def __init__(self, fig):
# DB 読み込み
# DB の読み込み日付の指定.
args = cfg['args']
d0 = _d(args.db_begin)
df = _d(args.db_end)
self.pp2, self.pp3, self.ppj = db_defs(d0, df, args.db_folder)
# 評価日時 (10 日毎)
self.t0 = sn_fm_dt(d0)
self.tf = max(t_max(self.pp2), t_max(self.pp3), t_max(self.ppj)) + 10
self.tt = [a for a in range(int(self.t0), int(self.tf), 10)
] + [int(self.tf)] * 10 # 終端に tf を 10 回繰り返し。
# figure & axis 生成
#
self.fig = fig
self.ax = fig.add_subplot(1, 1, 1)
self.fig.subplots_adjust(left=0)
"""
def proc_last(pp2, pp3, ppj):
""" 作図 支持率 -- 不支持率 最新値(２次元プロット)
最新値と前回からの差分を 支持率--不支持率 グラフ(２次元)にプロットする。
オプションで古い最新値を無視する (-t 14 など)。
オプションでイメージファイル Fig?_yymmdd.png を出力する。
Parameters
----------
pp2, pp3, ppj : グループ毎の DB() リスト.
"""
args = cfg['args']
xymin, xymax = [int(a)
for a in args.xy_range.split(':')] # X軸,Y軸の範囲(X,Y 共通)
xoff, yoff = [float(a) for a in args.label_offset.split(':')] # ラベルのオフセット
fig = plt.figure(figsize=(4.8 * (1800 / 1012), 4.8))
fig.subplots_adjust(left=0.02, bottom=0.13, right=0.9, top=0.88)
ax = fig.add_subplot(1, 1, 1)
ax.set_aspect('equal')
fig.text(
0.50,
0.847,
'線分は前回からの変化',
fontsize=10,
#fig.text(0.4, 0.14, '各社の最新(線分は前回からの変化)', fontsize=10,
bbox=dict(facecolor='gray', edgecolor='none', alpha=0.2))
ax.set_xlabel('内閣を支持する [%]', fontsize=14)
ax.set_ylabel('内閣を支持しない [%]', fontsize=14)
ax.set_xlim(xymin, xymax)
ax.set_ylim(xymin, xymax)
ax.set_xticks(range(xymin, xymax + 1, 5))
ax.set_yticks(range(xymin, xymax + 1, 5))
ax.grid(True)
# 各社最新
cm = plt.get_cmap('tab10')
cn = 0
flg_old = False
for (pp, col, ab) in [(ppj, 'brown', 'C'), (pp2, 'indigo', 'グループH'),
(pp3, 'green', 'グループL')]:
for p in pp:
tref = max(t_max(ppj), t_max(pp2), t_max(pp3))
# DB の終端からの日にちで絞る(オプショナル)
if args.trimday and (p.db['T'][-1] < (tref - int(args.trimday))):
continue
if p.db['T'][-1] > tref - 42:
alp_mark, alp_line, alp_text = 1.0, 0.8, 0.8
else:
alp_mark, alp_line, alp_text = 0.2, 0.2, 0.2
flg_old = True
xx = p.db['APP_RATE'][-2:]
yy = p.db['NAP_RATE'][-2:]
st1 = dt_fm_sn(p.db['T'][-1]).strftime('%m/%d')
st2 = dt_fm_sn(p.db['T'][-2]).strftime('%m/%d')
s = '%s %s (%s)' % (p.label, st1, st2)
ax.plot(xx, yy, '-', lw=1, color=cm(cn), alpha=alp_line)
ax.plot(xx[-1],
yy[-1],
p.marker,
ms=p.size,
color=cm(cn),
alpha=alp_mark,
label=s)
ax.text(xx[-1] + xoff,
yy[-1] + yoff,
p.label,
fontsize=10,
alpha=alp_text)
cn = (cn + 1) % 10
ax.plot([0, 100], [0, 100], '--', alpha=0.5)
ax.legend(loc='upper left', bbox_to_anchor=(1.02, 1.02))
if flg_old:
fig.text(0.7, 0.3, '薄い表示は古い調査(6 週間経過)', fontsize=10)
if args.gout:
fn = 'Fig%s_%s.png' % (args.gout_ndx, cfg['gout_date'])
fig.savefig(os.path.join(args.gout_folder, fn))
def main():
# オプション設定 (cfg['args'] に記録)
#
opt = options()
cfg['args'] = opt.parse_args()
args = cfg['args']
