前回は，Pythonで日本の労働力調査の結果を可視化するための準備を行いました．
今回から，実際にデータをグラフとして出力していきます．
記事のコードはこちらで実行可能です．実行する際は，e-Statで自分のappIdを取得してください．（詳しくはこちら）
労働力の可視化
計測方法次第で以下を出力できますので，記事を分けて見ていきます．
- 15歳以上人口
- 労働力人口
- 就業者
- 完全失業者
- 非労働力人口
15歳以上人口
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | x,y=get_data() x_male,y_male=get_data(cat03="1") x_female,y_female=get_data(cat03="2") ticks=12 fig,ax1=plt.subplots() ax1.plot(x,y,label="総数",color="r") ax2=ax1.twinx() ax2.plot(x_male,y_male,label="男") ax2.plot(x_female,y_female,label="女") #ax1.set_yticklabels(fontsize=15) #ax2.set_yticklabels(fontsize=15) ax1.set_xticks(range(0,len(x),ticks)) ax2.set_xticks(range(0,len(x),ticks)) ax1.set_xticklabels([x[i]foriinrange(0,len(x),ticks)],rotation=90,fontsize=13) ax2.set_xticklabels([x[i]foriinrange(0,len(x),ticks)],rotation=90,fontsize=13) ax1.legend(fontsize=13) ax2.legend(fontsize=13) ax1.set_xlabel("年/月",fontsize=15) ax1.set_ylabel("人口 [万人]",fontsize=15) ax1.set_title("15歳以上人口",fontsize=15) plt.show() |
左軸は総数，右軸が男女です．（2011年3月から8月までの間は東日本大震災の影響で被災地での調査が一時困難となったため，データが抜けているようです．この期間については補完推計を行う研究もあるようです．[1]https://www.stat.go.jp/training/2kenkyu/ihou/70/pdf/2-2-703.pdf" target="_blank">高橋伸一. “労働力調査における東日本大震災に伴う補完推計.” 統計研究彙報 70.3 (2013): 87-102）
15歳以上人口は，2000年以降，緩やかに増加しているんですね．高齢化の影響でしょうか．
2012年末にかけて急激な伸びが見られるのはなぜだろうか．
女性の方が，男性よりわずかに多いのも面白いですね．
これ以降の，労働力人口や非労働力人口は15歳以上人口の中での数字となっています．
詳細な区分は，次のようになっています．
【Python】e-Statで日本の労働力を調査（3日目）
前回から，日本の労働力調査のうち15歳以上人口について，Pythonで可視化をしました． 今日は，その続きです． 記事のコードはこちらで実行可能です．実行する際は，e-Statで自分のappIdを取得してください．（詳しくはこちら） 労働力...
www.tech.exotechblog.com
2020.08.19
https://www.tech.exotechblog.com/programming/manpower-day4
www.tech.exotechblog.com
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)
My favorite food is Sushi and Yakiniku.
コメント