米国州別&フロリダ州郡別移民数をPlotlyで視覚化する

  1. モジュールとデータの準備¶
  2. 2010年〜2018年の州別移民数¶
  3. フロリダ州の郡別移民数¶

このサイトを参考にしながら、アメリカの州ごとの移民数をplotlyを使って視覚化してみたいと思います。基本的に、アメリカは移民の国であり、合法・不法合わせて相当数の移民が毎年流入しています。今年だけで、3〜4百万人の不法移民がアメリカに侵入することが予想されており、日本の在留外国人数(273万人)を考えると恐ろしい数字と言えます。

スポンサーリンク

モジュールとデータの準備¶

先ず、必要なモジュールをインポートする。

from matplotlib.pyplot import figure
from pandas import DataFrame
from plotly.subplots import make_subplots
import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.graph_objects as go
import plotly.figure_factory as ff
from plotly.offline import plot,iplot
%matplotlib inline

以下のサイトからデータをダウンロードします。

#%download https://raw.githubusercontent.com/Ayeeta/us-international-migration/master/population_estimates.csv

データをロードする。

population_data = pd.read_csv('population_estimates.csv')

欠損値の数を表示する。

population_data.apply(lambda x: sum(x.isnull()), axis=0)

1                                   0
FIPS                                0
State                               0
Area_Name                           0
Rural-urban_Continuum Code_2003    58
                                   ..
R_NET_MIG_2014                     80
R_NET_MIG_2015                     80
R_NET_MIG_2016                     80
R_NET_MIG_2017                     80
R_NET_MIG_2018                     80
Length: 150, dtype: int64
list(population_data)

#エリアネームを使って全ての州を得る
area_name = ['Alabama','Alaska','Arizona', 'Arkansas','California','Colorado','Connecticut','Delaware',
          'Florida','Georgia','Hawaii','Idaho','Illinois','Indiana','Iowa','Kansas','Kentucky','Louisiana',
          'Maine','Maryland','Massachusetts','Michigan','Minnesota','Mississippi','Missouri','Montana','Nebraska',
          'Nevada','New Hampshire','New Jersey','New Mexico','New York','North Carolina','North Dakota','Ohio',
          'Oklahoma','Oregon','Pennsylvania','Rhode Island','South Carolina','South Dakota','Tennessee','Texas',
          'Utah','Vermont','Virginia','Washington','West Virginia','Wisconsin','Wyoming']
states = population_data.loc[population_data['Area_Name'].isin(area_name)]
スポンサーリンク

2010年〜2018年の州別移民数¶

state = states["State"]
international_2010 = states["INTERNATIONAL_MIG_2010"]
international_2011 = states["INTERNATIONAL_MIG_2011"]
international_2012 = states["INTERNATIONAL_MIG_2012"]
international_2013 = states["INTERNATIONAL_MIG_2013"]
international_2014 = states["INTERNATIONAL_MIG_2014"]
international_2015 = states["INTERNATIONAL_MIG_2015"]
international_2016 = states["INTERNATIONAL_MIG_2016"]
international_2017 = states["INTERNATIONAL_MIG_2017"]
international_2018 = states["INTERNATIONAL_MIG_2018"]

trace0 = go.Scatter(
    x = state,
    y = international_2010,
    mode = "lines",
    name = "2010"
)

trace1 = go.Scatter(
    x = state,
    y = international_2011,
    mode = "lines",
    name = "2011"
)

trace2 = go.Scatter(
    x = state,
    y = international_2012,
    mode = "lines",
    name = "2012"
)

trace3 = go.Scatter(
    x = state,
    y = international_2013,
    mode = "lines",
    name = "2013"
)

trace4 = go.Scatter(
    x = state,
    y = international_2014,
    mode = "lines",
    name = "2014"
)

trace5 = go.Scatter(
    x = state,
    y = international_2015,
    mode = "lines",
    name = "2015"
)

trace6 = go.Scatter(
    x = state,
    y = international_2016,
    mode = "lines",
    name = "2016"
)

trace7 = go.Scatter(
    x = state,
    y = international_2017,
    mode = "lines",
    name = "2017"
)

trace8 = go.Scatter(
    x = state,
    y = international_2018,
    mode = "lines",
    name = "2018"
)

data = [trace0,trace1, trace2, trace3, trace4,trace5, trace6, trace7,trace8]

layout = go.Layout(
    title = "2010 - 2018",title_font=dict(size=22),
     xaxis=dict(
        title='US States',title_font=dict(size=18),
        tickmode='linear',tickfont=dict(size=16)),
     yaxis=dict(
        title='Internation Migration',title_font=dict(size=22),
         tickfont=dict(size=20)),
    autosize=True,width=800, height=800,
    hovermode= 'x',
    hoverlabel=dict(font=dict(size=20)),
    legend=dict(x=0,y=-.15,font=dict(size=21,color='black'),bgcolor='rgba(0,0,0,0)'),
    legend_orientation="h"    
)
fig = go.Figure(data = data, layout = layout)
plot(fig,show_link=False,filename="1.html",include_plotlyjs=False)

