前回はPythonを活用した効率的な箱ひげ図作成する方法をお伝えしました。

ただ、こういう手法ってpython書ける人しか使えないよね、、、みたいなことって良くありますよね。

【技術研究者向け】Pythonを活用して箱ひげ図を短時間で作成しよう

この記事では、Pythonを使って簡単に箱ひげ図を作成する手順を紹介します。エクセルとの比較を通じて、データ分析作業の効率化や柔軟性を探ります。Pythonを活用し、データの分布や外れ値を視覚化する際のメリットを体験しましょう。

そこで今回は、Pythonコードを書かない人でもWebアプリケーションを利用できるようにアプリケーションしようと思います。

私は仕事は一人ではできないと思っています。業務効率化は個人だけでなく全体の業務進捗に影響を与えるため、自分の効率化の力を共有してみんなに活用してもらいたいという思いがあります。

　本題ですが、今回の記事では箱ひげ図作成するためのStreamlitアプリケーションを作成し、Streamlit Cloudにデプロイする方法をご紹介します。

Streamlitとは？

StreamlitはPythonでお手軽にWebアプリを作成するためのフレームワークです。

簡潔なコードでインタラクティブなアプリケーションを作成できるため、多くの人々に利用されています。

今回のゴールは、アプリケーションの公開と共有することです。

そのための手順として、Streamlitアプリケーションのコードをboxplot.pyというファイルに保存し、それをGitHubにプッシュして連携させて、Streamlit Cloud へのデプロイする手順をご説明します。

GitHub

インターネット上でコードを保存・共有できる場所
複数人で協力してコードを書けるようにする

Streamlitを社内公開するメリット

Streamlitの社内公開には、次のメリットがあります。

非技術者でも簡単にデータ可視化や分析が行えるため、全員が意思決定に参加しやすくなります。

さらに、共有が容易であり、チーム全体で同じデータに基づく議論が可能になります。

業務効率が向上し、プロジェクトの進行がスムーズになります。

また、技術的なサポートが不要となり、IT部門の負担も軽減されます。

ステップ1: Streamlitアプリケーションの保存

以下のコードをboxplot.pyという名前で保存します。

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

def main():
    st.title("Boxplot with Mean Values")

    # ファイルのアップロード
    uploaded_file = st.file_uploader("Upload CSV file", type=["csv"])
    
    if uploaded_file is not None:
        # アップロードされたCSVファイルをDataFrameに読み込む
        data = pd.read_csv(uploaded_file)
        
        st.write("### Uploaded Data:")
        st.write(data)
        
        # 1列目の文字列でグループ分けして、グループ名をカラム名に設定して結合
        grouped_dataframes = []
        for group_name, group_data in data.groupby(data.columns[0]):
            group_df = pd.DataFrame({group_name: group_data[data.columns[1]].values})
            grouped_dataframes.append(group_df)

        # グループごとのデータフレームを縦方向に連結して新しいデータフレームを作成
        merged_df = pd.concat(grouped_dataframes, axis=1)

        # 外れ値を除去する関数
        def remove_outliers(df, col):
            numeric_df = df[pd.to_numeric(df[col], errors='coerce').notnull()]
            Q1 = numeric_df[col].quantile(0.25)
            Q3 = numeric_df[col].quantile(0.75)
            IQR = Q3 - Q1
            lower_bound = Q1 - 1.5 * IQR
            upper_bound = Q3 + 1.5 * IQR
            return numeric_df[(numeric_df[col] >= lower_bound) & (numeric_df[col] <= upper_bound)]

        # 列ごとに外れ値を除去したデータフレームを作成
        df_no_outliers = pd.DataFrame()
        for col in merged_df.columns:
            df_no_outliers[col] = remove_outliers(merged_df, col)[col]

        # 箱ひげ図を描画
        plt.figure(figsize=(8, 6))
        sns.boxplot(data=df_no_outliers, orient='v', color='white', fliersize=5, showmeans=True, meanprops={"marker":"x", "markerfacecolor":"black", "markeredgecolor":"black", "markersize":10})

        plt.xlabel("Variables")
        plt.ylabel("Values")
        plt.title("Boxplot with Mean Values")

        st.pyplot(plt)

if __name__ == "__main__":
    main()

