PythonのpandasでTRAIのモバイル回線速度データを分析・可視化する方法

このチュートリアルでは、Pythonのpandasパッケージを使って、インド電気通信規制庁（TRAI）が公開しているモバイル回線速度データを分析します。まずはTRAI公式サイトからデータファイルをダウンロードしましょう。

データ取得の手順

1. TRAIの公式サイト（https://myspeed.trai.gov.in/）にアクセスする。
2. ページの一番下までスクロールする。
3. 月別のモバイル速度データが公開されていることを確認する。
4. 9月分のモバイル速度データ（CSV）をダウンロードする。

CSVファイルに含まれる主なカラム

• ネットワーク名（通信事業者）

• ネットワーク技術（3G / 4Gなど）

• テスト種別（ダウンロード / アップロード）

• 速度

• 信号強度

• 州名

本チュートリアルではpandas、numpy、matplotlibの3つのライブラリを使用します。それでは、実際にコードを書いてデータを分析していきましょう。

ステップ1：データの読み込みと概要確認

# 必要なライブラリをインポート
import pandas as pd
import numpy as np
import matplotlib.pyplot as plot

# 定数の定義
DATASET = 'sept19_publish.csv'
NETWORK_NAME = 'JIO'
STATE = 'Andhra Pradesh'

# 値を格納するためのリスト
download_speeds = []
upload_speeds = []
states = []
operators = []

# pandasを使ってデータセットを読み込む
data_frame = pd.read_csv(DATASET)

# アクセスしやすいように列名を設定
data_frame.columns = ['Network', 'Technology', 'Type Of Test', 'Speed', 'Signal Strength', 'State']

# データセットから一意な州と通信事業者の一覧を取得
unique_states = data_frame['State'].unique()
unique_operators = data_frame['Network'].unique()

print(unique_states)
print()
print(unique_operators)

出力結果

上記のプログラムを実行すると、次のような結果が得られます。

['Kolkata' 'Punjab' 'Delhi' 'UP West' 'Haryana' nan 'West Bengal'
 'Tamil Nadu' 'Kerala' 'Rajasthan' 'Gujarat' 'Maharashtra' 'Chennai'
 'Madhya Pradesh' 'UP East' 'Karnataka' 'Orissa' 'Andhra Pradesh' 'Bihar'
 'Mumbai' 'North East' 'Himachal Pradesh' 'Assam' 'Jammu & Kashmir']
['JIO' 'AIRTEL' 'VODAFONE' 'IDEA' 'CELLONE' 'DOLPHIN']

データには24の地域と6つの通信事業者が含まれていることが確認できます。

ステップ2：特定の事業者の州別平均速度を集計

# 対象の通信事業者に関するデータのみを抽出
# 事業者名はすでに定数として宣言済み
# ここでデータをフィルタリング
JIO = data_frame[data_frame['Network'] == NETWORK_NAME]

# すべての州に対してループ処理を実行
for state in unique_states:
    # 現在の州のデータをすべて取得
    current_state = JIO[JIO['State'] == state]
    # 現在の州のダウンロード速度データを取得
    download_speed = current_state[current_state['Type Of Test'] == 'download']
    # ダウンロード速度の平均を計算
    download_speed_avg = download_speed['Speed'].mean()
    # 現在の州のアップロード速度データを取得
    upload_speed = current_state[current_state['Type Of Test'] == 'upload']
    # アップロード速度の平均を計算
    upload_speed_avg = upload_speed['Speed'].mean()
    # 平均値がNaN（欠損値）かどうかを判定
    if pd.isnull(download_speed_avg) or pd.isnull(upload_speed_avg):
        # NaNの場合は両方の速度に0を代入
        download_speed, upload_speed = 0, 0
    else:
        # 値が有効な場合のみ、グラフ用に州名を追加
        states.append(state)
    download_speeds.append(download_speed_avg)
    upload_speeds.append(upload_speed_avg)
    # ダウンロードとアップロードの平均値を出力
    print(f'{state}: Download Avg. {download_speed_avg:.3f} Upload Avg. {upload_speed_avg:.3f}')

