データ可視化の実践

import streamlit as st
import pandas as pd

# サンプルデータ
sales_data = pd.DataFrame({
    'month': ['1月', '2月', '3月', '4月', '5月', '6月'],
    'sales': [100, 120, 140, 110, 160, 180]
})

# 1行でグラフ作成
st.line_chart(sales_data.set_index('month'))

import plotly.express as px

# インタラクティブグラフ作成
fig = px.bar(sales_data, x='month', y='sales', 
             title='月別売上実績')
st.plotly_chart(fig, use_container_width=True)

import altair as alt

# Altairでのグラフ作成
chart = alt.Chart(sales_data).mark_bar().encode(
    x='month',
    y='sales',
    tooltip=['month', 'sales']
).properties(
    title='月別売上実績'
)
st.altair_chart(chart, use_container_width=True)

import matplotlib.pyplot as plt

# Matplotlibでのグラフ作成
fig, ax = plt.subplots(figsize=(8, 6))
ax.hist(data['sales'], bins=50, alpha=0.7, color='skyblue', edgecolor='black')
ax.set_xlabel('売上（円）')
ax.set_ylabel('頻度')
ax.set_title('売上分布ヒストグラム')
ax.grid(True, alpha=0.3)
st.pyplot(fig)

from bokeh.plotting import figure

p = figure(title='月別売上実績', x_axis_label='月', y_axis_label='売上（万円）')
p.vbar(x='month', top='sales', source=sales_data, width=0.9)
st.bokeh_chart(p, use_container_width=True)

# KPI表示
col1, col2, col3 = st.columns(3)
with col1:
    st.metric("売上", "1,234万円", "12%")

# サイドバーでフィルター設定
with st.sidebar:
    department = st.selectbox("部門", ["営業", "マーケティング"])

# コンテナを使った情報のグループ化
with st.container():
    st.subheader("売上分析")
    
    # メトリクス表示
    metric_cols = st.columns(4)
    with metric_cols[0]:
        st.metric("今月売上", "1,234万円")
    with metric_cols[1]:
        st.metric("前月比", "12%", delta="12%")
    with metric_cols[2]:
        st.metric("前年同月比", "8%", delta="8%")
    with metric_cols[3]:
        st.metric("目標達成率", "105%", delta="5%")

# エキスパンダーを使った詳細情報の格納
with st.expander("詳細データを表示"):
    st.dataframe(sales_data)
    
with st.expander("分析手法について"):
    st.write("""
    この分析では以下の手法を使用しています：
    - 前年同月比による季節性の考慮
    - 移動平均による トレンド分析
    - 外れ値の検出と除外
    """)

# フィルター設定
with st.sidebar:
    category = st.selectbox("商品カテゴリ", ["電子機器", "衣料品"])
    sales_range = st.slider("売上範囲", 0, 1000, (100, 500))

# フィルター適用したデータを表示
filtered_data = data[data['category'] == category]
st.bar_chart(filtered_data)

# 自動更新設定
auto_refresh = st.sidebar.checkbox("自動更新")
if auto_refresh:
    st.rerun()  # ページを再読み込み

# 階層的データ探索
selected_country = st.selectbox("国を選択", ["Japan", "USA"])
if st.button("詳細表示"):
    # 選択した国の地域データを表示
    region_data = get_region_data(selected_country)
    st.bar_chart(region_data)

あなたは優秀なデータアナリストです。以下の要件に基づいてPlotlyを使ったPythonコードを生成してください：

データ: 月別売上データ（month, sales, profit, region）
要件:
1. 地域別の売上を棒グラフで表示
2. 各バーの上に売上値を表示
3. 地域ごとに異なる色を使用
4. タイトルとラベルを日本語で設定
5. Streamlitで表示可能な形式で出力

出力形式: 完全なPythonコード（import文を含む）

import plotly.express as px
import plotly.graph_objects as go
import streamlit as st
import pandas as pd

# ECサイトの実際のビジネスデータ例
# Pandasについて詳しくは: https://pandas.pydata.org/docs/
data = pd.DataFrame({
    'month': ['1月', '2月', '3月', '4月', '5月', '6月'],
    'sales': [2500, 2800, 3200, 2900, 3500, 4100],  # 万円
    'orders': [1200, 1350, 1480, 1300, 1600, 1850],  # 注文数
    'conversion_rate': [2.8, 3.1, 3.4, 2.9, 3.6, 4.2],  # %
    'region': ['関東', '関西', '中部', '九州', '北海道', '東北']
})

# Plotlyチャートの作成
fig = px.bar(data, 
             x='region', 
             y='sales',
             title='地域別売上実績',
             labels={'sales': '売上（万円）', 'region': '地域'},
             color='region')

# 値をバーの上に表示
fig.update_traces(texttemplate='%{y}万円', textposition='outside')

# レイアウトの調整
fig.update_layout(
    showlegend=False,
    title_font_size=16,
    xaxis_title_font_size=14,
    yaxis_title_font_size=14
)

# Streamlitで表示
st.plotly_chart(fig, use_container_width=True)

悪い例: "売上グラフを作って"
良い例: "2023年1月〜12月の月別売上データを折れ線グラフで表示し、前年同月比を色で区別して表示してください"

以下のデータ構造を使用:
```python
data = {
    'date': ['2023-01-01', '2023-02-01', ...],
    'sales': [1000, 1200, ...],
    'category': ['A', 'B', ...]
}

出力要件:
- import文を含む完全なPythonコード
- Streamlitで実行可能
- エラーハンドリングを含む
- 日本語でのコメント付き