Update app.py

app.py

@@ -1,222 +1,33 @@
+# -*- coding: utf-8 -*-
+# japan_ver85.shp を単純にプロットするだけの最小スクリプト
+
 import os
-import time
-import io
-import pandas as pd
-import numpy as np
 import geopandas as gpd
 import matplotlib.pyplot as plt
-from shapely.geometry import Point
-from geopy.geocoders import Nominatim
-from geopy.extra.rate_limiter import RateLimiter
-import folium
-import gradio as gr
-
-# ----------------------------
-# 設定
-# ----------------------------
-# Nominatimの利用規約に配慮：連絡先付き user_agent を推奨
-USER_AGENT = os.environ.get(
-    "NOMINATIM_USER_AGENT",
-    "jp-geocoding-demo (contact: your_email@example.com)"
-)
-GEOCODE_DELAY_SEC = 1.0  # 1秒レート制限
-
-# キャッシュ場所
-CACHE_DIR = "data/cache"
-os.makedirs(CACHE_DIR, exist_ok=True)
-CACHE_PATH = os.path.join(CACHE_DIR, "geocode_cache.csv")
 
-# 行政界（都道府県）シェープ
+# シェープファイルのパス（必要に応じて書き換え）
 PREF_SHP_DIR = "data/japan_ver85"
 PREF_SHP_PATH = os.path.join(PREF_SHP_DIR, "japan_ver85.shp")
 
-# ----------------------------
-# 住所→緯度経度 キャッシュの読み書き
-# ----------------------------
-def load_cache():
-    if os.path.exists(CACHE_PATH):
-        df = pd.read_csv(CACHE_PATH)
-        # 空ファイル対策
-        if df.shape[1] == 4:
-            return df
-    return pd.DataFrame(columns=["address_input", "lat", "lon", "CF"])
-
-def save_cache(df_cache):
-    df_cache.to_csv(CACHE_PATH, index=False)
-
-# ----------------------------
-# ジオコーダ（Nominatim）
-# ----------------------------
-def make_geocoder():
-    geolocator = Nominatim(user_agent=USER_AGENT, timeout=10)
-    geocode = RateLimiter(geolocator.geocode, min_delay_seconds=GEOCODE_DELAY_SEC)
-    return geocode
-
-def geocode_with_cache(addresses, CFs, use_internet=True):
-    """
-    addresses: list[str]
-    CFs: list[float or str]  # 発電出力など
-    """
-    cache = load_cache()
-    cache_map = dict(((row["address_input"]), (row["lat"], row["lon"], row["CF"])) for _, row in cache.iterrows())
-    results = []
-
-    geocode = make_geocoder() if use_internet else None
-
-    for a, cf in zip(addresses, CFs):
-        a = str(a)
-        cf = str(cf)
-        if a in cache_map and not (pd.isna(cache_map[a][0]) or pd.isna(cache_map[a][1])):
-            lat, lon, cached_cf = cache_map[a]
-            results.append({"address_input": a, "CF": cf, "lat": lat, "lon": lon})
-            continue
-
-        if not use_internet:
-            # オフライン時は未取得扱い
-            results.append({"address_input": a, "CF": cf, "lat": np.nan, "lon": np.nan})
-            continue
+def main():
+    # 読み込み（pyogrio が入っていれば engine="pyogrio" を付けると高速）
+    gdf = gpd.read_file(PREF_SHP_PATH)  # , engine="pyogrio"
 
-        # API叩く（1秒ディレイはRateLimiter側で実施）
+    # 座標系を統一（念のため）
+    if gdf.crs is not None:
         try:
-            loc = geocode(a, country_codes="jp", addressdetails=True)
-            if loc:
-                lat, lon = loc.latitude, loc.longitude
-            else:
-                lat, lon = np.nan, np.nan
+            gdf = gdf.to_crs("EPSG:4326")
         except Exception:
-            lat, lon = np.nan, np.nan
-
-        # 結果をキャッシュ行に反映（上書き）
-        cache = cache[cache["address_input"] != a]
-        cache = pd.concat([cache, pd.DataFrame([{
-            "address_input": a, "lat": lat, "lon": lon, "CF": cf
-        }])], ignore_index=True)
-        save_cache(cache)
-
-        results.append({"address_input": a, "CF": cf, "lat": lat, "lon": lon})
-
-    return pd.DataFrame(results)
-
-# ----------------------------
-# 主要処理：Excel→ジオコーディング→地図描画
-# ----------------------------
-def run_pipeline(xlsx_file, sheet_name, header_row, address_col, power_col, use_inet):
-    # 1) Excel読込
-    # gradioのFileは一時パスを持つ
-    df = pd.read_excel(xlsx_file.name, sheet_name=sheet_name, header=header_row)
-
-    # 指定列を抽出（列名/インデックスどちらにも対応）
-    if isinstance(address_col, int):
-        addr_series = df.iloc[:, address_col]
-    else:
-        addr_series = df[address_col]
-
-    if isinstance(power_col, int):
-        cf_series = df.iloc[:, power_col]
-    else:
-        cf_series = df[power_col]
-
-    # 先頭行除外のロジックが必要なら適宜ここで
-    # df = df.drop(index=0)  # 元コード準拠（必要ならON）
-
-    addresses = addr_series.astype(str).tolist()
-    cfs = cf_series.tolist()
+            pass
 
