py4conjoint 0.1.0__tar.gz

py4conjoint-0.1.0/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 Tetsugen HARUYAMA
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

py4conjoint-0.1.0/PKG-INFO

@@ -0,0 +1,68 @@
+Metadata-Version: 2.4
+Name: py4conjoint
+Version: 0.1.0
+Summary: Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するツール
+License-Expression: MIT
+Project-URL: Homepage, https://github.com/Py4Conjoint/py4conjoint
+Keywords: conjoint,survey,marketing,pandas
+Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Classifier: Intended Audience :: Education
+Classifier: Intended Audience :: Science/Research
+Classifier: Topic :: Scientific/Engineering
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: pandas>=1.5
+Dynamic: license-file
+
+# py4conjoint
+
+Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するPythonパッケージです。
+
+## インストール
+
+```bash
+pip install py4conjoint
+```
+
+Google Colab では：
+
+```python
+!pip install py4conjoint
+```
+
+## 使い方
+
+```python
+import pandas as pd
+import py4conjoint as pc
+
+# カード設計（プロファイル）を作成
+cards = pd.DataFrame({    # P1         P2       P3        P4
+                "price":   [6,         10,      6,        10],
+                "os":      ["android", "apple", "apple",  "android"],
+                "camera":  ["標準",    "標準",  "高性能", "高性能"]
+}, index=["P1", "P2", "P3", "P4"])
+
+# Google Forms の回答CSVをlong形式に変換
+df = pc.forms_to_conjoint_data(
+     responses_csv  = "responses.csv",
+     n_cards        = 4,
+     attributes     = cards,
+     respondent_cols= {"性別": "gender"},
+)
+```
+
+## 出力形式
+
+```
+   回答者ID プロファイルID  rating gender  price       os    camera
+0        1            P1       4     女性      6  android      標準
+1        1            P2       3     女性     10    apple      標準 
+...
+```
+
+## ライセンス
+
+MIT

py4conjoint-0.1.0/README.md

@@ -0,0 +1,50 @@
+# py4conjoint
+
+Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するPythonパッケージです。
+
+## インストール
+
+```bash
+pip install py4conjoint
+```
+
+Google Colab では：
+
+```python
+!pip install py4conjoint
+```
+
+## 使い方
+
+```python
+import pandas as pd
+import py4conjoint as pc
+
+# カード設計（プロファイル）を作成
+cards = pd.DataFrame({    # P1         P2       P3        P4
+                "price":   [6,         10,      6,        10],
+                "os":      ["android", "apple", "apple",  "android"],
+                "camera":  ["標準",    "標準",  "高性能", "高性能"]
+}, index=["P1", "P2", "P3", "P4"])
+
+# Google Forms の回答CSVをlong形式に変換
+df = pc.forms_to_conjoint_data(
+     responses_csv  = "responses.csv",
+     n_cards        = 4,
+     attributes     = cards,
+     respondent_cols= {"性別": "gender"},
+)
+```
+
+## 出力形式
+
+```
+   回答者ID プロファイルID  rating gender  price       os    camera
+0        1            P1       4     女性      6  android      標準
+1        1            P2       3     女性     10    apple      標準 
+...
+```
+
+## ライセンス
+
+MIT

py4conjoint-0.1.0/pyproject.toml

@@ -0,0 +1,28 @@
+[build-system]
+requires = ["setuptools>=68", "wheel"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "py4conjoint"
+version = "0.1.0"
+description = "Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するツール"
+readme = "README.md"
+license = "MIT"
+requires-python = ">=3.9"
+dependencies = [
+    "pandas>=1.5",
+]
+keywords = ["conjoint", "survey", "marketing", "pandas"]
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "Operating System :: OS Independent",
+    "Intended Audience :: Education",
+    "Intended Audience :: Science/Research",
+    "Topic :: Scientific/Engineering",
+]
+
+[project.urls]
+Homepage = "https://github.com/Py4Conjoint/py4conjoint"
+
+[tool.setuptools.packages.find]
+where = ["src"]

