【Python実践】決定木分析で隠れたルールを可視化しよう（コピペで使えるサンプルコード付き）

dt = DecisionTree()
dt.read("P:\DataAnalysis\data\生産データ.csv")

# カテゴリを数値にエンコード（必要に応じて）
dt.category_encode(["ライン名称"])

# 欠損値のクレンジング（必要に応じて）
dt.cleansing(action="fb")

target = "不良内容"  # 目的変数の列名
features = ["工場コード","ライン名称","ロットNo","薬液A温度","薬液B温度","薬液C温度","中経路温度","混合炉内温度","冷却炉内温度","出口温度"] # 説明変数のリスト

# 決定木の可視化
dt.visualize(target, features, "d:\decision_tree_output")

# カテゴリ変数の対応表を表示
print(dt.categorys)

# pip install pandas
# pip install  scikit-learn 
# pip install pydotplus

from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
import pydotplus
from sklearn.preprocessing import LabelEncoder
import pandas as pd

class DecisionTree:
    def __init__(self,df=None):
        """
        決定木を作成するクラス

        Parameters:
        df (pandas.DataFrame): 変換対象のDataFrame
        """
        self.df = None if df is None else df.copy()
        self.categorys = {}
    
    def read(self,file_name,encoding="shift-jis"):
        """
        CSVファイルをDataFrameに読み込む
        
        Parameters:
        file_name (str): CSVファイル名
        encoding (str): エンコード名
        """

        self.df = pd.read_csv(file_name,encoding=encoding)  # データを読み込む
        
    def cleansing(self, columns=None, action='fb'):
        """
        DataFrameの欠損値処理を行うメソッド

        Args:
            columns (list, optional): 処理対象のカラムのリスト。Noneの場合、全カラムを対象とする。
            action (str, optional): 処理内容を指定する文字列。
                'f': 欠損値を前の行で埋める (ffill)
                'b': 欠損値を後ろの行で埋める (bill)
                'fb': 前後両方で埋める (ffill.bfill)
                'd': 欠損値を含む行を削除する (dropna)

        Returns:
            pandas.DataFrame: 処理後のDataFrame
        """

        # 処理対象のカラムを指定
        if columns is None:
            cols = self.df.columns
        else:
            cols = columns

        # 処理内容に応じて処理を実行
        if action == 'f':
            self.df[cols] = self.df[cols].ffill()
        elif action == 'b':
            self.df[cols] = self.df[cols].bfill()
        elif action == 'd':
            self.df = self.df.dropna(subset=cols)
        else:
            self.df[cols] = self.df[cols].ffill().bfill()

        return self.df


    def visualize(self,target, features, file_name,max_depth=5,random_state=0,max_leaf_nodes=100):
        """
        決定木を可視化してPNGファイルとして保存する関数
        
        Parameters:
        data (pd.DataFrame): 特徴量と目的変数を含むデータフレーム
        target (str): 目的変数のカラム名
        features (list of str): 特徴量として使用するカラム名のリスト
        file_name (str): 保存するPNGファイルの名前（拡張子は含まない）
        max_depth (int): 木の最大深さ
        random_state (int): 乱数シード
        max_leaf_nodes (int): 葉ノードの最大数
        Returns:
        pydotplus.graphviz.Dot: グラフオブジェクト
        """
        # 特徴量と目的変数を分割
        X = self.df[features]
        y = self.df[target]

        # 決定木クラス分類器のインスタンスを作成
        clf = DecisionTreeClassifier(max_depth=max_depth,random_state=random_state,max_leaf_nodes=max_leaf_nodes)
        
        # モデルの訓練
        clf.fit(X, y)

        # 決定木の可視化のためにDOTデータをエクスポート
        dot_data = export_graphviz(clf, out_file=None,
                                feature_names=features,  
                                class_names=sorted(y.unique()),
                                filled=True, rounded=True,  
                                special_characters=True)
        

        # 日本語のフォント名に置き換える
        dot_data = dot_data.replace('fontname="helvetica"','fontname="Meiryo"')

        # pydotplusを使用してDOTデータからグラフを生成
        graph = pydotplus.graph_from_dot_data(dot_data)
        
        # グラフをPNGファイルとして保存
        graph.write_png(file_name + ".png")
        
        # グラフを返す
        return graph

    def category_encode(self,columns):
        """
        指定したカラムをLabelEncoderで数値に変換し、新しいDataFrameを返す関数

        Args:
            columns (list): 変換対象のカラム名のリスト

        Returns:
            pandas.DataFrame: 変換後のDataFrame
        """
        for col in columns:
            le = LabelEncoder()
            self.df[col] = le.fit_transform(self.df[col])
            self.categorys[col] = [x for x in le.classes_]
        return self.df