# DB 読み込み
# DB の読み込み日付の指定.
# ma_days [day] 感度解析のウィンドウ(直近 ma_days のデータから感度求める)
#
args = cfg['args']
d0 = _d(args.db_begin)
df = _d(args.db_end)
pp2, pp3, ppj = db_defs(d0, df, args.db_folder)
ppa = ppj + pp2 + pp3
# ファクター設定
fc_dict = {}
for yn in ['APP_RATE', 'NAP_RATE']:
fc_dict[yn] = {}
tstp = 10
tt = np.arange(t_min(ppa), t_max(ppa), tstp)
ff_step = calc_fact(ppa, yn, tt, d_window=6*30)
for p, f in zip(ppa, ff_step):
fc_dict[yn][p.label] = interp(tt, f)
# 補正後の平均
#
for k in ['APP_RATE', 'NAP_RATE']:
if args.k_days > 0:
t0 = sn_fm_dt(d0)
t_node = np.arange(t0, t_max(ppa) + 1, 1) # 移動平均を求める時刻
tven_buf[k] = trend_mav(fc_dict, k, t_node, ppa, w_days=30, k_days=args.k_days)
else:
t0 = sn_fm_dt(d0)
t0_sunday = t0 + (6 - d0.weekday()) # 0:月曜 6:日曜
t_node = np.arange(t0_sunday, t_max(ppa) + 3, 7) # 移動平均を求める時刻
tven_buf[k] = trend_sunday(fc_dict, k, t_node, ppa)
if 1:
proc_trend()
proc_trend_x(ppa, fc_dict)
if 1:
# 公表値/補正値/残差
fig, axes = plt.subplots(3, 2, figsize=(10, 7))
fig.subplots_adjust(left=0.1, bottom=0.1, right=0.90, top=0.95, wspace=0.44)
fig.text(0.20, 0.97, '支持する')
if args.k_days > 0:
fig.text(0.29, 0.62, '平均は指数移動平均')
fig.text(0.29, 0.60, '(時定数 %d 日)' % args.k_days)
else:
fig.text(0.29, 0.62, '平均は日曜前後数日')
proc_raw_cal_sdv(fc_dict, axes[:,0], 'APP_RATE', ppa)
fig.text(0.70, 0.97, '支持しない')
if args.k_days > 0:
fig.text(0.75, 0.62, '平均は指数移動平均')
fig.text(0.75, 0.60, '(時定数 %d 日)' % args.k_days)
else:
fig.text(0.75, 0.62, '平均は日曜前後数日')
proc_raw_cal_sdv(fc_dict, axes[:,1], 'NAP_RATE', ppa)
if args.gout:
fig.savefig(os.path.join(args.gout_folder, 'Fig%d_%s.png' % (args.gout_ndx + 2, cfg['gout_date'])))
if 1:
proc_factor(ppa, 'APP_RATE', '内閣 支持率 感度係数', fc_dict, 3)
proc_factor(ppa, 'NAP_RATE', '内閣 不支持率 感度係数', fc_dict, 4)
# 表示
# イメージファイルの出力は proc_last() 内で行う
# 複数の図を出力するアプリの plot.show() は一つなので main の最後で実施する
if args.gout == False:
plt.show()
def proc_factor(db_list, k_app_nap, k_title, fc_dict, gn_rel):
""" 報道10 社の支持率/不支持率の調査感度の時系列比較
