GA4 page_referrer データ可視化 by ChatGPT × Python （ChatGPT APIは使用せず）

# CSVデータの与件
- GA4からダウンロードできる
- カラム1: ユーザーが一つ前に見たページのURL
- カラム2: ユーザーが現在見ているページのURL
- カラム3: カラム1のURLからカラム2のURLに遷移した遷移数

# プログラムの与件
- Pythonを使用して処理する
- ユーザーの動きを可視化する
- 処理前のデータは c:\PythonSampleFiles\Download_from_GA4.csv
- 処理後のデータは c:\PythonSampleFiles\Visualized_by_Python.csv
- テーブルの列名は、Previous_URL, Current_URL, Transition_Count

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

# CSVファイルを読み込む
data = pd.read_csv('c:\\PythonSampleFiles\\Download_from_GA4.csv')

# 列名を変更する
data = data.rename(columns={'Previous_URL': 'Previous URL', 'Current_URL': 'Current URL', 'Transition_Count': 'Weight'})

# ページ間の遷移数を集計する
transitions = data.groupby(['Previous URL', 'Current URL']).size().reset_index(name='Weight')

# ページをノードとしたグラフを作成する
G = nx.DiGraph()
for i, row in transitions.iterrows():
    G.add_edge(row['Previous URL'], row['Current URL'], weight=row['Weight'])

# ノードのサイズを設定する
sizes = {node: transitions['Weight'][transitions['Previous URL'] == node].sum() for node in G.nodes()}
sizes = [sizes[node] * 10 for node in G.nodes()]

# グラフを可視化する
pos = nx.spring_layout(G)
nx.draw(G, pos, node_size=sizes, with_labels=True, edge_color='gray', arrows=True, arrowstyle='->', width=1, font_size=10)

# グラフを保存する
plt.savefig('c:\\PythonSampleFiles\\Visualized_by_Python.png')

pip install matplotlib networkx

# CSVファイルを読み込む
data = pd.read_csv('c:\\PythonSampleFiles\\Download_from_GA4.csv')

# グラフを保存する
plt.savefig('c:\\PythonSampleFiles\\Visualized_by_Python.png')

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

# CSVファイルを読み込む
data = pd.read_csv('c:\\PythonSampleFiles\\Download_from_GA4.csv')

# 列名を変更する
data = data.rename(columns={'Previous_URL': 'Previous URL', 'Current_URL': 'Current URL', 'Transition_Count': 'Weight'})

# ページ間の遷移数を集計する
transitions = data.groupby(['Previous URL', 'Current URL']).sum('Weight').reset_index()

# ページをノードとしたグラフを作成する
G = nx.DiGraph()
for i, row in transitions.iterrows():
    G.add_edge(row['Previous URL'], row['Current URL'], weight=row['Weight'])

# ノードのサイズを設定する
sizes = {node: data['Weight'][data['Previous URL'] == node].sum() for node in G.nodes()}
sizes = [sizes[node] for node in G.nodes()]

# 色のリストを作成する
edge_colors = [float(w) for w in transitions['Weight']]

# エッジの太さを設定する
edge_widths = [float(w) for w in transitions['Weight']]
edge_widths = [w * 0.01 for w in edge_widths]

# グラフを可視化する
pos = nx.spring_layout(G)
nx.draw(G, pos, node_size=sizes, with_labels=True, edge_color=edge_colors, cmap=plt.cm.Blues, arrows=True, arrowstyle='->', width=edge_widths, font_size=10)

# エッジの重みに応じて数値を表示する
labels = {}
for i, row in transitions.iterrows():
    key = (row['Previous URL'], row['Current URL'])
    labels[key] = str(row['Weight'])

nx.draw_networkx_edge_labels(G, pos, edge_labels=labels, font_size=8)

# カラーバーを追加する
sm = plt.cm.ScalarMappable(cmap=plt.cm.Blues, norm=plt.Normalize(vmin=min(edge_colors), vmax=max(edge_colors)))
sm.set_array([])
cbar = plt.colorbar(sm)
cbar.ax.set_ylabel('Edge weight')

# グラフを保存する
plt.savefig('c:\\PythonSampleFiles\\Visualized_by_Python.png')