Python:日本の本まぐろ輸入国と輸出国をプロットする

日本人が愛して止まない本まぐろ。大間産本まぐろの大トロが寿司の王様と言われているように、本まぐろは日本の寿司には欠かせないネタである。スーパーに行くと、輸入本まぐろが幅を利かせているが、気になるのは、日本はどこから海のダイヤの黒まぐろを輸入しているのかということである。ということで、日本のクロマグロの輸入相手国をグラフ化してみることにした。

スポンサーリンク

日本はどこから本まぐろを輸入しているのか

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('bluefin_tuna.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 201808 Exports Japan World 30194 Fish; live, bluefin tunas (Thunnus thynnus) 241315
1 2018 201808 Exports Japan Rep. of Korea 30194 Fish; live, bluefin tunas (Thunnus thynnus) 241315
2 2018 201809 Exports Japan World 30194 Fish; live, bluefin tunas (Thunnus thynnus) 577061
3 2018 201809 Exports Japan Rep. of Korea 30194 Fish; live, bluefin tunas (Thunnus thynnus) 577061
4 2018 201801 Imports Japan World 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 5568106
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','Commodity Code']
groups = df_countries.groupby(GROUPING_PARTNERFLOW)

GROUP_PARTNERFLOW= ('Mexico','Imports',30235)
groups.get_group( GROUP_PARTNERFLOW ).tail(12)
Year Period Trade Flow Reporter Partner Commodity Code Commodity Trade Value (US$)
16 2018 201801 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 5279628
37 2018 201802 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 5509544
61 2018 201803 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6371717
80 2018 201804 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6560152
104 2018 201805 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6281834
123 2018 201806 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 4030646
143 2018 201807 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 4477344
161 2018 201808 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6307012
179 2018 201809 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 5276754
200 2018 201810 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6511050
219 2018 201811 Imports Japan Mexico 30235 Fish; bluefin tunas (Thunnus thynnus), fresh o… 6146861
GROUPING_PARTNERFLOW = ['Trade Flow','Commodity Code']
groups = df_countries.groupby(GROUPING_PARTNERFLOW)

GROUP_PARTNERFLOW= ('Imports',30345)
groups.get_group( GROUP_PARTNERFLOW ).groupby(['Partner'])['Trade Value (US$)'].aggregate(sum).sort_values(ascending=False)
Partner
Rep. of Korea    3743997
Mexico           2148083
China            1304485
Turkey            107059
Spain              37993
Malta              26333
Croatia            25292
Italy               5443
Tunisia             2344
Name: Trade Value (US$), dtype: int64
GROUPING_COMMFLOW = ['Commodity Code','Commodity','Trade Flow']

groups = df_countries.groupby(GROUPING_COMMFLOW)
groups.groups.keys()
dict_keys([(30194, 'Fish; live, bluefin tunas (Thunnus thynnus)', 'Exports'), (30235, 'Fish; bluefin tunas (Thunnus thynnus), fresh or chilled (excluding fillets, livers, roes and other fish meat of heading no. 0304)', 'Exports'), (30235, 'Fish; bluefin tunas (Thunnus thynnus), fresh or chilled (excluding fillets, livers, roes and other fish meat of heading no. 0304)', 'Imports'), (30345, 'Fish; bluefin tuna (Thunnus thynnus), frozen, (excluding fillets, livers, roes and other fish meat of heading no. 0304)', 'Exports'), (30345, 'Fish; bluefin tuna (Thunnus thynnus), frozen, (excluding fillets, livers, roes and other fish meat of heading no. 0304)', 'Imports')])

ドルを円(1ドル=111円)に変換する

b=df_countries[df_countries["Trade Flow"]=='Imports'].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(b)):
    b[i] = b[i]*111
b.sort_values(ascending=False).head(10)
Partner
Mexico                      7203969375
United States of America     903742797
Canada                       827938011
Rep. of Korea                640493976
China                        144797835
Greece                       135951024
Spain                        125671980
France                        48986298
New Zealand                   43910490
Cyprus                        19627797
Name: Trade Value (US$), dtype: int64

近所のスーパだと本まぐろは圧倒的にマルタ産、クロアチア産のクロマグロが多い。たまに、スペイン産、アメリカ産、メキシコ産を見かける。このデータには切り身は含んでいないので、そのことも関係しているのかも知れないがよー分からん。

b = DataFrame(b)
b = b.sort_values('Trade Value (US$)',ascending=False)
sum(b['Trade Value (US$)'])
10142488359

11ヶ月間で100億円以上輸入している。

スポンサーリンク

クロマグロ輸入国をグラフ化する

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(0,8.5e9,2e9/2),
   ['{}億'.format(int(x/1e7)) if x > 0 else 0 for x in np.arange(0,8.5e8,2e8/2)])
ax.legend(["輸入額"],loc='upper right', prop={'size': 26});

メキシコと言えば、アボカドも圧倒的にメキシコが多い。メバチ、キハダ、ビンナガ、カジキマグロ等の、糞不味いクズマグロも、わさび、アボカドと一緒に食べると本まぐろのトロに劣らない味になる。

スポンサーリンク

日本はクロマグロをどこに輸出しているのか

c=df_countries[df_countries["Trade Flow"]=='Exports'].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(c)):
    c[i] = c[i]*111
c.sort_values(ascending=False).head(10)
Partner
China                       988429359
United States of America    218927520
Rep. of Korea               100636152
China, Hong Kong SAR         87890355
Canada                       45576378
Thailand                     29100759
Singapore                    22088334
Viet Nam                     15820053
Qatar                        10455534
China, Macao SAR              8695851
Name: Trade Value (US$), dtype: int64

中国、アメリカ、韓国、香港などに輸出しているようである。

c = DataFrame(c)
c = c.sort_values('Trade Value (US$)',ascending=False)
sum(c['Trade Value (US$)'])
1539319029

このデータによると、日本は、2018年1月〜11月の11ヶ月間で15億4000万円のクロマグロを輸出していることになっているが、このデータが正しいのかどうかは知らん。

fig, ax = subplots(figsize=(20,12))
c.sort_values(ascending=False, inplace=False).plot(kind='barh')
xticks(np.arange(0,1.1e9,1e8),
  ['{}億'.format(int(x/1e7)) if x > 0 else 0 for x in np.arange(0,1.1e8,1e7)])
ax.legend(["輸出額"],loc='upper right', prop={'size': 26});

中国が圧倒的に多い。生きたクロマグロに関しては、うなぎの稚魚なんかは生きたまま輸出されているので、クロマグロの稚魚も生きたまま韓国に輸出されているのかもしれん。

GROUPING_PARTNERFLOW = ['Trade Flow','Commodity Code']
groups = df_countries.groupby(GROUPING_PARTNERFLOW)

GROUP_PARTNERFLOW= ('Exports',30194)
groups.get_group( GROUP_PARTNERFLOW ).groupby(['Partner'])['Trade Value (US$)'].aggregate(sum).sort_values(ascending=False)
Partner
Rep. of Korea    818376
Name: Trade Value (US$), dtype: int64

※今回のデータにはミナミマグロ(インドマグロ)は含んでいない。

参考サイトhttps://nbviewer.jupyter.org/
スポンサーリンク
スポンサーリンク

フォローする