地理データの可視化#

本節では緯度・経度の情報をもつ、地理データを可視化する手法を学びます。

国土交通省のGISホームページから、滋賀県の地価公示データを取得します。

https://nlftp.mlit.go.jp/ksj/old/datalist/old_KsjTmplt-L01.html

!wget https://nlftp.mlit.go.jp/ksj/old/data/L01/L01-2022P/L01-2022P-25-01.0a.zip
!unzip -o L01-2022P-25-01.0a.zip

--2022-11-19 05:51:51--  https://nlftp.mlit.go.jp/ksj/old/data/L01/L01-2022P/L01-2022P-25-01.0a.zip
Resolving nlftp.mlit.go.jp (nlftp.mlit.go.jp)... 192.29.39.162, 192.29.39.48, 192.29.41.65
Connecting to nlftp.mlit.go.jp (nlftp.mlit.go.jp)|192.29.39.162|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 55443 (54K) [application/zip]
Saving to: ‘L01-2022P-25-01.0a.zip’

L01-2022P-25-01.0a. 100%[===================>]  54.14K  --.-KB/s    in 0.005s  

2022-11-19 05:51:51 (11.7 MB/s) - ‘L01-2022P-25-01.0a.zip’ saved [55443/55443]

Archive:  L01-2022P-25-01.0a.zip
   creating: L01-2022P-25-01.0a/
  inflating: L01-2022P-25-01.0a/KS-META-L01-2022P-2K_25.xml  
  inflating: L01-2022P-25-01.0a/L01-2022P-25-01.0a.html  
  inflating: L01-2022P-25-01.0a/L01-2022P-2K_25.csv  

from io import StringIO
import json

import pandas as pd
import plotly.express as px

shiga_land_price = pd.read_csv("./L01-2022P-25-01.0a/L01-2022P-2K_25.csv", encoding="cp932")
shiga_land_price.loc[:, ["経度", "緯度"]] = shiga_land_price.loc[:, ["経度", "緯度"]] / 3600
shiga_land_price.head()

	経度	緯度	所在地コード	連番	年次	前年所在地コード	前年連番	市区町村名	...	属性移動Ｈ２５	属性移動Ｈ２６	属性移動Ｈ２７	属性移動Ｈ２８	属性移動Ｈ２９	属性移動Ｈ３０	属性移動Ｈ３１	属性移動Ｒ２	属性移動Ｒ３	属性移動Ｒ４
0	135.911983	35.108868	25201	1	2022	25201	1	大津	...	40000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000
1	135.915560	35.122949	25201	2	2022	25201	2	大津	...	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000
2	135.900566	35.097219	25201	3	2022	25201	3	大津	...	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000
3	135.876694	35.074805	25201	4	2022	25201	4	大津	...	10000000000000	10100000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000
4	135.972987	35.251884	25201	5	2022	25201	5	大津	...	20000000000000	20000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000	10000000000000

5 rows × 126 columns

散布図#

Plotly Expressの scatter_mapbox 関数を利用して、地図上に散布図を描画します。

data_frame(第1引数): 描画対象のDataFrame
lat: 緯度が格納されている列名
lon: 経度が格納されている列名
size: 要素の大きさをとなる列名
color: 要素の色となる列名
hover_name: ホバーツールのタイトルとなる列名
hover_data: ホバーツールに表示するデータとなる列名
height: 描画領域の高さ
center: 中心となる位置を辞書で指定(lat: 緯度, lon: 経度)
zoom: 縮尺

scatter_mapbox 関数はmapboxというサービスのAPIを利用しています。デフォルトを含め、いくつかのスタイルはmapboxのアクセストークンを渡す必要がありますが、トークンを必要としないスタイル( layout.mapbox.style )もあります。

layout.mapbox.style

https://plotly.com/python/mapbox-layers/

mapboxアカウントは無料で作成でき、アカウント画面からアクセストークンが生成できます。

https://account.mapbox.com

px.scatter_mapbox(
    shiga_land_price,
    lat="緯度",
    lon="経度",
    size="Ｒ４価格",
    color="用途区分",
    hover_name="市区町村名",
    hover_data=["所在並びに地番"],
    center={"lat": 35.09, "lon": 136.18},
    opacity=0.5,
    width=800,
    height=800,
    mapbox_style="carto-positron",
).show()

shiga_land_price.columns

Index(['経度', '緯度', '所在地コード', '用途', '連番', '年次', '前年所在地コード', '前年用途', '前年連番',
       '市区町村名',
       ...
       '属性移動Ｈ２５', '属性移動Ｈ２６', '属性移動Ｈ２７', '属性移動Ｈ２８', '属性移動Ｈ２９', '属性移動Ｈ３０',
       '属性移動Ｈ３１', '属性移動Ｒ２', '属性移動Ｒ３', '属性移動Ｒ４'],
      dtype='object', length=126)

shiga_land_price.columns[shiga_land_price.columns.str.endswith("価格")]