出力結果

上記のコードを実行すると、州ごとの平均速度が以下のように出力されます。

Kolkata: Download Avg. 31179.157 Upload Avg. 5597.086
Punjab: Download Avg. 29289.594 Upload Avg. 5848.015
Delhi: Download Avg. 28956.174 Upload Avg. 5340.927
UP West: Download Avg. 21666.673 Upload Avg. 4118.200
Haryana: Download Avg. 6226.855 Upload Avg. 2372.987
West Bengal: Download Avg. 20457.976 Upload Avg. 4219.467
Tamil Nadu: Download Avg. 24029.364 Upload Avg. 4269.765
Kerala: Download Avg. 10735.611 Upload Avg. 2088.881
Rajasthan: Download Avg. 26718.066 Upload Avg. 5800.989
Gujarat: Download Avg. 16483.987 Upload Avg. 3414.485
Maharashtra: Download Avg. 20615.311 Upload Avg. 4033.843
Chennai: Download Avg. 6244.756 Upload Avg. 2271.318
Madhya Pradesh: Download Avg. 15757.381 Upload Avg. 3859.596
UP East: Download Avg. 28827.914 Upload Avg. 5363.082
Karnataka: Download Avg. 10257.426 Upload Avg. 2584.806
Orissa: Download Avg. 32820.872 Upload Avg. 5258.215
Andhra Pradesh: Download Avg. 8260.547 Upload Avg. 2390.845
Bihar: Download Avg. 9657.874 Upload Avg. 3197.166
Mumbai: Download Avg. 9984.954 Upload Avg. 3484.052
North East: Download Avg. 4472.731 Upload Avg. 2356.284
Himachal Pradesh: Download Avg. 6985.774 Upload Avg. 3970.431
Assam: Download Avg. 4343.987 Upload Avg. 2237.143
Jammu & Kashmir: Download Avg. 1665.425 Upload Avg. 802.925

この結果を見ると、Orissa（現オディシャ州）やKolkataではダウンロード平均速度が30,000 Kbpsを超えている一方、Jammu & Kashmirでは約1,665 Kbpsと地域差が非常に大きいことがわかります。

ステップ3：matplotlibで棒グラフを作成

# グラフを描画
fix, axes = plot.subplots()

# 棒の幅を設定
bar_width = 0.25

# 州の位置を並べ替え
re_states = np.arange(len(states))

# 図の幅と高さを設定
plot.figure(num=None, figsize=(12, 5))

# ダウンロード速度をプロット（緑）
plot.bar(re_states, download_speeds, bar_width, color='g', label='Avg. Download Speed')

# アップロード速度をプロット（青）
plot.bar(re_states + bar_width, upload_speeds, bar_width, color='b', label='Avg. Upload Speed')

# グラフのタイトル
plot.title('Avg. Download|Upload Speed for ' + NETWORK_NAME)

# X軸ラベル
plot.xlabel('States')

# Y軸ラベル
plot.ylabel('Average Speeds in Kbps')

# 各棒の下に対応する州名をラベルとして表示
plot.xticks(re_states + bar_width, states, rotation=90)

# 凡例を表示
plot.legend()

# レイアウトを見やすく調整
plot.tight_layout()

# グラフを表示
plot.show()

出力結果（グラフ）

上記のコードを実行すると、州ごとのダウンロード・アップロード平均速度を比較できる棒グラフが生成されます。

まとめ

pandasのフィルタリング機能とgroupby的な集計処理、そしてmatplotlibによる可視化を組み合わせることで、TRAIのオープンデータから通信事業者別・地域別の回線品質を簡単に把握できました。NETWORK_NAMEやSTATEの定数を変更すれば、他の事業者（AIRTEL、VODAFONEなど）や他の月のデータについても同じ流れで分析できます。

ぜひさまざまな切り口でグラフを作成して、データ分析に慣れていきましょう。チュートリアルについて不明な点があれば、コメント欄でお気軽に質問してください。