世界に冠たる輸出大国日本の過去24年の主要輸出品をグラフ化してみる。自動車が圧倒的に強いのは風の噂に聞いているが、それ以外の輸出品については特に気にしていなかったので、こういう機会に日本は何を輸出しているのかを知るのもいいのではないだろうか。
import tabula
df = tabula.read_pdf("y6_1.pdf",
output_format='dataframe',
pages = '1',
encoding='utf-8',
java_options=None,
pandas_options=None,
multiple_tables=False)
df.head()
for i, col in enumerate(df.columns):
df.iloc[:, i] = df.iloc[:, i].str.replace(',', '')
df.dropna(thresh=3,inplace=True)
df.reset_index(drop=True, inplace=True)
df = df.drop(['Unnamed: 0'],axis=1)
df.head()
df1 = tabula.read_pdf("y6_1.pdf",
output_format='dataframe',
pages = '2',
encoding='utf-8',
java_options=None,
pandas_options=None,
multiple_tables=False)
df1.head()
for i, col in enumerate(df1.columns):
df1.iloc[:, i] = df1.iloc[:, i].str.replace(',', '')
df1.dropna(thresh=3,inplace=True)
df1.reset_index(drop=True, inplace=True)
df1 = df1.drop(['Unnamed: 0'],axis=1)
df1.head()
df2 = tabula.read_pdf("y6_1.pdf",
output_format='dataframe',
pages = '3',
encoding='utf-8',
java_options=None,
pandas_options=None,
multiple_tables=False)
df2.head()
for i, col in enumerate(df2.columns):
df2.iloc[:, i] = df2.iloc[:, i].str.replace(',', '')
df2.dropna(thresh=3,inplace=True)
df2.reset_index(drop=True, inplace=True)
df2 = df2.drop(['Unnamed: 0'],axis=1)
df2.head()
import pandas as pd
df3 = pd.concat([df, df1, df2], axis=1)
df3.head()
for i, col in enumerate(df3.columns):
df3.iloc[:, i] = df3.iloc[:, i].str.replace('億円', '')
df3.head()
df4 = df3[2:30][0:][::3]
df5 = df3[2:31][1:][::3]
a=[]
c=[]
for i, col in enumerate(df4.columns):
b=list(df4.iloc[:, i].values)
a.append(b)
for i, col in enumerate(df5.columns):
d=list(df5.iloc[:, i].values)
c.append(d)
e=[]
for i in range(24):
f=list(zip(a[i],c[i]))
e.append(f)
years = list(range(1995,2019))
years = ",".join(map(str, years))
years = years.split(',')
b = [[i[j] for i in e]for j in range(10)]
y = []
for j in range(10):
for i in range(24):
v = list(b[j][i])
v.append(years[i])
y.append(v)
df6=pd.DataFrame(y,columns = ['輸出品' , '輸出額', '年'])
df6["輸出額"] = pd.to_numeric(df6["輸出額"])
df6["年"] = pd.to_numeric(df6["年"])
df6.dtypes
df6.set_index('年', inplace=True)
from matplotlib.pyplot import *
from matplotlib.font_manager import FontProperties
from matplotlib import rcParams
import matplotlib.patches as mpatches
style.use('ggplot')
rcParams["font.size"] = "18"
fp = FontProperties(fname='/usr/share/fonts/opentype/ipaexfont-gothic/ipaexg.ttf', size=54)
rcParams['font.family'] = fp.get_name()
fig, ax = subplots(figsize=(20,12))
df6.groupby('輸出品')['輸出額'].plot(legend=True)
ax.legend(loc='upper right', fancybox=True, framealpha=0.5)
ax.lines[7].set_linewidth(10)
yticks(np.arange(0, 16e4, 1e4),
['{}兆'.format(int(x / 1e4)) if x > 0 else 0 for x in np.arange(0, 16e4, 1e4)]);
自動車が突出していることが良く分かる。この国の輸出は自動車に支えられていることが一目瞭然となっているが、自動車の部分品も自動車の一部と考えると両者は合わせて1つと見なす必要があるだろう。なので、自動車の部分品を自動車に取り込んでみた。
スポンサーリンク
自動車と自動車の部分品を合算する¶
l = []
m = []
for i in range(24):
for j in range(10):
if e[i][j][0] == '自動車':
n = e[i][j][1]
l.append(n)
for i in range(24):
for j in range(10):
for k in range(2):
if e[i][j][k] == '自動車の部分品':
n = e[i][j][k+1]
m.append(n)
p = [int(x)+int(y) for x, y in zip(l, m)]
for i in range(24):
y[i][1] = p[i]
df6=pd.DataFrame(y,columns = ['輸出品' , '輸出額', '年'])
df6["輸出額"] = pd.to_numeric(df6["輸出額"])
df6["年"] = pd.to_numeric(df6["年"])
df6.dtypes
df7 = df6.drop(df6[df6['輸出品']=='自動車の部分品'].index)
df7.set_index('年', inplace=True)
fig, ax = subplots(figsize=(20,12))
df7.groupby('輸出品')['輸出額'].plot(legend=True)
ax.legend(loc='upper right', fancybox=True, framealpha=0.5)
ax.lines[7].set_linewidth(10)
yticks(np.arange(0, 20e4, 1e4),
['{}兆'.format(int(x / 1e4)) if x > 0 else 0 for x in np.arange(0, 20e4, 1e4)]);
自動車と自動車の部分品だけで、日本の輸出の2割を稼ぎ出している。半導体等電子部品、鉄鋼、原動機、半導体等製造装置、プラスチックを足した輸出額よりも多い。まさに自動車会社さまさまと言った感じだ。しかしながら、今後は自動車の対米輸出が激減する可能性があり、輸出が大きく落ち込む可能性が指摘されている。輸出競争力のある技術の創出が当面の日本の緊急課題であることは言うまでもあるまい。
スポンサーリンク