ステップ2: アクセスとアカウント作成

Streamlit Cloud でアカウント作成します

Web ブラウザを開き、Streamlit Cloud にアクセスします。
“Sign up” または “Get Started” のボタンをクリックします。
必要な情報を入力して、新しいアカウントを作成します。これには、メールアドレス、ユーザー名、パスワードの設定が含まれます。
登録後、メールアドレスに送られてくる確認メールを確認し、アカウントを有効化します。
Cloudにアクセスし、新しいアカウントを作成します。
ダッシュボードから新しいアプリケーションを作成します。

ステップ3: アカウント設定から連携の手順

Gitの公式サイトからインストーラーをダウンロードして実行する。
インストール中はデフォルト設定のままで進める。
Git Bashを起動する。Gitのインストールが完了すると、コマンドラインツール「Git Bash」もインストール済となるので、ご自身のPCの検索窓からGit Bashを探してみてください。
ユーザー名を登録する：

git config --global user.name "Your Name"

メールアドレスを登録する

git config --global user.email "youremail@example.com"

登録が成功したか確認する

git config --list

GitHubの公式サイトにアクセスして新しいアカウントを作成する。

必要事項を入力し、「Create account」をクリックする。

メール認証を行い、アカウント作成を完了する。
入力したメールアドレスに GitHub から確認用のメールが送信されます。メール内のリンクをクリックしてメールアドレスを確認し、アカウント作成を完了する。
Git Bash(ターミナル画面)で、作業ディレクトリを作成する：mkdir project

作成したディレクトリに移動する

cd project

ローカルリポジトリを初期化する

git init

GitHub上で新しいリポジトリを作成する。
ローカルリポジトリとリモートリポジトリを紐づける

git remote add origin https://github.com/username/repository.git

ファイルをステージングする。このとき使用するライブラリもGithubと連携させる必要がありますのでrequirements.txtも一緒にステージングしてください

git add boxplot.py　git add requirements.txt

変更をコミットする

git commit -m "Commit message"

リモートリポジトリに変更をプッシュする

git push origin main

【グローバル会議で活躍】研究開発職に求められる議事メモ作成術‼

ビジネスで成果を上げるには会議の内容を正確に記録することが重要。議事録の書き方のルール、上手な人の特徴、会議中のメモテクニック、作成者表記のポイントなど、ノルマ達成に役立つ議事録の書き方を徹底解説。

ステップ4: デプロイの手順

Streamlit Cloud にアクセスし、アカウントにログインします。アカウントを持っていない場合は、新しいアカウントを作成します。
ダッシュボード画面に移動し、「New app」ボタンをクリックします。

“GitHub” オプションを選択して、GitHub からアプリケーションをデプロイします。
GitHub で作成したリポジトリの名前を検索し、該当するリポジトリを選択します。
“main” ブランチ（または適切なブランチ）を選択して、”Deploy” ボタンをクリックします。

Streamlit Cloud は自動的に GitHub リポジトリからアプリケーションをデプロイし、起動します。デプロイの進捗状況は、画面上部に表示されます。
デプロイが完了すると、”View app” ボタンが表示されます。これをクリックすると、デプロイした Streamlit アプリケーションがブラウザで開きます。

ステップ5: アプリケーションの公開と共有

Streamlit Cloud で開いたアプリケーションの画面で、右上の「Share」ボタンをクリックします。
公開したい人にリンクを送信するには、”Copy” ボタンをクリックしてアプリケーションの URL をコピーします。
または、”Share via email” オプションを使用して、メールでリンクを直接送信することもできます。必要な情報を入力し、送信ボタンをクリックします。
アプリケーションの URL を SNS や他のプラットフォームに投稿して共有することもできます。その際は、アプリケーションの URL をペーストして、他のユーザーがアクセスできるようにします。

これで、Streamlit Cloud にアプリケーションがデプロイされ、公開・共有が完了しました。

他のユーザーはアプリケーションの URL を使用して、ブラウザからアクセスして利用することができます。