alpha=0.62, + edgecolor="black", + linewidth=0.8, + ) + + if len(target_values) > 0: + annotate_target_values(ax, target_values, target_color) + + ax.set_xlabel("GP") + ax.set_ylabel("Frequency") + + +def plot_data(data, lower=10, upper=None, target_lab=10, bin_width=10): + """ + 研究室配属希望調査の GP 分布を描画する。 + + Parameters + ---------- + data : pandas.DataFrame + 「研究室番号」と「値」列を持つデータフレーム。 + lower : float, default 10 + 描画対象に含める GP の下限。値が lower より大きい回答だけを描く。 + upper : float or None, default None + 描画対象に含める GP の上限。None の場合は上限を設けない。 + target_lab : int, default 10 + ヒストグラム上で GP 値を縦線表示する研究室番号。 + bin_width : float, default 10 + ヒストグラムのビン幅。 + Returns + ------- + tuple[matplotlib.figure.Figure, numpy.ndarray] + 生成した Figure と 2 個の Axes。 + + 仕様: + - matplotlib と pandas/numpy のみで描画する。 + - 図タイトルは付けない。 + - 上段に研究室別の箱ひげ図と個別点、下段に全体 GP ヒストグラムを描く。 + - 編入生は既定で除外するため、内部値 0 など lower 以下の値は描画しない。 + - 色は基本的に tab10 を使用する。 + """ + + import matplotlib.pyplot as plt + + df = data.copy() + + df = filter_plot_data(df, lower=lower, upper=upper) + labs = sorted(df["研究室番号"].unique()) + target_values = df.loc[df["研究室番号"] == + target_lab, "値"].to_numpy(dtype=float) + + apply_plot_style() + colors = plt.get_cmap("tab10").colors + rng = np.random.default_rng(20260709) + + fig, axs = plt.subplots( + 2, + 1, + figsize=(8.0, 6.2), + gridspec_kw={"height_ratios": [1.1, 1]}, + constrained_layout=True, + ) + + draw_lab_boxplot(axs[0], df, labs, colors[0], rng) + draw_gp_histogram(axs[1], df, target_values, + bin_width, colors[0], colors[3]) + + for ax in axs: + style_axis(ax) + + plt.show() + return fig, axs + + def main(): parser = argparse.ArgumentParser( description="Google Forms のコピペ結果から研究室別GPを集計する" ) - parser.add_argument("googleform_str", help="Google Forms からコピーしたテキストファイル") parser.add_argument( - "-o", "--output", - help="Excel 出力ファイル名。指定しない場合は出力しない" + "googleform_str", help="Google Forms からコピーしたテキストファイル" + ) + parser.add_argument( + "-o", "--output", help="Excel 出力ファイル名。指定しない場合は出力しない" + ) + + parser.add_argument( + "-p", + "--plot", + action="store_true", + help="各種plotを作成するかどうか。指定しない場合は作成しない。", ) args = parser.parse_args() @@ -218,10 +496,16 @@ def main(): text = f.read() df = parse_google_form_results(text) + # df_r = summarize_by_lab(df).sort_values(by="GP mean", ascending=False) df_r = summarize_by_lab(df) print_summary(df, df_r) + if args.plot: + fig, axs = plot_data(df) + fig.savefig(args.googleform_str.replace(".txt", ".png"), dpi=300) + print(args.googleform_str.replace(".txt", ".png"), "was created.") + if args.output: with pd.ExcelWriter(args.output) as writer: df.to_excel(writer, sheet_name="raw") diff --git a/hoge.png b/hoge.png new file mode 100644 index 0000000..843bf87 Binary files /dev/null and b/hoge.png differ