Python:日本の牛肉輸出入相手国を詳細に検証する

最近はどこのスーパーも外国産の肉が増えまくっている。酷いところになると、肉の売り場の9割が輸入肉というところさえあるほどだ。「おいおい、ここは日本ちゃうんかい?」と目を疑う有様だ。確かに、国産の肉は外国産の肉と比べると異常に高い。2倍3倍は当たり前、銘柄牛のサーロイン、シャトーブリアンだと外国産の20倍以上は軽くする。そんな訳で、日本はどこの国から牛肉を輸入しているのか、このサイトを参考にしながら考察してみようと思う。

スポンサーリンク

日本はどこから牛肉を買っているのか

先ず、このサイトからデータをダウンロードしてくる。

from pandas import *

df = read_csv('beef.csv',usecols=['Year', 'Period','Trade Flow','Reporter', 'Partner', 'Commodity','Commodity Code','Trade Value (US$)'])
df.head()
Year Period Trade Flow Reporter Partner Commodity Code Commodity Trade Value (US$)
0 2018 201807 Exports Japan Brazil 202 Meat of bovine animals; frozen 2351
1 2018 201807 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3796425
2 2018 201807 Exports Japan United Arab Emirates 202 Meat of bovine animals; frozen 46339
3 2018 201807 Exports Japan Singapore 202 Meat of bovine animals; frozen 161733
4 2018 201807 Exports Japan Viet Nam 202 Meat of bovine animals; frozen 206429
df_world = df[df['Partner'] == 'World']
df_countries = df[df['Partner'] != 'World']
df_imports = df[df['Trade Flow'] == 'Imports']
df_countries_imports = df_countries[df_countries['Trade Flow'] == 'Imports']
df_world_imports=df_world[df_world['Trade Flow'] == 'Imports']
GROUPING_PARTNERFLOW = ['Partner','Trade Flow']
groups = df_countries.groupby(GROUPING_PARTNERFLOW)

GROUP_PARTNERFLOW= ('Canada','Imports')
groups.get_group( GROUP_PARTNERFLOW )
Year Period Trade Flow Reporter Partner Commodity Code Commodity Trade Value (US$)
33 2018 201809 Imports Japan Canada 202 Meat of bovine animals; frozen 6091116
66 2018 201811 Imports Japan Canada 202 Meat of bovine animals; frozen 2041310
72 2018 201801 Imports Japan Canada 202 Meat of bovine animals; frozen 805835
104 2018 201802 Imports Japan Canada 202 Meat of bovine animals; frozen 967149
126 2018 201803 Imports Japan Canada 202 Meat of bovine animals; frozen 3845445
160 2018 201804 Imports Japan Canada 202 Meat of bovine animals; frozen 9752157
173 2018 201805 Imports Japan Canada 202 Meat of bovine animals; frozen 4515040
198 2018 201806 Imports Japan Canada 202 Meat of bovine animals; frozen 3741840
219 2018 201807 Imports Japan Canada 202 Meat of bovine animals; frozen 9350978
244 2018 201808 Imports Japan Canada 202 Meat of bovine animals; frozen 11163128
262 2018 201810 Imports Japan Canada 202 Meat of bovine animals; frozen 5930452

ドルを円(1ドル=111円)に換算する。

b=df_countries[df_countries["Trade Flow"]=='Imports'].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(b)):
    b[i] = b[i]*111
b.sort_values(ascending=False).head(10)
Partner
Australia                   77166730692
United States of America    47823579216
Canada                       6460693950
New Zealand                  4737055980
Mexico                       4142543199
Poland                        181973400
Netherlands                    65516640
Vanuatu                        36289563
Ireland                        33512676
Italy                          20793630
Name: Trade Value (US$), dtype: int64

予想通りオージービーフがトップだった。2位アメリカ、3位カナダも妥当だろう。その他の国の牛肉は目にしたことがないと思われるが、ニュージーランドは見たことがあるような気がしなくもない。米国産牛肉については、トランプ政権の圧力で今年以降かなり伸びることが予想される。アンガスビーフは不味くはないので、今より安価になれば庶民にとっては嬉しい限りだろう。

