かつては庶民には高嶺の花であった牛肉。すきやきも高価な牛肉ではなく安価な豚肉が代用されていた時代があった。しかし、80年代の急速な円高＋90年代の牛肉自由化以降、庶民も不味くて食えない牛肉ではなく、何とか食べられる牛肉が安く入手できるようになった。前回のデータは不完全だったので、今回はより完全なデータを使って日本の牛肉輸入先と輸入額をプロットする。
from pandas import *
df = read_csv('bovineall.csv',usecols=['Year', 'Period','Trade Flow','Reporter', 'Partner', 'Commodity','Commodity Code','Trade Value (US$)'])
df.head()
df_world = df[df['Partner'] == 'World']
df_countries = df[df['Partner'] != 'World']
df_imports = df[df['Trade Flow'] == 'Import']
df_countries_imports = df_countries[df_countries['Trade Flow'] == 'Import']
df_countries_exports = df_countries[df_countries['Trade Flow'] == 'Export']
df_world_imports=df_world[df_world['Trade Flow'] == 'Import']
GROUPING_PARTNERFLOW = ['Partner','Trade Flow']
groups = df_countries.groupby(GROUPING_PARTNERFLOW)
GROUP_PARTNERFLOW= ('Canada','Import')
groups.get_group( GROUP_PARTNERFLOW ).tail(12)
ドルを円(1ドル=112.478円)に変換して輸入国を表示する。
a=df_countries_imports
b=a[(a["Commodity Code"]==201)|(a["Commodity Code"]==202)].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(b)):
b[i] = b[i]*112.478
b.sort_values(ascending=False).head()
輸入国をプロットする。
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"] = "22"
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))
b.sort_values(ascending=False, inplace=False).plot(kind='barh')
xticks(np.arange(0,2.1e11,1e11/4),
['{}億'.format(int(x/1e9)) if x > 0 else 0 for x in np.arange(0,2.1e12,1e12/4)])
ax.legend(["輸入額"],loc='upper right', prop={'size': 26});
留学中はUSDA choiceのブラックアンガスだけを食べていたが、日本に帰って来てからは国産牛しか食わなくなった。とは言っても、生活保護世帯以下の生活を強いられている超極貧世帯の我が家では、上州牛や上州和牛、いなげやブランドの仙台黒毛和牛ぐらいしか手が出ない。たまには、SATOブリアンで美味い肉をたらふく食べてみたいものである。
今度は輸出国を表示する。
d=df_countries_exports
e=d[(d["Commodity Code"]==201)|(d["Commodity Code"]==202)].groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(e)):
e[i] = e[i]*112.478
e.sort_values(ascending=False).head()
fig, ax = subplots(figsize=(20,12))
e.sort_values(ascending=False, inplace=False).plot(kind='barh')
xticks(np.arange(0,5.1e9,1e9/2),
['{}億'.format(int(x/1e9)) if x > 0 else 0 for x in np.arange(0,5.1e10,1e10/2)])
ax.legend(["輸出額"],loc='upper right', prop={'size': 26});
香港、カンボジア(中国)、アメリカ、台湾、シンガポール、タイ、オランダ、マカオ、ラオス、イギリスがトップ10に名を連ねている。Other Asia, nesというのは台湾の事を指すらしく、台湾は国連加盟国ではないのでこういう扱いになっているようである。
df1 = read_excel("beef.xls")
df1.head(10)
df1.dtypes
df1["Unnamed: 3"] = to_numeric(df1["Unnamed: 3"][5:][:16])
df1.dtypes
df1 = df1.drop(['Unnamed: 1', 'Unnamed: 2'], axis=1)
fig, ax = subplots(figsize=(20,12))
df1[5:][:16].set_index('品目別輸入実績').plot(ax=ax,kind='barh')
xticks(np.arange(0,2.1e8,1e8/4),
['{}億'.format(int(x/1e6)) if x > 0 else 0 for x in np.arange(0,2.1e9,1e9/4)])
ax.legend(["輸入額"],loc='upper right', prop={'size': 26})
ax.set_ylabel('輸入国')
ax.set_xlabel('輸入額(円)');
国連データと農林水産省データを照らし合わせると微妙に違う。例えば、チリとデンマークの順位が入れ替わっていたり、輸入額にも若干の違いがあったりする。どっちのデータが正しいのかは分からんが、まぁ、細かいことは気にしなくてもいいだろう。
スポンサーリンク
スポンサーリンク