PART 03 — ワードクラウド生成・保存・まとめ
wordcloud + matplotlib で画像生成・PNG 保存・応用例

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# PART 02 で作成した load_and_tokenize() を呼んで単語列を取得
# （ここでは簡略化のためハードコードした単語列を使用）
tokenized_text = (
    "データベース 接続 エラー 発生 サービス 停止 コネクション プール 設定 ミス "
    "ネットワーク 障害 タイムアウト 多発 ネットワーク 機器 ファームウェア 不具合 "
    "メモリ 不足 アプリケーション サーバー クラッシュ メモリ リーク バグ "
    "ディスク 容量 不足 ログ 書き込み 失敗 ログ ローテーション 設定 漏れ "
    "データベース スロークエリ 応答 時間 増大 インデックス 未設定 "
    "認証 サーバー 接続 タイムアウト ログイン 認証 サーバー 過負荷 "
    "レートリミット 超過 リクエスト 拒否 バッチ 処理 並列 設定 ミス "
    "証明書 期限切れ 通信 切断 証明書 更新 作業 漏れ "
    "キャッシュ サーバー 障害 データベース 負荷 集中 キャッシュ 冗長 不足 "
    "デプロイ 設定 ファイル 読み込み エラー 環境変数 設定 漏れ"
)

# ── WordCloud 生成 ─────────────────────────────────────────────────────
FONT_PATH = "C:/Windows/Fonts/meiryo.ttc"   # ※ OS に合わせて変更

wc = WordCloud(
    font_path        = FONT_PATH,
    width            = 800,
    height           = 400,
    background_color = "white",
    max_words        = 50,
    colormap         = "tab10",
    collocations     = False,    # 2語連語の自動結合を無効化
    prefer_horizontal= 0.9,      # 横書き優先率（0.0〜1.0）
)

wc.generate(tokenized_text)

# ── matplotlib で表示 ──────────────────────────────────────────────────
plt.figure(figsize=(12, 6))
plt.imshow(wc, interpolation="bilinear")
plt.axis("off")
plt.title("障害管理表 ワードクラウド", fontsize=16, pad=14)
plt.tight_layout()
plt.show()

import sys
import pathlib

def get_default_font() -> str:
    """OS に応じてデフォルト日本語フォントパスを返す"""
    if sys.platform == "win32":
        candidates = [
            pathlib.Path("C:/Windows/Fonts/meiryo.ttc"),
            pathlib.Path("C:/Windows/Fonts/YuGothM.ttc"),
        ]
    elif sys.platform == "darwin":
        candidates = [
            pathlib.Path("/System/Library/Fonts/ヒラギノ角ゴシック W3.ttc"),
            pathlib.Path("/System/Library/Fonts/Hiragino Sans GB W3.ttc"),
        ]
    else:  # Linux
        candidates = [
            pathlib.Path("/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc"),
            pathlib.Path("/usr/share/fonts/truetype/fonts-japanese-gothic.ttf"),
        ]

    for path in candidates:
        if path.exists():
            return str(path)

    raise FileNotFoundError(
        "日本語フォントが見つかりません。font_path を手動で指定してください。"
    )

FONT_PATH = get_default_font()
print(f"使用フォント: {FONT_PATH}")

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# （生成済みの wc オブジェクトがある前提）

# ── 方法 A: WordCloud オブジェクトから直接保存 ─────────────────────────
wc.to_file("wordcloud_incident.png")
print("✅ wordcloud_incident.png を保存しました")

# ── 方法 B: matplotlib の figure ごと保存（タイトル込み） ─────────────────
fig, ax = plt.subplots(figsize=(12, 6))
ax.imshow(wc, interpolation="bilinear")
ax.axis("off")
ax.set_title("障害管理表 ワードクラウド", fontsize=16, pad=14)
fig.tight_layout()
fig.savefig("wordcloud_incident_with_title.png", dpi=150, bbox_inches="tight")
plt.close(fig)
print("✅ wordcloud_incident_with_title.png を保存しました")

from wordcloud import WordCloud, STOPWORDS

# デフォルトの英語ストップワードセットに追加
custom_stopwords = set(STOPWORDS) | {
    # ── 動詞・形容詞の一般語 ──────────────────────────────────────────
    "する", "なる", "ある", "れる", "られる",
    # ── 汎用名詞（障害票どこにでも出る語） ────────────────────────────
    "発生", "対応", "確認", "処理", "作業", "ため", "より", "こと",
}

