近所を散歩すると、あちこちの畑にとうもろこしが植えてあるのが目に付く。後少しでとうもろこしの美味しい季節がやってくるわけだが、特に、ゴールドラッシュとピュアホワイトがオススメである。気になるのは、そこらじゅうにとうもろこし畑が存在する日本において、どのくらいコーンを輸入しているのかということである。コーンと言えばポップコーンで有名なアメリカを一番に思い浮かべるので、アメリカのとうもろこし輸出状況を調べてみることにした。
from pandas import *
import warnings
warnings.simplefilter('ignore', FutureWarning)
from pandas import *
import matplotlib
matplotlib.rcParams['axes.grid'] = True # show gridlines by default
%matplotlib inline
df = read_csv('usa_maize.csv',encoding='utf-8')
df.head(2)
df=df[['Year', 'Period','Trade Flow','Reporter', 'Partner', 'Commodity','Commodity Code','Trade Value (US$)']]
df_world = df[df['Partner'] == 'World']
df_countries = df[df['Partner'] != 'World']
df_countries_imports = df_countries[df_countries['Trade Flow'] == 'Imports']
df_world_imports=df_world[df_world['Trade Flow'] == 'Imports']
df_countries_exports = df_countries[df_countries['Trade Flow'] == 'Exports']
df_world_exports=df_world[df_world['Trade Flow'] == 'Exports']
df1_countries = df_countries
print(df_world_imports['Trade Value (US$)'].aggregate(sum))
print(df_world_exports['Trade Value (US$)'].aggregate(sum))
2018年、アメリカはとうもろこしを130億ドルも輸出している。
b=df_countries_exports.groupby(['Partner'])['Trade Value (US$)'].aggregate(sum)
for i in range(len(b)):
b[i] = b[i]*111
#b.sort_values(ascending=False)
e = b.sort_values(ascending=False)
c=[]
for i in range(len(e)):
d = e[i]/e.sum()*100
c.append(d)
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"] = "25"
fig, ax = subplots(figsize=(20,15))
b.sort_values(ascending=False, inplace=False).head(20).plot(kind='barh',width=.8,color='skyblue')
rc('xtick', labelsize=25)
rc('ytick', labelsize=25)
xticks(np.arange(0,7.1e11,2e11/2),
['{}億'.format(int(x/1e7)) if x > 0 else 0 for x in np.arange(0,7.1e10,2e10/2)])
ax.legend(["輸出額"],loc='upper right', prop={'size': 26})
for j,i in enumerate(ax.patches):
ax.text((i.get_width()+5e8 if int(i.get_width()) < 6e11 else i.get_width()-4.7e11),\
i.get_y()+.15,'{:,}億{:,}万{:,}円 ({:.4f}%)'.format(int(str(i.get_width())[:-8]),\
int(str(i.get_width())[-8:-4]),int(str(i.get_width())[-4:]),c[j]) \
if int(i.get_width()) > 1e8 else '{:,}万円 ({:.4f}%)'.format(int(str(i.get_width())[:-4]),c[j]),\
fontsize=30, color='k');
メキシコに次いで日本が2位である。やはり、国産よりも輸入品の方が激安なので、こういう数字になるのだろうと思われる。メキシコは、トルティーヤ、ドリトス、タコスにとうもろこし粉が必須なので、この結果も頷ける。日本人はコーンと言えば、コーンスープかバターコーンだろう。個人的にはキャンベルのコーンポタージュが一押しだ。
日本人のコーン消費に季節性はあるのか?¶
groups = df_countries.groupby(['Partner','Trade Flow'])
g = groups.get_group(('Japan','Exports'))
g = g[['Period','Trade Value (US$)']].sort_values(by='Period',ascending=False)
for i, col in enumerate(g['Trade Value (US$)']):
g['Trade Value (US$)'].iloc[i] = col*111
rcParams["font.size"] = "25"
fig, ax = subplots(figsize=(22,15))
g.set_index('Period').plot(ax=ax, kind='barh',width=.8,color='pink')
rc('xtick', labelsize=25)
rc('ytick', labelsize=25)
xticks(np.arange(0,4.1e10,1e10/2),
['{}億'.format(int(x/1e8)) if x > 0 else 0 for x in np.arange(0,4.1e10,1e10/2)])
ax.legend(["輸入額"],loc='lower right', prop={'size': 26})
for i in ax.patches:
ax.text((i.get_width()+8e6 if int(i.get_width()) < 2.5e10 else i.get_width()-1.5e10),\
i.get_y()+.2,'{:,}億{:,}万{:,}円'.format(int(str(i.get_width())[:-8]),\
int(str(i.get_width())[-8:-4]),int(str(i.get_width())[-4:])) \
if int(i.get_width()) > 1e8 else '{:,}万円'.format(int(str(i.get_width())[:-4])),\
fontsize=30, color='k');
特に季節性はないようである。5月・7月・8月が多いのは、ゴールデンウイークと夏休みの関係だと思われるが定かではない。安価な輸入コーンは飼料にも使われているので、そういう関係もあるのかもしれない。以前にわとりを飼っていた時、とうもろこしを餌にしていたのを思い出した。日本はどうか知らんが、いろんな国でとうもろこしはバイオ燃料にも使われているので、今後の大幅な価格上昇が危惧されているが、コーン価格が上昇するとバイオエタノールがペイしなくなるので、そんなに心配する必要はないという識者も多い。