Parameters
----------
db_list, list of DB()
k_app_nap, string : 分析データキー ('APP_RATE' or 'NAP_RATE')
k_title, string : グラフタイトル
fc_dict, - : 他の分析で使っている感度係数補間関数の辞書
gn_rel, : 出力図番の相対
"""
args = cfg['args']
# 図の準備
nr = 6
fig, axes = plt.subplots(nr, 2, figsize=(10, 7))
fig.text(0.10, 0.97, k_title, fontsize=16)
fig.text(0.60, 0.97, '(オレンジ:3ヵ月移動平均 ブルー:6ヵ月移動平均)', fontsize=12)
fig.subplots_adjust(left=0.1, bottom=0.1, right=0.95, top=0.95, wspace=0.25, hspace=0.25)
# 分析期間
t0 = sn_fm_dt(_d(cfg['args'].db_begin))
tf = t_max(db_list)
# 移動平均の窓幅をいくつか選んで感度のトレンドを描画(調査会社毎)
for ndx, m in enumerate([3, 6]): # window size (m-month)
tt = np.arange(t0 + 6*30, tf, 7)
ff = calc_fact(db_list, k_app_nap, tt, m*30)
dd = [dt_fm_sn(a) for a in tt]
for j, (f, db) in enumerate(zip(ff, db_list)):
c, r = divmod(j, nr)
if ndx == 0:
axes[r,c].plot(dd, f, color='orange', lw=2, alpha=0.8)
else:
axes[r,c].plot(dd, f, color='blue')
fc = [fc_dict[k_app_nap][db.label](t) for t in tt]
axes[r,c].plot(dd, fc, '-', color='green', alpha=0.5)
axes[r,c].set_xlim(dd[0], dd[-1]+timedelta(days=30))
# タイトルや軸の設定
db_list_ax = db_list + ['']*(nr*2 - len(db_list))
print('db_list_ax', len(db_list_ax))
for j, db in enumerate(db_list_ax):
c, r = divmod(j, nr)
axes[r,c].set_xlim(dd[0], dd[-1]+timedelta(days=30))
if db != '':
axes[r, c].set_ylabel(db.label)
axes[r, c].set_ylim(0.8, 1.3)
axes[r, c].grid(which='both')
axes[r, c].grid(which='minor', alpha=0.1)
if r == (nr - 1):
print(r, c)
set_date_tick(axes[r,c], (1, 7), '%Y/%m', 30)
else:
set_date_tick(axes[r,c], (1, 7), '%m', 0)
# 調査が実施された日付をプロット
if db != '':
dd_org = [dt_fm_sn(a) for a in db.db['T']]
oo_org = np.ones_like(dd_org)
axes[r,c].plot(dd_org, oo_org, 'o', ms=4, alpha=0.2)
if args.gout:
fig.savefig(os.path.join(args.gout_folder, 'Fig%d_%s.png' % (args.gout_ndx + gn_rel, cfg['gout_date'])))
def main():
# オプション設定 (cfg['args'] に記録)
#
opt = options()
cfg['args'] = opt.parse_args()
args = cfg['args']
