G空間統計の人流データを可視化していく03(OD付き滞在人口データ)
/
G空間統計の人流データで仙台市青葉区のOD付き滞在人口データについて加工します。
# ファイル構成
project_dir
├── ./data/jinryu
│ ├── /attribute <- 1kmメッシュ定義書
│ ├── /prefcode_citycode_master <- 市町村コード定義書
│ ├── /regioncode_master <- 都道府県コード定義書
│ ├── /SDDSWS5740 <- 1kmメッシュの境界データ
│ ├── /monthly_mdp_mesh1km_04 <- 滞在人口データ
│ ├── /monthly_fromto_city_04 <- 簡易ODデータ
│ ├── merge_monthly_mdp_mesh1km_04.csv <- 統合滞在人口データ
│ └── merge_monthly_fromto_city_04.csv <- 統合簡易ODデータ
├── ipag.ttf
└── jinryu.ipynb <- 実行用ノートブック
# 仙台市青葉区のcitycode
下記のコードで仙台市青葉区のcitycode(4101)を確認します。
# 2019年を読み込み
citycode_path = './data/jinryu/prefcode_citycode_master/prefcode_citycode_master_utf8_2019.csv'
df_citycode1 = pd.read_csv(citycode_path)
df_citycode1[df_citycode1['cityname']=='仙台市青葉区']
# 4 宮城県 4101 仙台市青葉区 宮城県仙台市青葉区
# OD付き滞在人口データ
定義書を下記に示します。
dayflag:“0”:休日 “1”:平日 “2”:全日
timezone:“0”:昼 “1”:深夜 “2”:終日
fromarea: 0:仙台市青葉区内, 1:宮城県内_仙台市青葉区外, 2:東北地方内_宮城県外, 3:東北地方外
dayflag:{0, 1}, timezone:{0, 1}
# データの読み込み
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
from matplotlib import font_manager
from matplotlib.ticker import ScalarFormatter
# データの読み込み
df_fromto = pd.read_csv('./data/jinryu/merge_monthly_fromto_city_04.csv')
df_fromto_aoba = df_fromto[df_fromto['citycode']==4101].reset_index(drop=True)
print(set(df_fromto_aoba['citycode'].tolist()))
# 可視化(スクリプト)
def graph_make(df_fromto_city, df_citycode1, dayflag, xtitle):
# citycode情報
cityname = df_citycode1['cityname'][0]
prefname = df_citycode1['prefname'][0]
# 全日
df_fromto_city_day = df_fromto_city[df_fromto_city['dayflag']==dayflag]
df_fromto_city_day.head()
# 平均化
out_df = df_fromto_city_day.groupby(['citycode', 'from_area', 'timezone']).mean().sort_values('population', ascending=False)
out_df = out_df.reset_index()
# データ整形
from_areas = [0, 1, 2, 3]
timezones = [0, 1, 2]
df_list = []
# from_areaごとにtimezoneの平均人口をカラムで整理
for fa in from_areas:
append_list = [4101, 0, fa]
for tz in timezones:
out_df_a = out_df[(out_df['from_area']==fa)&(out_df['timezone']==tz)].reset_index(drop=True)
append_list.append(out_df_a['population'][0])
df_list.append(append_list)
# データフレーム化
df_graph = pd.DataFrame(df_list, columns=['citycode', 'dayflag', 'from_area', 'tz01_pop', 'tz02_pop', 'tz03_pop'])
# 可視化
# 日本語のフォント設定
f = "ipag.ttf"
font_manager.fontManager.addfont(f) # フォントの追加
font_name = plt.matplotlib.font_manager.FontProperties(fname = f).get_name() # 追加フォント名
matplotlib.rc('font', family=font_name) # 追加フォントの設定
# カラム名等を置換
# fromarea: 0:呉市内, 1:広島県内_呉市外, 2:中国地方内_広島県外, 3:中国地方外
df_graph = df_graph.replace({'from_area': { 0: f"{cityname}内", \
1: f"{prefname}内({cityname}以外)", \
2: f"地方内({prefname}以外)", \
3: f"地方外"}})
# timezone:“0”:昼 “1”:深夜 “2”:終日
df_graph = df_graph.rename(columns={'tz01_pop': '昼', 'tz02_pop': '深夜', 'tz03_pop': '終日'})
# x軸をインデックスへ
df_graph = df_graph.set_index('from_area')
# プロット
ax = df_graph.plot(kind='bar', y =['昼', '深夜', '終日'], figsize = (25,10), fontsize = 20)
# 判例
plt.legend(loc='upper right', fontsize=20)
# x軸のラベル
plt.xlabel(xtitle, fontsize=20)
# y軸のラベル
plt.ylabel("来訪者数(千人)", fontsize=20)
# y軸べき数
ax.yaxis.set_major_formatter(ScalarFormatter(useMathText=True))
ax.ticklabel_format(style="sci", axis="y", scilimits=(3, 3))
ax.yaxis.offsetText.set_fontsize(20)
# 可視化(実行)
# 可視化(実行)
graph_make(df_fromto_city, df_citycode1, 0, '休日来訪者_居住地')
# まとめ
G空間統計の人流データで仙台市青葉区のOD付き滞在人口データについて加工しました．
# 参考サイト
全国の人流オープンデータ（1kmメッシュ、市町村単位発地別） (opens new window)
monthly_mdp_mesh1km_04（宮城県）_1kmメッシュ別に、いつ、何人が滞在したのかを収録したデータ (opens new window)
monthly_fromto_city_04（宮城県）_市区町村別に、いつ、どこ（同市区町村／同都道府県／同地方／それ以外）から何人来たのかを収録したデータ
prefcode_citycode_master(都道府県コード、市区町村コードのマスタファイル) (opens new window)
regioncode_master(地方区分コードのマスタファイル) (opens new window)
attribute(1kmメッシュの座標データ) (opens new window)