py4conjoint-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

py4conjoint-0.1.0/src/py4conjoint/__init__.py

@@ -0,0 +1,399 @@
+"""
+py4conjoint
+===========
+Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換する。
+
+インストール:
+    pip install py4conjoint
+
+使い方A（cardsのDataFrameをそのまま渡す・推奨）:
+    import py4conjoint as pc
+
+    cards = pd.DataFrame([
+        {"price": 6,  "os": "android", "camera": "standard"},  # P1
+        {"price": 10, "os": "apple",   "camera": "standard"},  # P2
+        {"price": 6,  "os": "apple",   "camera": "high"},      # P3
+        {"price": 10, "os": "android", "camera": "high"},      # P4
+    ], index=["P1", "P2", "P3", "P4"])
+
+    df = pc.forms_to_conjoint_data(
+        responses_csv = "responses.csv",
+        n_cards       = 4,
+        attributes    = cards,
+    )
+
+使い方B（辞書のリストで渡す・従来形式）:
+    import py4conjoint as pc
+
+    attributes = [
+        {"price":   [6, 10, 6, 10]},
+        {"os":      ["android", "apple", "apple", "android"]},
+        {"camera":  ["standard", "standard", "high", "high"]},
+    ]
+
+    df = pc.forms_to_conjoint_data(
+        responses_csv = "responses.csv",
+        n_cards       = 4,
+        attributes    = attributes,
+    )
+"""
+
+from __future__ import annotations
+
+import re
+import warnings
+from pathlib import Path
+from typing import Dict, List, Optional, Sequence
+
+import pandas as pd
+
+
+# ---------------------------------------------------------------------------
+# 公開API
+# ---------------------------------------------------------------------------
+
+def forms_to_conjoint_data(
+    responses_csv: str,
+    n_cards: int,
+    attributes: "pd.DataFrame | Sequence[Dict[str, Sequence]]",
+    *,
+    respondent_cols: Optional[Dict[str, str]] = None,
+    card_id_prefix: str = "P",
+    rating_colname: str = "rating",
+    respondent_id_colname: str = "回答者ID",
+    card_id_colname: str = "カードID",
+    out_csv: Optional[str] = None,
+) -> pd.DataFrame:
+    """
+    Google Forms の回答CSVをlong形式DataFrameに変換する。
+
+    Parameters
+    ----------
+    responses_csv : str
+        Google Forms からダウンロードした回答CSV（UTF-8）のパス。
+
+    n_cards : int
+        アンケートで提示したカード（プロファイル）の枚数。
+        例：4
+
+    attributes : pd.DataFrame または list of dict
+        カード設計を指定する。以下の2形式を受け付ける。
+
+        【形式A：DataFrameをそのまま渡す（推奨）】
+            授業で作成した cards をそのまま渡すことができる。
+            行がカード、列が属性に対応する。
+            インデックスは ["P1","P2",...] でも整数でも可。
+
+            例：
+            cards = pd.DataFrame([
+                {"price": 6,  "os": "android", "camera": "standard"},
+                {"price": 10, "os": "apple",   "camera": "standard"},
+                {"price": 6,  "os": "apple",   "camera": "high"},
+                {"price": 10, "os": "android", "camera": "high"},
+            ], index=["P1", "P2", "P3", "P4"])
+
+            df = pc.forms_to_conjoint_data(..., attributes=cards)
+
+        【形式B：辞書のリスト（従来形式）】
+            各属性を1辞書で指定する。辞書のキーが属性名、値がカード順の水準リスト。
+
+            例：
+            [
+                {"price":   [6, 10, 6, 10]},
+                {"os":      ["android", "apple", "apple", "android"]},
+                {"camera":  ["standard", "standard", "high", "high"]},
+            ]
+
+        いずれの形式でも、行数（または水準リストの長さ）は n_cards と一致する必要がある。
+
+    respondent_cols : dict, optional
+        回答者属性として残したい列の対応辞書。
+        {"CSVの列名": "出力DataFrameの列名"} の形式。
+        例：{"性別": "gender", "学年": "year"}
+        省略した場合は回答者属性を付与しない。
+
+    card_id_prefix : str, default "P"
+        プロファイルIDの接頭辞。"P" なら P1, P2, P3, P4 となる。
+
+    rating_colname : str, default "rating"
+        出力DataFrameの評点列名。
+
+    respondent_id_colname : str, default "回答者ID"
+        出力DataFrameの回答者ID列名。
+
+    card_id_colname : str, default "カードID"
+        出力DataFrameの列名。
+
+    out_csv : str, optional
+        変換後のDataFrameをCSVとして保存するパス。
+        省略した場合は保存しない。
+
+    Returns
+    -------
+    pd.DataFrame
+        long形式のDataFrame。
+        列：回答者ID, カードID, rating, [回答者属性], [カード属性]
+
+    Raises
+    ------
+    FileNotFoundError
+        responses_csv が存在しない場合。
+    ValueError
+        attributes の行数（または水準リストの長さ）が n_cards と一致しない場合。
+        評点列が n_cards 列分見つからない場合。
+    """
+
+    # ------------------------------------------------------------------
+    # 0. 入力チェック
+    #    attributes が DataFrame の場合は辞書のリスト形式に正規化する
