1991年〜2018年の日本の米国産アーモンド輸入推移をプロット

庶民に優しい民主党政権の円高時、1kg1000円程度で買えていたネットで高評価の無塩ローストアーモンドが、安倍政権下で断行された増税・円安政策(いわゆる世に言うアベノミクス)のせいで、1kg2000円以上に跳ね上がった。庶民いじめ以外の何物でもないアホノミクスの愚策により食品価格は、民主党政権時に比べ、軒並み1.5倍〜3倍に暴騰している。10月にさらに消費税が上がれば、軽減税率などどこ吹く風で食品価格は上昇を続け、日本人の8割を占める庶民の生活は完全に破壊されるだろう。閑話休題、日本がどのくらいアメリカからアーモンドを輸入しているのかをグラフ化する。

スポンサーリンク

データの下準備

先ず、このサイトから必要なデータを漁ってくる。

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_almond.csv',encoding='utf-8')
df.head(2)
Classification Year Period Period Desc. Aggregate Level Is Leaf Code Trade Flow Code Trade Flow Reporter Code Reporter Qty Alt Qty Unit Code Alt Qty Unit Alt Qty Netweight (kg) Gross weight (kg) Trade Value (US$) CIF Trade Value (US$) FOB Trade Value (US$) Flag
0 H5 2017 2017 2017 6 1 2 Export 842 USA NaN NaN 5769778 NaN 5769778 NaN 36887805 NaN NaN 0
1 H5 2018 2018 2018 6 1 2 Export 842 USA NaN NaN 2125750 NaN 2125750 NaN 13968353 NaN NaN 0

2 rows × 35 columns

df=df[['Year', 'Period','Trade Flow','Reporter', 'Partner', 'Commodity','Commodity Code','Netweight (kg)','Trade Value (US$)']]
df2=df.groupby(['Commodity','Commodity Code'])
df2['Netweight (kg)'].aggregate(sum)
Commodity                                        Commodity Code
Almonds in shell fresh or dried                  80211              40411685
Almonds, in shell                                80211              56374496
Almonds, shelled                                 80212             202791333
Almonds,fresh or dried, shelled                  80212             169025280
Nuts, edible; almonds, fresh or dried, in shell  80211              54779212
Nuts, edible; almonds, fresh or dried, shelled   80212             195214803
Name: Netweight (kg), dtype: int64

in shellは殻付き、shelledは殻なしの意味。

米国の日本へのアーモンド輸出額推移

df1 = df[['Period','Trade Value (US$)']].sort_values(by='Period',ascending=True)
group = df1.groupby('Period')
g1 = group['Trade Value (US$)'].aggregate(sum)
g2 = DataFrame(g1).sort_values(by='Period',ascending=False)
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=(22,15))
g2.plot(ax=ax, kind='barh',width=.8,color='pink',legend=False)
rc('xtick', labelsize=25)
rc('ytick', labelsize=25)
xticks(np.arange(0,3.3e8,1e8/5),
 ['{}千万'.format(int(x/1e7)) if 1e8> x > 0 else '{}億'.format(float(x/1e8)) if \
  x >= 1e8 else 0 for x in np.arange(0,3.3e8,1e8/5)])
ax.legend(["輸出額"],loc='best', prop={'size': 26})
for j,i in enumerate(ax.patches):
    ax.text((i.get_width()+9e5 if int(i.get_width()) < 2.9e8 else i.get_width()-6.5e7),\
     i.get_y()+.1,'{:,}{:,}{:,}ドル'.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 '{:,}{}ドル'.format(int(str(i.get_width())[-8:-4]),int(str(i.get_width())[:-4])),\
            fontsize=20, color='k');

2004年に初めて1億ドルの大台を超えて以来、2009年の世界大不況を別にすれば、コンスタントに1億ドル台を維持し続けている。今度は輸出量で見てみる。

米国の日本へのアーモンド輸出量推移

df2 = df[['Period','Netweight (kg)']].sort_values(by='Period',ascending=True)
group = df2.groupby('Period')
g3 = group['Netweight (kg)'].aggregate(sum)
g4 = DataFrame(g3).sort_values(by='Period',ascending=False)
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=(22,15))
g4.plot(ax=ax, kind='barh',width=.8,color='pink',legend=False)
rc('xtick', labelsize=25)
rc('ytick', labelsize=25)
xticks(np.arange(0,4.6e7,1e7/2),
 ['{}万'.format(int(x/1e4)) if 1e8> x > 0 else '{}億'.format(float(x/1e8)) if \
  x >= 1e8 else 0 for x in np.arange(0,4.6e7,1e7/2)])
ax.legend(["輸出量"],loc='best', prop={'size': 26})
for j,i in enumerate(ax.patches):
    ax.text((i.get_width()+1e5 if int(i.get_width()) < 4e7 else i.get_width()-0.8e7),\
     i.get_y()+.1,'{:,}{:,}{:,}kg'.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 '{:,}{}kg'.format(int(str(i.get_width())[-8:-4]),int(str(i.get_width())[:-4])),\
            fontsize=20, color='k');

1991年と2015年を比べると、金額ベースだと10倍近いのに、重量ベースだと4倍なのは、それだけアーモンド価格が値上がっているということである。1996年と2015年は重量ベースだと1000万kg(1万トン)しか違わないのに、金額ベースだと2億ドル以上違う。何でこの2年間だけこんなに日本のアーモンドの輸入量が多いのかは知らんが、1997年の消費税増税や1995年に1ドル80円になったことと関係があるかもしれん。

print(91998909/32642035)
print(315173500/42873712)
2.8184183063341486
7.3512062589775296

1996年は2.81842ドル/kgだったアーモンドが、2015年には7.35121ドルに値上がっている。値上がり率は、この間のアメリカのGDP成長率にほぼ等しいと思われる。