wc = WordCloud(
    font_path        = FONT_PATH,
    width            = 800,
    height           = 400,
    background_color = "white",
    max_words        = 50,
    colormap         = "Set2",
    collocations     = False,
    stopwords        = custom_stopwords,   # ← ここで渡す
)

wc.generate(tokenized_text)
wc.to_file("wordcloud_filtered.png")
print("✅ wordcloud_filtered.png を保存しました")

import pandas as pd
from wordcloud import WordCloud
import pathlib

def generate_monthly_wordclouds(
    filepath:  str,
    text_cols: list[str],
    date_col:  str,
    output_dir: str = "output",
    font_path: str = "C:/Windows/Fonts/meiryo.ttc",
) -> None:
    """月ごとのワードクラウド PNG を output_dir に出力する"""
    df = pd.read_excel(filepath)
    df[date_col] = pd.to_datetime(df[date_col])
    df["年月"] = df[date_col].dt.strftime("%Y-%m")

    pathlib.Path(output_dir).mkdir(exist_ok=True)

    wc = WordCloud(
        font_path        = font_path,
        width            = 800,
        height           = 400,
        background_color = "white",
        max_words        = 40,
        colormap         = "tab20",
        collocations     = False,
    )

    for month, group in df.groupby("年月"):
        texts = group[text_cols].fillna("").apply(
            lambda r: "。".join(r.values.astype(str)), axis=1
        )
        combined = " ".join(texts.tolist())
        tokenized = extract_words(combined)   # PART 02 の関数

        if not tokenized.strip():
            print(f"⚠️ {month}: 単語が抽出できませんでした（データなし）")
            continue

        wc.generate(tokenized)
        out = pathlib.Path(output_dir) / f"wordcloud_{month}.png"
        wc.to_file(str(out))
        print(f"✅ {out} を保存しました")


# 実行
generate_monthly_wordclouds(
    filepath   = "incident_log.xlsx",
    text_cols  = ["障害内容", "原因"],
    date_col   = "発生日",
)

import pandas as pd
from wordcloud import WordCloud

df = pd.read_excel("incident_log.xlsx")

# ── 例1: 特定の重要度（列があると仮定）に絞る ──────────────────────────
# df_high = df[df["重要度"] == "高"]

# ── 例2: 特定のシステム領域でフィルタ ─────────────────────────────────
# df_db = df[df["カテゴリ"] == "データベース"]

# ── 例3: 期間で絞る ──────────────────────────────────────────────────
df["発生日"] = pd.to_datetime(df["発生日"])
df_q1 = df[df["発生日"].between("2024-01-01", "2024-03-31")]

# フィルタ結果からワードクラウドを生成
texts = df_q1[["障害内容", "原因"]].fillna("").apply(
    lambda r: "。".join(r.values.astype(str)), axis=1
)
combined = " ".join(texts.tolist())
tokenized = extract_words(combined)  # PART 02 の関数

wc = WordCloud(
    font_path        = "C:/Windows/Fonts/meiryo.ttc",
    width            = 800,
    height           = 400,
    background_color = "white",
    max_words        = 40,
    colormap         = "Reds",
    collocations     = False,
)
wc.generate(tokenized)
wc.to_file("wordcloud_q1.png")
print(f"✅ Q1 ({len(df_q1)} 件) のワードクラウドを保存しました")

"""
wordcloud_incident_full.py
==========================
障害管理表 Excel → ワードクラウド PNG 生成の完結版スクリプト。

Usage:
    python wordcloud_incident_full.py              # サンプルデータを生成して実行
    python wordcloud_incident_full.py myfile.xlsx  # 既存 Excel を使う
"""
import sys
import pathlib
import pandas as pd
from janome.tokenizer import Tokenizer
from wordcloud import WordCloud
import matplotlib.pyplot as plt


# ── 設定 ───────────────────────────────────────────────────────────────
FONT_PATH   = "C:/Windows/Fonts/meiryo.ttc"
OUTPUT_FILE = "wordcloud_incident.png"
TEXT_COLS   = ["障害内容", "原因"]