# DB 読み込み
# DB の読み込み日付の指定.
# ma_days [day] 感度解析のウィンドウ(直近 ma_days のデータから感度求める)
#
args = cfg['args']
d0 = _d(args.db_begin)
df = _d(args.db_end)
pp2, pp3, ppj = db_defs(d0, df, args.db_folder)
# ファクター設定
fc_dict = {}
for yn in ['APP_RATE', 'NAP_RATE']:
fc_dict[yn] = {}
for db_list in [ppj, pp2, pp3]:
tstp = 10
tt = np.arange(t_min(db_list), t_max(db_list), tstp)
ff_step = calc_fact(db_list, yn, tt, d_window=6 * 30)
for db, f in zip(db_list, ff_step):
fc_dict[yn][db.label] = interp(tt, f)
# 補正後の平均
#
t0 = sn_fm_dt(d0)
t_node2 = np.arange(t0, t_max(pp2) + 1, 1)
t_node3 = np.arange(t0, t_max(pp3) + 1, 1)
t_nodej = np.arange(t0, t_max(ppj) + 1, 1)
for k in ['APP_RATE', 'NAP_RATE']:
if args.k_days > 0:
tven_buf['H'][k] = trend_mav(fc_dict,
k,
t_node2,
pp2,
w_days=30,
k_days=args.k_days)
else:
t0 = sn_fm_dt(d0)
t0_sunday = t0 + (6 - d0.weekday()) # 0:月曜 6:日曜
t_node = np.arange(t0_sunday, t_max(pp2) + 3, 7) # 移動平均を求める時刻
tven_buf['H'][k] = trend_sunday(fc_dict, k, t_node, pp2)
for k in ['APP_RATE', 'NAP_RATE']:
if args.k_days > 0:
tven_buf['L'][k] = trend_mav(fc_dict,
k,
t_node3,
pp3,
w_days=30,
k_days=args.k_days)
else:
t0 = sn_fm_dt(d0)
t0_sunday = t0 + (6 - d0.weekday()) # 0:月曜 6:日曜
t_node = np.arange(t0_sunday, t_max(pp3) + 3, 7) # 移動平均を求める時刻
tven_buf['L'][k] = trend_sunday(fc_dict, k, t_node, pp3)
for k in ['APP_RATE', 'NAP_RATE']:
if args.k_days > 0:
tven_buf['J'][k] = trend_mav(fc_dict,
k,
t_nodej,
ppj,
w_days=30,
k_days=args.k_days)
else:
t0 = sn_fm_dt(d0)
t0_sunday = t0 + (6 - d0.weekday()) # 0:月曜 6:日曜
t_node = np.arange(t0_sunday, t_max(ppj) + 3, 7) # 移動平均を求める時刻
tven_buf['J'][k] = trend_sunday(fc_dict, k, t_node, ppj)
if 1:
proc_trend()
if 1:
# 公表値/補正値/残差
for yn in ['APP_RATE', 'NAP_RATE']:
fig, axes = plt.subplots(3, 2, figsize=(10, 7))
fig.subplots_adjust(left=0.1,
bottom=0.1,
right=0.90,
top=0.95,
wspace=0.44)
fig.text(0.15, 0.97, '支持%s(グループH)' % {
'APP_RATE': 'する',
'NAP_RATE': 'しない'
}[yn])
if args.k_days > 0:
fig.text(0.29, 0.62, '平均は指数移動平均')
fig.text(0.29, 0.60, '(時定数 %d 日)' % args.k_days)
else:
fig.text(0.29, 0.62, '平均は日曜前後数日')
tt2, avg, err, num = tven_buf['H'][yn].by_column()
proc_raw_cal_sdv(fc_dict, axes[:, 0], yn, pp2, tt2, avg)
fig.text(0.65, 0.97, '支持%s(グループL)' % {
'APP_RATE': 'する',
'NAP_RATE': 'しない'
}[yn])
if args.k_days > 0:
fig.text(0.75, 0.62, '平均は指数移動平均')
fig.text(0.75, 0.60, '(時定数 %d 日)' % args.k_days)
else:
fig.text(0.75, 0.62, '平均は日曜前後数日')
tt3, avg, err, num = tven_buf['L'][yn].by_column()
proc_raw_cal_sdv(fc_dict, axes[:, 1], yn, pp3, tt3, avg)
if args.gout:
if yn == 'APP_RATE':
fig.savefig(
os.path.join(
args.gout_folder, 'Fig%d_%s.png' %
(args.gout_ndx + 2, cfg['gout_date'])))
else:
fig.savefig(
os.path.join(
args.gout_folder, 'Fig%d_%s.png' %
(args.gout_ndx + 3, cfg['gout_date'])))
if 1:
proc_yn(pp2, pp3, ppj)
if 1:
proc_fc(fc_dict, pp2, pp3, ppj)
if 1:
proc_hilo()
# 表示
# イメージファイルの出力は proc_last() 内で行う
# 複数の図を出力するアプリの plot.show() は一つなので main の最後で実施する
if args.gout == False:
plt.show()