-    # 2) ジオコーディング（キャッシュ活用）
-    geo_df = geocode_with_cache(addresses, cfs, use_internet=use_inet)
-
-    # 3) GeoDataFrame化
-    geometry = [
-        Point(lon, lat) if (pd.notna(lat) and pd.notna(lon)) else None
-        for lat, lon in zip(geo_df["lat"], geo_df["lon"])
-    ]
-    gdf_pts = gpd.GeoDataFrame(geo_df, geometry=geometry, crs="EPSG:4326")
-
-    # 4) 行政界の読込（pyogrioエンジンで軽量）
-    gdf_pref = gpd.read_file(PREF_SHP_PATH, engine="pyogrio").to_crs("EPSG:4326")
-
-    # 5) matplotlib 静的図
-    fig, ax = plt.subplots(figsize=(7, 7))
-    gdf_pref.boundary.plot(ax=ax, linewidth=0.5)
-    # 有効な点のみ
-    gdf_pts_valid = gdf_pts[gdf_pts.geometry.notnull()]
-    if not gdf_pts_valid.empty:
-        # CF列を数値化してカラーマップに使う
-        cf_num = pd.to_numeric(gdf_pts_valid["CF"], errors="coerce")
-        gdf_pts_valid.assign(CF_num=cf_num).plot(
-            ax=ax, column="CF_num", cmap="OrRd", markersize=10, alpha=0.8, legend=True
-        )
+    # プロット（境界線のみ）
+    ax = gdf.boundary.plot(figsize=(7, 7), linewidth=0.6)
     ax.set_axis_off()
-    buf = io.BytesIO()
     plt.tight_layout()
-    fig.savefig(buf, format="png", dpi=150)
-    plt.close(fig)
-    buf.seek(0)
-
-    # 6) folium インタラクティブ地図
-    # 中心は点の中央値あたりに
-    if not gdf_pts_valid.empty:
-        center_lat = gdf_pts_valid["lat"].astype(float).median()
-        center_lon = gdf_pts_valid["lon"].astype(float).median()
-    else:
-        center_lat, center_lon = 35.6812, 139.7671  # 東京駅あたり
-
-    m = folium.Map(location=[center_lat, center_lon], zoom_start=8)
-
-    # 都道府県境界（簡略表示：GeoJSONに直に積むと重いので省略可）
-    # ここでは境界線のみ少数表示（本番は軽量化したGeoJSONに置換推奨）
-    # folium.GeoJson(gdf_pref.to_json(), name="prefecture").add_to(m)
-
-    for _, r in gdf_pts_valid.iterrows():
-        popup = f"{r['address_input']}<br>CF:{r['CF']}"
-        folium.CircleMarker(
-            location=(float(r["lat"]), float(r["lon"])),
-            radius=4,
-            fill=True,
-            fill_opacity=0.8,
-            popup=popup,
-        ).add_to(m)
-
-    map_html = m._repr_html_()  # GradioのHTMLに埋め込み
-
-    # 出力：結果テーブル、静的画像、インタラクティブHTML
-    return gdf_pts, buf, map_html
-
-# ----------------------------
-# Gradio UI
-# ----------------------------
-with gr.Blocks(title="JP Geocoding & Mapping") as demo:
-    gr.Markdown("## 住所ジオコーディング＋可視化（Nominatim×GeoPandas×Folium）")
-
-    with gr.Row():
-        xlsx = gr.File(label="Excelファイル（例：13.東京都_202507.xlsx）", file_types=[".xlsx"])
-        sheet = gr.Textbox(label="シート名", value="認定設備")
-        header_row = gr.Number(label="ヘッダー行番号（0始まり）", value=2, precision=0)
-    with gr.Row():
-        address_col = gr.Textbox(label="住所列（列名 or 0始まり列番号）", value="発電設備の所在地")
-        power_col = gr.Textbox(label="出力列（列名 or 0始まり列番号）", value="発電出力（kW）")
-        use_inet = gr.Checkbox(label="Nominatimに問い合わせ（オフでキャッシュのみ使用）", value=True)
-
-    run_btn = gr.Button("実行")
-
-    out_df = gr.Dataframe(label="結果（住所・緯度経度・CF）", interactive=False)
-    out_img = gr.Image(label="静的地図（matplotlib）")
-    out_map = gr.HTML(label="インタラクティブ地図（folium）")
-
-    def _coerce_indexer(x):
-        # 列名/数字の両対応
-        try:
-            return int(x)
-        except Exception:
-            return x
 
-    run_btn.click(
-        fn=lambda xls, s, h, a, c, inet: run_pipeline(
-            xls, s, int(h), _coerce_indexer(a), _coerce_indexer(c), inet
-        ),
-        inputs=[xlsx, sheet, header_row, address_col, power_col, use_inet],
-        outputs=[out_df, out_img, out_map],
-    )
+    # 画面表示（画像保存したい場合は下のコメントアウトを外す）
+    # plt.savefig("japan_ver85.png", dpi=200)
+    plt.show()
 
 if __name__ == "__main__":
-    demo.launch()
+    main()