+    # ------------------------------------------------------------------
+    attributes = _normalize_attributes(attributes, n_cards)
+    _check_attributes(attributes, n_cards)
+
+    csv_path = Path(responses_csv)
+    if not csv_path.exists():
+        raise FileNotFoundError(
+            f"CSVファイルが見つかりません: {responses_csv}\n"
+            "ファイル名とパスを確認してください。"
+        )
+
+    # ------------------------------------------------------------------
+    # 1. CSV読み込み
+    #    Google Forms は UTF-8 で出力されるが、BOM付きの場合も吸収する
+    # ------------------------------------------------------------------
+    raw = pd.read_csv(csv_path, encoding="utf-8-sig")
+
+    # ------------------------------------------------------------------
+    # 2. Google Forms の管理列を除外して評点列・回答者属性列を特定する
+    # ------------------------------------------------------------------
+    forms_system_cols = _detect_forms_system_cols(raw)
+
+    respondent_rename: Dict[str, str] = respondent_cols or {}
+    respondent_src_cols = list(respondent_rename.keys())
+
+    # 管理列でも回答者属性列でもない列が評点列の候補
+    non_rating_cols = set(forms_system_cols) | set(respondent_src_cols)
+    rating_candidate_cols = [c for c in raw.columns if c not in non_rating_cols]
+
+    rating_cols = _pick_rating_cols(rating_candidate_cols, raw, n_cards, responses_csv)
+
+    # ------------------------------------------------------------------
+    # 3. 回答者IDを付与
+    # ------------------------------------------------------------------
+    n_respondents = len(raw)
+    raw[respondent_id_colname] = range(1, n_respondents + 1)
+
+    # ------------------------------------------------------------------
+    # 4. 回答者属性列を選択・リネーム
+    # ------------------------------------------------------------------
+    keep_cols = [respondent_id_colname] + respondent_src_cols + rating_cols
+    df_wide = raw[keep_cols].copy()
+
+    if respondent_rename:
+        df_wide = df_wide.rename(columns=respondent_rename)
+        respondent_dst_cols = list(respondent_rename.values())
+    else:
+        respondent_dst_cols = []
+
+    # 評点列をカードID（文字列）にリネームして wide→long 変換しやすくする
+    card_ids = [f"{card_id_prefix}{i+1}" for i in range(n_cards)]
+    rating_rename = dict(zip(rating_cols, card_ids))
+    df_wide = df_wide.rename(columns=rating_rename)
+
+    # ------------------------------------------------------------------
+    # 5. wide → long 変換
+    # ------------------------------------------------------------------
+    id_vars = [respondent_id_colname] + respondent_dst_cols
+    df_long = df_wide.melt(
+        id_vars=id_vars,
+        value_vars=card_ids,
+        var_name=card_id_colname,
+        value_name=rating_colname,
+    )
+    df_long = df_long.sort_values([respondent_id_colname, card_id_colname])
+    df_long = df_long.reset_index(drop=True)
+
+    # ------------------------------------------------------------------
+    # 6. カード設計（属性・水準）をマージ
+    # ------------------------------------------------------------------
+    card_design = _build_card_design(card_ids, attributes, card_id_colname)
+    df_long = df_long.merge(card_design, on=card_id_colname)
+
+    # ------------------------------------------------------------------
+    # 7. 列順を整理：回答者ID, カードID, rating, 回答者属性, カード属性
+    # ------------------------------------------------------------------
+    attr_names = [list(a.keys())[0] for a in attributes]
+    col_order = (
+        [respondent_id_colname, card_id_colname, rating_colname]
+        + respondent_dst_cols
+        + attr_names
+    )
+    df_long = df_long[col_order]
+
+    # ------------------------------------------------------------------
+    # 8. CSV保存（任意）
+    # ------------------------------------------------------------------
+    if out_csv is not None:
+        df_long.to_csv(out_csv, index=False, encoding="utf-8-sig")
+        print(f"保存しました: {out_csv}")
+
+    return df_long
+
+
+# ---------------------------------------------------------------------------
+# 内部ヘルパー関数
+# ---------------------------------------------------------------------------
+
+# Google Forms が自動生成する管理列のパターン
+_FORMS_SYSTEM_PATTERNS = [
+    r"^timestamp$",
+    r"^開始時刻$",
+    r"^完了時刻$",
+    r"^最終変更時刻$",
+    r"^メール(アドレス)?$",
+    r"^名前$",
+    r"^email$",
+    r"^start\s*time$",
+    r"^completion\s*time$",