# ── サンプルデータ生成 ─────────────────────────────────────────────────
def create_sample_excel(filepath: str) -> None:
    records = [
        {"障害ID": "INC-001", "発生日": "2024-01-10",
         "障害内容": "データベース接続エラーが発生し、サービスが停止した",      "原因": "コネクションプールの設定ミス"},
        {"障害ID": "INC-002", "発生日": "2024-01-15",
         "障害内容": "ネットワーク障害によりAPIタイムアウトが多発した",         "原因": "ネットワーク機器のファームウェア不具合"},
        {"障害ID": "INC-003", "発生日": "2024-02-03",
         "障害内容": "メモリ不足でアプリケーションサーバーがクラッシュした",    "原因": "メモリリークのバグ"},
        {"障害ID": "INC-004", "発生日": "2024-02-18",
         "障害内容": "ディスク容量不足によりログ書き込みに失敗した",           "原因": "ログローテーション設定の漏れ"},
        {"障害ID": "INC-005", "発生日": "2024-03-05",
         "障害内容": "データベースのスロークエリにより応答時間が増大した",      "原因": "インデックス未設定"},
        {"障害ID": "INC-006", "発生日": "2024-03-12",
         "障害内容": "認証サーバーへの接続タイムアウトでログインできなかった",   "原因": "認証サーバーの過負荷"},
        {"障害ID": "INC-007", "発生日": "2024-04-01",
         "障害内容": "APIのレートリミット超過によりリクエストが拒否された",    "原因": "バッチ処理の並列数設定ミス"},
        {"障害ID": "INC-008", "発生日": "2024-04-20",
         "障害内容": "証明書の期限切れによりHTTPS通信が切断された",           "原因": "証明書更新の作業漏れ"},
        {"障害ID": "INC-009", "発生日": "2024-05-08",
         "障害内容": "キャッシュサーバーの障害でデータベースに負荷が集中した",  "原因": "キャッシュの冗長化不足"},
        {"障害ID": "INC-010", "発生日": "2024-05-22",
         "障害内容": "デプロイ後に設定ファイルの読み込みエラーが発生した",      "原因": "環境変数の設定漏れ"},
    ]
    pd.DataFrame(records).to_excel(filepath, index=False)
    print(f"✅ {filepath} を作成しました")


# ── 形態素解析 ─────────────────────────────────────────────────────────
def extract_words(text: str) -> str:
    t = Tokenizer()
    keep_pos    = {"名詞", "動詞", "形容詞"}
    exclude_sub = {"数", "接尾", "非自立", "代名詞"}
    words = []
    for token in t.tokenize(text):
        parts   = token.part_of_speech.split(",")
        pos, sub = parts[0], parts[1]
        surface  = token.surface
        if pos not in keep_pos: continue
        if pos == "名詞" and sub in exclude_sub: continue
        if pos == "動詞" and sub == "非自立": continue
        if len(surface) <= 1 or surface.isdigit(): continue
        words.append(surface)
    return " ".join(words)


# ── メイン ─────────────────────────────────────────────────────────────
def main() -> None:
    # 引数でファイルパスを受け取る（省略時はサンプル生成）
    excel_path = sys.argv[1] if len(sys.argv) > 1 else "incident_log.xlsx"
    if not pathlib.Path(excel_path).exists():
        create_sample_excel(excel_path)

    # Excel 読み込み → テキスト結合
    df = pd.read_excel(excel_path)
    combined = " ".join(
        df[TEXT_COLS].fillna("").apply(
            lambda r: "。".join(r.values.astype(str)), axis=1
        ).tolist()
    )

    # 形態素解析
    tokenized = extract_words(combined)
    print(f"総単語数: {len(tokenized.split())}")

    # ワードクラウド生成
    wc = WordCloud(
        font_path        = FONT_PATH,
        width            = 1200,
        height           = 600,
        background_color = "white",
        max_words        = 60,
        colormap         = "tab10",
        collocations     = False,
    )
    wc.generate(tokenized)

    # 表示
    plt.figure(figsize=(14, 7))
    plt.imshow(wc, interpolation="bilinear")
    plt.axis("off")
    plt.title("障害管理表 ワードクラウド", fontsize=18, pad=16)
    plt.tight_layout()

    # 保存 & 表示
    wc.to_file(OUTPUT_FILE)
    print(f"✅ {OUTPUT_FILE} を保存しました")
    plt.show()


if __name__ == "__main__":
    main()