SEM（構造方程式モデリング）をStreamlitで可視化 #Python – Qiita

import streamlit as st
import pandas as pd
from semopy import Model
import matplotlib.pyplot as plt
import networkx as nx
from pyvis.network import Network
import tempfile
from semopy import calc_stats


# タイトル
st.title("📊 SEMによる因果分析アプリ")

# ファイルアップロード
uploaded_file = st.file_uploader("CSV または Excel ファイルをアップロードしてください", type=["csv", "xlsx"])
df = None

# ファイル読み込み処理
if uploaded_file is not None:
    if uploaded_file.name.endswith(".csv"):
        df = pd.read_csv(uploaded_file)
    elif uploaded_file.name.endswith(".xlsx"):
        xls = pd.ExcelFile(uploaded_file)
        sheet_name = st.selectbox("シートを選択してください", xls.sheet_names)
        df = pd.read_excel(xls, sheet_name=sheet_name)

# データが読み込まれた場合の処理
if df is not None:
    st.write("データプレビュー：", df.head())

    # 列選択
    target_columns = st.multiselect("目的変数（従属変数）を選択してください", df.columns)
    predictor_columns = st.multiselect("説明変数（独立変数）を選択してください", df.columns)

    if target_columns and predictor_columns:
        # モデル文字列作成
        model_descs = []
        vals = list(set(predictor_columns + target_columns))
        for y in vals:
            xs = [x for x in vals if x != y]
            if xs:
                model_descs.append(f"{y} ~ {' + '.join(xs)}")
        model_desc = "\n".join(model_descs)

        st.text("モデル定義:")
        st.code(model_desc)

        try:
            # モデル構築とフィッティング
            model = Model(model_desc)
            model.fit(df)

            # モデルパラメータ結果の表示
            result_df = model.inspect()
            st.subheader("📈 モデル推定結果")
            st.dataframe(result_df)

            # モデル適合度指標の計算
            st.subheader("📏 モデル適合度指標")
            fit_stats = calc_stats(model)
            gfi = fit_stats.get("GFI", None)
            if gfi is not None:
                st.markdown(f"**GFI (Goodness of Fit Index)**: `{gfi}`")
            else:
                st.warning("GFI を取得できませんでした。")

            # 適合度指標を表で表示
            fit_df = pd.DataFrame.from_dict(fit_stats)
            st.dataframe(fit_df.round(4))

            # 有意な因果関係のみ可視化
            st.subheader("🌐 有意な因果関係の可視化（pyvis）")
            alpha = st.slider("p値の閾値（この値未満のみを表示）", 0.0, 1.0, 0.05, 0.01)

            sig_df = result_df[result_df["p-value"]  alpha]
            sig_df = sig_df[sig_df["op"] == "~"]  # 回帰項のみ抽出

            # pyvis ネットワーク作成
            G = nx.DiGraph()
            for _, row in sig_df.iterrows():
                src = row["rval"]
                dst = row["lval"]
                weight = round(row["Estimate"], 2)
                G.add_edge(src, dst, weight=weight)

            net = Network(height="600px", width="100%", directed=True)
            for node in G.nodes:
                color = "orange" if node in target_columns else "skyblue"
                net.add_node(node, label=node, color=color)

            for u, v, d in G.edges(data=True):
                color = "gray" if d["weight"] > 0 else "red"
                net.add_edge(u, v, value=abs(d["weight"]), label=str(d["weight"]), color=color)

            with tempfile.NamedTemporaryFile(delete=False, suffix=".html") as tmp_file:
                net.save_graph(tmp_file.name)
                with open(tmp_file.name, "r", encoding="utf-8") as f:
                    html = f.read()
                st.components.v1.html(html, height=700, scrolling=True)

            st.markdown("**ノードをドラッグできます。右クリックから保存も可能です。**")

        except Exception as e:
            st.error(f"モデルの構築中にエラーが発生しました: {e}")

import streamlit as st
import pandas as pd
from semopy import Model
import matplotlib.pyplot as plt
import networkx as nx
from pyvis.network import Network
import tempfile
from semopy import calc_stats

# タイトル
st.title("📊 SEMによる因果分析アプリ")

# ファイルアップロード
uploaded_file = st.file_uploader("CSV または Excel ファイルをアップロードしてください", type=["csv", "xlsx"])
df = None

# ファイル読み込み処理
if uploaded_file is not None:
    if uploaded_file.name.endswith(".csv"):
        df = pd.read_csv(uploaded_file)
    elif uploaded_file.name.endswith(".xlsx"):
        xls = pd.ExcelFile(uploaded_file)
        sheet_name = st.selectbox("シートを選択してください", xls.sheet_names)
        df = pd.read_excel(xls, sheet_name=sheet_name)

# データが読み込まれた場合の処理
if df is not None:
    st.write("データプレビュー：", df.head())

    # モデル式を直接入力
    st.subheader("✏️ モデル式を入力してください")
    default_model_text = """# 例:
# Y1 ~ X1 + X2
# Y2 ~ Y1 + X3
"""
    model_desc = st.text_area(
        "SEMモデル式を記述してください（右の例を参考に）", 
        height=200,
        value=default_model_text
    )

    # モデル式が入力されている場合
    if model_desc.strip():
        try:
            # モデル構築とフィッティング
            model = Model(model_desc)
            model.fit(df)

            # モデルパラメータ結果の表示
            result_df = model.inspect()
            st.subheader("📈 モデル推定結果")
            st.dataframe(result_df)

            # モデル適合度指標の計算
            st.subheader("📏 モデル適合度指標")
            fit_stats = calc_stats(model)
            gfi = fit_stats.get("GFI", None)
            if gfi is not None:
                st.markdown(f"**GFI (Goodness of Fit Index)**: `{gfi}`")
            else:
                st.warning("GFI を取得できませんでした。")

            # 適合度指標を表で表示
            fit_df = pd.DataFrame.from_dict(fit_stats)
            st.dataframe(fit_df.round(4))

            # 有意な因果関係のみ可視化
            st.subheader("🌐 有意な因果関係の可視化（pyvis）")
            alpha = st.slider("p値の閾値（この値未満のみを表示）", 0.0, 1.0, 0.05, 0.01)

            sig_df = result_df[result_df["p-value"]  alpha]
            sig_df = sig_df[sig_df["op"] == "~"]  # 回帰項のみ抽出

            # pyvis ネットワーク作成
            G = nx.DiGraph()
            for _, row in sig_df.iterrows():
                src = row["rval"]
                dst = row["lval"]
                weight = round(row["Estimate"], 2)
                G.add_edge(src, dst, weight=weight)

            net = Network(height="600px", width="100%", directed=True)
            for node in G.nodes:
                net.add_node(node, label=node, color="skyblue")

            for u, v, d in G.edges(data=True):
                color = "gray" if d["weight"] > 0 else "red"
                net.add_edge(u, v, value=abs(d["weight"]), label=str(d["weight"]), color=color)

            with tempfile.NamedTemporaryFile(delete=False, suffix=".html") as tmp_file:
                net.save_graph(tmp_file.name)
                with open(tmp_file.name, "r", encoding="utf-8") as f:
                    html = f.read()
                st.components.v1.html(html, height=700, scrolling=True)

            st.markdown("**ノードをドラッグできます。右クリックから保存も可能です。**")

        except Exception as e:
            st.error(f"モデルの構築中にエラーが発生しました: {e}")