+    r"^last\s*modified\s*time$",
+    r"^id$",
+    r"^名前$",
+]
+
+
+def _detect_forms_system_cols(df: pd.DataFrame) -> List[str]:
+    """Google Forms の管理列（時刻・メール等）を列名のパターンで検出する。"""
+    system = []
+    for col in df.columns:
+        col_lower = col.strip().lower()
+        for pattern in _FORMS_SYSTEM_PATTERNS:
+            if re.match(pattern, col_lower, re.IGNORECASE):
+                system.append(col)
+                break
+    return system
+
+
+def _pick_rating_cols(
+    candidates: List[str],
+    df: pd.DataFrame,
+    n_cards: int,
+    csv_path: str,
+) -> List[str]:
+    """
+    評点列を candidates から n_cards 列分選ぶ。
+
+    優先順位：
+    1. 候補列の中で数値型の列が n_cards 個ある → それを採用
+    2. 候補列の右端 n_cards 列を採用（数値変換できるか確認）
+    3. 上記でも取得できなければ ValueError
+    """
+    # 数値型の候補列だけ抽出
+    numeric_candidates = [
+        c for c in candidates
+        if pd.api.types.is_numeric_dtype(df[c])
+        or _is_coercible_to_numeric(df[c])
+    ]
+
+    if len(numeric_candidates) >= n_cards:
+        # 右端 n_cards 列を使う（Google Forms は設問順に列が並ぶため）
+        selected = numeric_candidates[-n_cards:]
+        return selected
+
+    # フォールバック：候補全体の右端 n_cards 列
+    if len(candidates) >= n_cards:
+        selected = candidates[-n_cards:]
+        # 数値変換できるか確認
+        for col in selected:
+            if not _is_coercible_to_numeric(df[col]):
+                raise ValueError(
+                    f"評点列の自動検出に失敗しました。\n"
+                    f"列 '{col}' を数値に変換できません。\n"
+                    f"CSVの列構造を確認してください: {csv_path}"
+                )
+        return selected
+
+    raise ValueError(
+        f"評点列が {n_cards} 列分見つかりませんでした。\n"
+        f"評点列の候補: {candidates}\n"
+        f"n_cards={n_cards} に対して候補が {len(candidates)} 列しかありません。\n"
+        f"CSVの列構造を確認してください: {csv_path}"
+    )
+
+
+def _is_coercible_to_numeric(series: pd.Series) -> bool:
+    """pd.to_numeric で変換できるか（NaN以外の値が1つ以上あるか）を確認する。"""
+    converted = pd.to_numeric(series, errors="coerce")
+    return converted.notna().any()
+
+
+def _build_card_design(
+    card_ids: List[str],
+    attributes: Sequence[Dict[str, Sequence]],
+    card_id_colname: str,
+) -> pd.DataFrame:
+    """カードID と属性・水準の対応テーブルを作成する。"""
+    data: Dict[str, list] = {card_id_colname: card_ids}
+    for attr_dict in attributes:
+        attr_name, levels = list(attr_dict.items())[0]
+        data[attr_name] = list(levels)
+    return pd.DataFrame(data)
+
+
+def _normalize_attributes(
+    attributes: "pd.DataFrame | Sequence[Dict[str, Sequence]]",
+    n_cards: int,
+) -> "List[Dict[str, list]]":
+    """
+    attributes を内部処理用の「辞書のリスト」形式に統一する。
+
+    - pd.DataFrame が渡された場合：列ごとに {列名: 値リスト} の辞書に変換する
+    - 辞書のリストが渡された場合：そのまま返す
+    """
+    if isinstance(attributes, pd.DataFrame):
+        if len(attributes) != n_cards:
+            raise ValueError(
+                f"cards（attributes）の行数 ({len(attributes)}) が "
+                f"n_cards ({n_cards}) と一致しません。\n"
+                f"cards の行数と n_cards を同じ値にしてください。"
+            )
+        return [
+            {col: list(attributes[col])}
+            for col in attributes.columns
+        ]
+    # 辞書のリスト形式はそのまま返す
+    return list(attributes)
+
+
+def _check_attributes(
+    attributes: "List[Dict[str, list]]",
+    n_cards: int,
+) -> None:
+    """attributes の構造と水準数を検証する。"""
+    if not attributes:
+        raise ValueError("attributes が空です。少なくとも1つの属性を指定してください。")
+
+    if len(attributes) == 1:
+        warnings.warn(
+            "属性が1つしかありません。\n"
+            "属性が1つの場合、複数属性間のトレードオフが測れないため、\n"
+            "支払意思額（WTP）の計算ができません。\n"
+            "コンジョイント分析の導入として使う場合は問題ありませんが、\n"
+            "本分析では属性を2つ以上にすることを推奨します。",
+            UserWarning,
+            stacklevel=4,
+        )
+
+    for i, attr_dict in enumerate(attributes):
+        if not isinstance(attr_dict, dict) or len(attr_dict) != 1:
+            raise ValueError(
+                f"attributes[{i}] は キー1つの辞書である必要があります。\n"
+                f"例：{{\"wage\": [1000, 1300, 1000, 1300]}}\n"
+                f"実際の値：{attr_dict}"
+            )
+        attr_name, levels = list(attr_dict.items())[0]
+        if len(levels) != n_cards:
+            raise ValueError(
+                f"属性 '{attr_name}' の水準リストの長さ ({len(levels)}) が "
+                f"n_cards ({n_cards}) と一致しません。\n"
+                f"水準リスト: {list(levels)}"
+            )