スポンサーリンク

日本の牛肉輸入国をグラフ化

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()
rcParams["font.size"] = "17"
fig, ax = subplots(figsize=(20,12))
b.sort_values(ascending=False, inplace=False).plot(kind='barh')
xticks(np.arange(0,9e10,2e10/2),
   ['{}億'.format(int(x/1e7)) if x > 0 else 0 for x in np.arange(0,9e9,2e9/2)])
ax.legend(["輸入額"],loc='upper right', prop={'size': 26});

アルゼンチンの牛肉が去年解禁になっているので、今後はアルゼンチンの美味しい牛肉が安く買えるようになるはずだ。

スポンサーリンク

日本はどこに国産牛を輸出しているのか

df_exports = df[df['Trade Flow'] == 'Exports']
df_countries_exports = df_countries[df_countries['Trade Flow'] == 'Exports']
df_world_exports=df_world[df_world['Trade Flow'] == 'Exports']
df_countries_exports.sort_values('Trade Value (US$)',ascending=False).head(20)
Year Period Trade Flow Reporter Partner Commodity Code Commodity Trade Value (US$)
46 2018 201811 Exports Japan Cambodia 202 Meat of bovine animals; frozen 7492999
17 2018 201810 Exports Japan Cambodia 202 Meat of bovine animals; frozen 5779000
187 2018 201806 Exports Japan Cambodia 202 Meat of bovine animals; frozen 4724151
130 2018 201803 Exports Japan Cambodia 202 Meat of bovine animals; frozen 4360603
24 2018 201809 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3822523
1 2018 201807 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3796425
142 2018 201804 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3460128
183 2018 201805 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3366853
234 2018 201808 Exports Japan Cambodia 202 Meat of bovine animals; frozen 3229961
279 2018 201811 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 2105102
81 2018 201801 Exports Japan Cambodia 202 Meat of bovine animals; frozen 1653630
226 2018 201807 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 1598271
133 2018 201803 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 1595389
6 2018 201807 Exports Japan Thailand 202 Meat of bovine animals; frozen 1323416
93 2018 201802 Exports Japan Cambodia 202 Meat of bovine animals; frozen 1263181
290 2018 201805 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 1250082
27 2018 201809 Exports Japan Thailand 202 Meat of bovine animals; frozen 1195938
229 2018 201808 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 1163425
257 2018 201810 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 1101822
41 2018 201809 Exports Japan China, Hong Kong SAR 202 Meat of bovine animals; frozen 997503

ドルを円(1ドル=111円)に変換する

a=df_countries[df_countries["Trade Flow"]=='Exports'].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(a)):
    a[i] = a[i]*111
a.sort_values(ascending=False).head()
Partner
Cambodia                4767389394
China, Hong Kong SAR    1375448397
Thailand                 894719163
China, Macao SAR         448665552
Other Asia, nes          417077283
Name: Trade Value (US$), dtype: int64
rcParams["font.size"] = "17"
fig, ax = subplots(figsize=(20,12))

a.sort_values(ascending=False, inplace=False).head(40).plot(ax=ax,kind='barh',color='g')
xticks(np.arange(0,5.5e9,1e9/2),
  ['{}億'.format(int(x/1e6)) if x > 0 else 0 for x in np.arange(0,5.5e7,1e7/2)]);
ax.legend(["輸出額"],loc='upper right', prop={'size': 26})
<matplotlib.legend.Legend at 0x7f79ed1c5940>

カンボジアが圧倒的に多いのが解せなかったのでググってみると、どうやら、カンボジア経由で中国に流れているらしい。このデータは12月分が抜けていることを考慮すると、和牛(国産牛)輸出額は100億を超えているようである。今後、中国が日本産牛肉を解禁すれば、国産牛肉の輸出額はうなぎ登りに伸びることが予想され、それに伴って、国産牛は庶民の口に入らなくなる可能性がある。まぁ、その代わり、関税撤廃で安くなるであろうアメリカ産輸入牛を食べて、日米貿易不均衡解消に貢献すればいいわけではあるが。

e = DataFrame(a)
e = e.sort_values('Trade Value (US$)',ascending=False)
sum(e['Trade Value (US$)'])*111
9477764970
スポンサーリンク
スポンサーリンク