過去38年間の10カ国のGDP per Capitaの推移をplotlyで視覚化

plotlyを使って、1980年〜2018年の過去38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、カタールの計10カ国の国民一人当たりGDPの推移をプロットしてみたいと思います。超高齢化・超少子化社会の弊害による大増税、年金・保険税等の社会保障費負担増、円安と消費税大増税による食料品や生活必需品の暴騰により、庶民の生活がどんどん苦しくなる一方で、今後も負担ばかりが増え続けていく未来しか見えない日本が、過去数十年で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¶

必要なデータをロードします。

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)

先ず最初に、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¶

10カ国の国民一人あたりのGDPをPlotlyを使って視覚化します。

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年間で堂々の世界第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しまっています。非常に悲しいことに、斜陽の国と罵られ続けて久しいイギリスにまで追い抜かされてしまっている体たらくっぷりです。これでは国民の8割を占める庶民の暮らしが苦しくなるのも当然です。消費税が10%に増税されてしまったことで、今後、庶民の生活はますます苦しくなることが予想されます。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どころか、このブログ記事”40年周期と77年周期によると日本は2029年に確実に滅ぶ“にも書いてありますが、今の日本国は2029年に滅び去る可能性さえあります。1981年にソ連が10年後の1991年に崩壊するとは誰も想像すらできなかったし、1935年に再軍備宣言をした飛ぶ鳥を落とす勢いのドイツが、僅か10年後に滅び去るとは誰も考えすらしなかったように、誰もが予想できないとしても、国が滅び去る時は案外あっけないものです。

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
Pythonでビッグマック指数をグラフ化して異常な円安を視覚化する
首都圏で発生したM2以上の全地震を視覚化してパターンを探る
浅い震源(0〜20km)の大地震が起こりそうな地域を予測する
foliumで首都圏の9月の地震の震源地を地図上にプロットする
ごく近い将来確実に起きる首都圏巨大地震に備えよう!
Python:米主要12社の相対収益率をPlotlyでグラフ化する
株価推移をPlotlyのローソク足チャート機能を使ってプロット
日本の幸福度が低い理由を世界幸福度ランキングを基に考察する
2015〜2019年の世界幸福度ランキング推移をPlotlyで視覚化
pdfからデータを抽出して日本の輸出相手国トップ10をグラフ化
日本の歪で醜い人口ピラミッドをPythonで構築してみる

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