py4conjoint-0.1.0/src/py4conjoint.egg-info/PKG-INFO

@@ -0,0 +1,68 @@
+Metadata-Version: 2.4
+Name: py4conjoint
+Version: 0.1.0
+Summary: Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するツール
+License-Expression: MIT
+Project-URL: Homepage, https://github.com/Py4Conjoint/py4conjoint
+Keywords: conjoint,survey,marketing,pandas
+Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Classifier: Intended Audience :: Education
+Classifier: Intended Audience :: Science/Research
+Classifier: Topic :: Scientific/Engineering
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: pandas>=1.5
+Dynamic: license-file
+
+# py4conjoint
+
+Google Forms の回答CSVを評点型コンジョイント分析用のlong形式DataFrameに変換するPythonパッケージです。
+
+## インストール
+
+```bash
+pip install py4conjoint
+```
+
+Google Colab では：
+
+```python
+!pip install py4conjoint
+```
+
+## 使い方
+
+```python
+import pandas as pd
+import py4conjoint as pc
+
+# カード設計（プロファイル）を作成
+cards = pd.DataFrame({    # P1         P2       P3        P4
+                "price":   [6,         10,      6,        10],
+                "os":      ["android", "apple", "apple",  "android"],
+                "camera":  ["標準",    "標準",  "高性能", "高性能"]
+}, index=["P1", "P2", "P3", "P4"])
+
+# Google Forms の回答CSVをlong形式に変換
+df = pc.forms_to_conjoint_data(
+     responses_csv  = "responses.csv",
+     n_cards        = 4,
+     attributes     = cards,
+     respondent_cols= {"性別": "gender"},
+)
+```
+
+## 出力形式
+
+```
+   回答者ID プロファイルID  rating gender  price       os    camera
+0        1            P1       4     女性      6  android      標準
+1        1            P2       3     女性     10    apple      標準 
+...
+```
+
+## ライセンス
+
+MIT

py4conjoint-0.1.0/src/py4conjoint.egg-info/SOURCES.txt

@@ -0,0 +1,9 @@
+LICENSE
+README.md
+pyproject.toml
+src/py4conjoint/__init__.py
+src/py4conjoint.egg-info/PKG-INFO
+src/py4conjoint.egg-info/SOURCES.txt
+src/py4conjoint.egg-info/dependency_links.txt
+src/py4conjoint.egg-info/requires.txt
+src/py4conjoint.egg-info/top_level.txt

py4conjoint-0.1.0/src/py4conjoint.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

py4conjoint-0.1.0/src/py4conjoint.egg-info/requires.txt

@@ -0,0 +1 @@
+pandas>=1.5

py4conjoint-0.1.0/src/py4conjoint.egg-info/top_level.txt

@@ -0,0 +1 @@
+py4conjoint