交通事故の発生状況をPythonで可視化する【e-Stat】

今日は，政府統計の交通事故発生状況をPythonで可視化します．

政府統計ポータルサイトe-Statの登録および使い方については以前の記事をご覧ください．

政府の統計データを大量に閲覧，取得できるe-Statというサービスがあります．しかもAPIでデータを扱えるというので，今回は試しに政府が発表している人口データをPythonで可視化してみました． API機能の使い方は以下のサイトを参考にし...

記事のコードはこちらで実行可能です．一緒に実行してみてください．

Google Colab

統計データの取得
交通事故発生状況の可視化
まとめ
クレジット

統計データの取得

今回扱うデータは，「道路の交通に関する統計交通事故の発生状況」です．

いつも通り，APIを押して，APIリクエストURLを取得します．

あとは，Python上で必要なライブラリをインポートして，データを取得します．

APIリクエストURLのappIdのところには，自分のappIdを入力してください．（詳しくはこちら）

import   urllib.request
import   json
import   matplotlib.pyplot   as   plt

url   =   'http://api.e-stat.go.jp/rest/2.1/app/json/getStatsData?appId=&lang=J&statsDataId=0003281500&metaGetFlg=Y&cntGetFlg=N&sectionHeaderFlg=1'
with   urllib.request.urlopen(url)   as   response:
    data   =   response.read()
d   =   json.loads(data.decode())

def   get_data(unit="件",tab="1010"):
    x = []
    y = []
    for   value   in   d["GET_STATS_DATA"]["STATISTICAL_DATA"]["DATA_INF"]["VALUE"]:
        if   value["@unit"] == unit   and   value["@tab"] == tab:
            x.append(int(value["@time"])/1000000)
            y.append(int(value["$"]))
    return   x,y

import urllib.request

import json

import matplotlib.pyplot as plt

url = 'http://api.e-stat.go.jp/rest/2.1/app/json/getStatsData?appId=&lang=J&statsDataId=0003281500&metaGetFlg=Y&cntGetFlg=N&sectionHeaderFlg=1'

with urllib.request.urlopen(url) as response:

data = response.read()

d = json.loads(data.decode())

def get_data(unit="件",tab="1010"):

x=[]

y=[]

for value in d["GET_STATS_DATA"]["STATISTICAL_DATA"]["DATA_INF"]["VALUE"]:

if value["@unit"]==unit and value["@tab"]==tab:

x.append(int(value["@time"])/1000000)

y.append(int(value["$"]))

return x,y

交通事故発生状況の可視化

元コードでは，何パターンか可視化しましたが，ここでは，2つグラフを示したいと思います．

まずは，以下のデータを用意します．

交通事故の発生件数
死者数
負傷者数

x,y   =   get_data(unit="件",tab="1010")
x_d,y_d   =   get_data(unit="人",tab="1080")
x_i,y_i   =   get_data(unit="人",tab="1190")

x,y = get_data(unit="件",tab="1010")

x_d,y_d = get_data(unit="人",tab="1080")

x_i,y_i = get_data(unit="人",tab="1190")

はじめに，交通事故の発生件数と負傷者数を一つのグラフに表示します．全体のコードはこんな感じ．

fig, ax1   =   plt.subplots()
ax1.plot(x,list(map(lambda i: i/1000,y)),label="Occurences", color="b")
ax2   =   ax1.twinx()
ax2.plot(x_i,list(map(lambda i: i/1000,y_i)),label="Injured", color="r")
ax1.tick_params(labelsize=15)
ax2.tick_params(labelsize=15)
ax1.legend(bbox_to_anchor=(0, 1.15),fontsize=13, loc='upper left')
ax2.legend(bbox_to_anchor=(1, 1.15),fontsize=13, loc='upper right')
ax1.set_xlabel("Year", fontsize=15)
ax1.set_ylabel("Number of occurences [K]", fontsize=15)
ax2.set_ylabel("Number of injured people [K]", fontsize=15)
plt.show()

fig,ax1 = plt.subplots()

ax1.plot(x,list(map(lambdai:i/1000,y)),label="Occurences",color="b")

ax2 = ax1.twinx()

ax2.plot(x_i,list(map(lambdai:i/1000,y_i)),label="Injured",color="r")

ax1.tick_params(labelsize=15)

ax2.tick_params(labelsize=15)

ax1.legend(bbox_to_anchor=(0,1.15),fontsize=13,loc='upper left')

ax2.legend(bbox_to_anchor=(1,1.15),fontsize=13,loc='upper right')

ax1.set_xlabel("Year",fontsize=15)

ax1.set_ylabel("Number of occurences [K]",fontsize=15)

ax2.set_ylabel("Number of injured people [K]",fontsize=15)

plt.show()

一つのグラフで，二つの軸を扱うには， ax2=ax1.twinx() を実行します．

これで左右にそれぞれ軸を設定し，2つのグラフを連携させることができます．

また，リストに格納されているy座標の値は大きすぎるので，map関数とlamnda関数でリスト内の全ての値を1000で割っておきます． list(map(lambdai:i/1000,y)) 単位がずれたので，縦軸の単位は千人 (K)に直しておきました．

ここでは，左軸が交通事故の発生件数，右軸が負傷者数です．

交通事故の発生件数と負傷者数には強い相関がありますね．

次は，交通事故の発生件数と死者数の関係をグラフに表示してみます．

確かに，グラフの山谷は一致していますが，1970年代以前と以降で傾向が大きく変わっています．

1970年代以前は事故あたりの死者数が多いのに対して，以降は事故あたりの死者数が大きく減少しています．

これは，交通安全に対する技術や法整備が進んだからでしょうか？調べてみたいと思いました．

「死者数に至っては1970年代の昭和40年代の“交通戦争”と呼ばれる交通事故が多発した時期と比較すると、約4分の1にまで減少しています。」
「平成19年自動車運転過失致死傷罪が制定された」
引用：あなたと弁護士をつなぐポータルサイト弁護士相談広場「交通事故は減っている？減った理由を紹介」

こちらのサイトによると，1970年代の山は”交通戦争”と呼ばれる期間のようです．

2010年以降の交通事故発生件数の減少は，法整備が進んだからのようですね．

この辺も気になったので，調べてまとめたいものです．

まとめ

今回は，政府統計の交通事故に関するデータをPythonで可視化してみました．

色々と面白い発見がありましたが，このデータだと人口増減を考慮できていないので，人口あたりのデータで見直す必要がありそうです．

Tech/programming/20200809.ipynb at master · kumagaimasahito/Tech

Contribute to kumagaimasahito/Tech development by creating an account on GitHub.

クレジット

「このサービスは、政府統計総合窓口(e-Stat)のAPI機能を使用していますが、サービスの内容は国によって保証されたものではありません。」
(https://www.e-stat.go.jp/api/api-info/credit)

MASA

My favorite food is Sushi and Yakiniku.