州別の移民数は、フロリダ、カリフォルニア、テキサス、ニューヨークの４大州が圧倒的に多いことが見て取れます。人口が多い州なので当然と言えます。

mig = px.line(states, x = 'State', 
 y = "INTERNATIONAL_MIG_2018", title='International Migration 2018')
layout = dict(hoverlabel=dict(font=dict(size=24)))
mig.layout.update(layout)
plot(mig,show_link=False,filename="2.html",include_plotlyjs=False)

2018年は、FL, CA, TX, NYに次いで、MAとNJが多いことに気付かされます。マサチューセッツ州とニュージャージー州はリベラル州なので当然と言えます。フロリダ州とテキサス州も猛烈な勢いでリベラル州化しているので、2024年の大統領選挙では、両州共にブルーステート(民主党州)になることが予想されています。

states['text'] = "International Migration 2018"+"\
    "+ states["INTERNATIONAL_MIG_2018"].astype(str) + " " +"State:" +" \
    "+ states["Area_Name"]

fig = go.Figure(data=go.Choropleth(
    locations=states['State'], # Spatial coordinates
    z = states["INTERNATIONAL_MIG_2018"].astype(float), # Data to be color-coded
    locationmode = 'USA-states', # set of locations match entries in `locations`
    colorscale = 'reds',
    text = states['text'],
    colorbar_title = "International Migration",
))

fig.update_layout(
    title_text= "International Migration 2018",
    geo = dict(
        scope='usa',
        projection=go.layout.geo.Projection(type = 'albers usa'),
        showlakes=True, # lakes
        lakecolor='rgb(255,255,255)'),hoverlabel=dict(font=dict(size=24))
)
plot(fig,show_link=False,filename="3.html",include_plotlyjs=False)

マップで視覚化した方が州別の全体的な移民数を把握しやすいことが分かります。

スポンサーリンク

フロリダ州の郡別移民数¶

フロリダ州に焦点を絞って、2018年の郡別移民数をプロットする。

florida = population_data.loc[population_data['State']== 'FL']

florida = florida.loc[florida['Area_Name'] != 'Florida']

florida_graph_2018 = px.line(florida, x = 'Area_Name', y = 'INTERNATIONAL_MIG_2018', title = 'Internation Migration Settlement in Florida')
layout = dict(hoverlabel=dict(font=dict(size=24)),
 xaxis=dict(tickfont=dict(size=20)),yaxis=dict(tickfont=dict(size=20)))
florida_graph_2018.layout.update(layout)
plot(florida_graph_2018,show_link=False,filename="4.html",include_plotlyjs=False)

マイアミ・デイド郡が圧倒的に移民数が多いことが分かります。この郡はリベラルカウンティーなので仕方ありません。

florida['text'] = "International Migration 2018"+"\
    "+ florida["INTERNATIONAL_MIG_2018"].astype(str) + " " +"County:" +" \
    "+ florida["Area_Name"]

values = florida['INTERNATIONAL_MIG_2018'].tolist()
fips = florida['FIPS'].tolist()

endpts = list(np.mgrid[min(values):max(values):4j])

colorscale = [
    '#ffcccc',
    '#ff9999',
    '#ff6666',
    '#ff3333',
    '#ff0000'
]
fig = ff.create_choropleth(
    fips=fips, values=values, scope=['Florida'], show_state_data=True,
    colorscale=colorscale, binning_endpoints=endpts, round_legend_values=True,
    plot_bgcolor='rgb(229,229,229)',
    paper_bgcolor='rgb(229,229,229)',
    legend_title='International Population by County 2018',
    county_outline={'color': 'rgb(255,255,255)', 'width': 0.5},
    exponent_format=False
)
hover_ix, hover = [(ix, t) for ix, t in enumerate(fig['data']) if t.text][0]

# mismatching lengths indicates bug
if len(hover['text']) != len(florida):

    ht = pd.Series(hover['text'])

    no_dupe_ix = ht.index[~ht.duplicated()]

    hover_x_deduped = np.array(hover['x'])[no_dupe_ix]
    hover_y_deduped = np.array(hover['y'])[no_dupe_ix]

    new_hover_x = [x if type(x) == float else x[0] for x in hover_x_deduped]
    new_hover_y = [y if type(y) == float else y[0] for y in hover_y_deduped]

    fig['data'][hover_ix]['text'] = ht.drop_duplicates()
    fig['data'][hover_ix]['x'] = new_hover_x
    fig['data'][hover_ix]['y'] = new_hover_y

fig.layout.template = None
fig.update_layout(hoverlabel=dict(font=dict(size=24)),
    autosize=False,width=800, height=500,legend=dict(font=dict(size=21)))
plot(fig,show_link=False,filename="5.html",include_plotlyjs=False)

/root/.pyenv/versions/miniconda3-latest/envs/py373/lib/python3.7/site-packages/pandas/core/frame.py:7123: FutureWarning:

Sorting because non-concatenation axis is not aligned. A future version
of pandas will change to not sort by default.

To accept the future behavior, pass 'sort=False'.

To retain the current behavior and silence the warning, pass 'sort=True'.

マイアミ・デイド郡とブロワード郡はリベラル公務員が支配しているので、選挙の度に不正行為が行われており、昨今、共和党から目を付けられています。<\p>

スポンサーリンク
スポンサーリンク

コメント

タイトルとURLをコピーしました