過去38年間の10カ国の国民一人当たりGDP推移をグラフ化する

plotlyを使って、1980年〜2018年の39年間のシンガポール、ドイツ、フランス、スイス、アメリカ、日本、カナダ、イギリス、オーストラリア、カタールの10カ国の国民一人当たりGDP推移をプロットしてみます。庶民の生活が苦しくなる一方で、負担ばかりが増え続けていく今の日本が、どれくらい貧しくなったのかをPlotlyを使って視覚化してみようと考えた次第です。

スポンサーリンク

国民1人当たりGDPデータの準備

import pandas as pd

imf = pd.read_csv('WEOApr2019all.xls',encoding='latin1',sep='\t', thousands=',', na_values=['n/a', '--'])
imf1 = imf[imf['WEO Subject Code'] == 'NGDPDPC']
imf1[['Country','2018']].tail(10)
Country 2018
8289 United Kingdom 42558.00
8334 United States 62605.59
8379 Uruguay 17164.89
8424 Uzbekistan 1262.86
8469 Vanuatu 3254.05
8514 Venezuela 3373.69
8559 Vietnam 2551.12
8604 Yemen 873.38
8649 Zambia 1416.72
8694 Zimbabwe 1711.82
imf1 = imf1.fillna(0)
for i in range(9,55):
    imf1.iloc[:, i] = round(imf1.iloc[:, i],0).apply(pd.to_numeric, errors="coerce").astype(int)

1980年〜2018年の39年間のシンガポール、ドイツ、フランス、スイス、アメリカ、日本、カナダ、イギリス、オーストラリア、カタールの10カ国の国民一人当たりGDPデータを用意します。

variables = ['NGDPDPC']
countries = ['SGP', 'DEU', 'FRA', 'CHE', 'USA', 'JPN', 'CAN' ,'GBR','AUS','QAT']
GDP = imf1[imf1['ISO'].isin(countries) & imf1['WEO Subject Code'].isin(variables)]
GDP = GDP.set_index('Country').T.dropna()
スポンサーリンク

国民一人当たりGDP推移をプロット

import plotly.graph_objs as go
from plotly.offline import plot,iplot
year = list(range(1980,2019))

trace0 = go.Scatter(
    x = year,
    y = GDP[8:47]['Japan'],
    name = 'Japan',
    line = dict(
        color = ('mediumvioletred'),
        width = 4)
)

trace1 = go.Scatter(
    x = year,
    y = GDP[8:47]['Canada'],
    name = 'Canada',
    line = dict(
        color = ('green'),
        width = 4)
)

trace2 = go.Scatter(
    x = year,
    y = GDP[8:47]['France'],
    name = 'France',
    line = dict(
        color = ('magenta'),
        width = 4)
)

trace3 = go.Scatter(
    x = year,
    y = GDP[8:47]['Germany'],
    name = 'Germany',
    line = dict(
        color = ('blue'),
        width = 4)
)

trace4 = go.Scatter(
    x = year,
    y = GDP[8:47]['Singapore'],
    name = 'Singapore',
    line = dict(
        color = ('purple'),
        width = 4)
)

trace5 = go.Scatter(
    x = year,
    y = GDP[8:47]['Switzerland'],
    name = 'Switzerland',
    line = dict(
        color = ('deeppink'),
        width = 4)
)

trace6 = go.Scatter(
    x = year,
    y = GDP[8:47]['United Kingdom'],
    name = 'United Kingdom',
    line = dict(
        color = ('black'),
        width = 4)
)

trace7 = go.Scatter(
    x = year,
    y = GDP[8:47]['United States'],
    name = 'United States',
    line = dict(
        color = ('deepskyblue'),
        width = 4)
)

trace8 = go.Scatter(
    x = year,
    y = GDP[8:47]['Australia'],
    name = 'Australia',
    line = dict(
        color = ('teal'),
        width = 4)
)

trace9 = go.Scatter(
    x = year,
    y = GDP[8:47]['Qatar'],
    name = 'Qatar',
    line = dict(
        color = ('palegreen'),
        width = 4)
)

data = [trace0,trace1,trace2,trace3,trace4,trace5,trace6,trace7,trace8,trace9]
layout = dict(title = 'GDP Per Capita by Country',
    title_font=dict(size=24, family='Courier', color='black'),
    yaxis=dict(title='一人当たりのGDP',title_font=dict(size=22)
                ,tickfont=dict(size=20)),
    xaxis=dict(title='年',title_font=dict(size=22),tickfont=dict(size=20)),
    autosize=False,width=800, height=640,
    hovermode= 'x',
    hoverlabel=dict(font=dict(size=24)),
    legend=dict(x=-.001,y=1,font=dict(size=21,color='black'),bgcolor='rgba(0,0,0,0)'),
    legend_orientation="v"
              )
fig = dict(data=data, layout=layout)
plot(fig,show_link=False,filename="c.html",include_plotlyjs=False)

このように、日本の国民一人当たりのGDPは1995年〜2018年の23年間に世界第2位から世界第26位に坂道を転がり落ちるように転落しています。悲しいことに、斜陽の国と言い続けられて久しいイギリスにまで追い抜かされてしまっています。これでは庶民の暮らしが苦しくなるのも当然です。消費税が10%になったこで、今後、庶民の生活はますます苦しくなります。このままジリ貧状態が続けば、10年後の日本の一人当たりのGDPは、100位を大きく割り込んでいる可能性さえあります。そうならないように、国民一人一人が政治に関心を持つ必要があるのではないでしょうか。

スポンサーリンク
スポンサーリンク

フォローする