Index(['Ｓ５８価格', 'Ｓ５９価格', 'Ｓ６０価格', 'Ｓ６１価格', 'Ｓ６２価格', 'Ｓ６３価格', 'Ｈ１価格', 'Ｈ２価格',
       'Ｈ３価格', 'Ｈ４価格', 'Ｈ５価格', 'Ｈ６価格', 'Ｈ７価格', 'Ｈ８価格', 'Ｈ９価格', 'Ｈ１０価格',
       'Ｈ１１価格', 'Ｈ１２価格', 'Ｈ１３価格', 'Ｈ１４価格', 'Ｈ１５価格', 'Ｈ１６価格', 'Ｈ１７価格', 'Ｈ１８価格',
       'Ｈ１９価格', 'Ｈ２０価格', 'Ｈ２１価格', 'Ｈ２２価格', 'Ｈ２３価格', 'Ｈ２４価格', 'Ｈ２５価格', 'Ｈ２６価格',
       'Ｈ２７価格', 'Ｈ２８価格', 'Ｈ２９価格', 'Ｈ３０価格', 'Ｈ３１価格', 'Ｒ２価格', 'Ｒ３価格', 'Ｒ４価格'],
      dtype='object')

shiga_land_price_split = shiga_land_price.iloc[
    :, : shiga_land_price.columns.get_loc("属性移動Ｓ５９")
]
columns = list(shiga_land_price_split.columns)
columns[
    shiga_land_price_split.columns.get_loc(
        "Ｓ５８価格"
    ) : shiga_land_price_split.columns.get_loc("Ｒ４価格")
    + 1
] = list(range(1983, 2023))
shiga_land_price_split.columns = columns
shiga_land_price_melt = pd.melt(
    shiga_land_price_split,
    id_vars=shiga_land_price.columns[: shiga_land_price_split.columns.get_loc(1983)],
    value_vars=list(range(1983, 2023)),
    var_name="年度",
    value_name="価格",
)

shiga_land_price_melt.iloc[:5, -5:]

	共通地点区分	対前年変動率	選定年次ビット	年度	価格
0	False	0.0	0000000000000000000000000000001111111111	1983	0
1	False	0.6	1111111111111111111111111111111111111111	1983	91800
2	False	-0.5	1111111111111111111111111111111111111111	1983	65900
3	True	-1.3	1111111111111111111111111111111111111111	1983	85500
4	False	-2.9	0000000000000000001111111111111111111111	1983	0

px.scatter_mapbox(
    shiga_land_price_melt,
    lat="緯度",
    lon="経度",
    size="価格",
    color="用途区分",
    hover_name="市区町村名",
    hover_data=["所在並びに地番"],
    animation_frame="年度",
    center={"lat": 35.09, "lon": 136.18},
    opacity=0.5,
    width=800,
    height=800,
    mapbox_style="carto-positron",
).show()

折れ線グラフ#

地図上に線を描画するには line_mapbox 関数を実行します。ここでは3つの地点をつないだ線を描画します。

tokaido_shinkansen_text = """駅名,経度,緯度
東京,139.766084,35.681382
品川,139.74044,35.630152
新横浜,139.617471434176,35.5067905836249
小田原,139.155380171724,35.2563636441241
熱海,139.07776,35.103217
三島,138.910627,35.127152
新富士,138.663199,35.142365
静岡,138.38884,34.97171
掛川,138.014928,34.769758
浜松,137.734442,34.703741
豊橋,137.381651,34.762811
三河安城,137.060662,34.96897
名古屋,136.881637,35.170694
岐阜羽島,136.685593,35.315705
米原,136.290488,35.314188
京都,135.757755,34.985458
新大阪,135.500109,34.73348"""
tokaido_shinkansen = pd.read_csv(StringIO(tokaido_shinkansen_text))
tokaido_shinkansen

	駅名	経度	緯度
0	東京	139.766084	35.681382
1	品川	139.740440	35.630152
2	新横浜	139.617471	35.506791
3	小田原	139.155380	35.256364
4	熱海	139.077760	35.103217
5	三島	138.910627	35.127152
6	新富士	138.663199	35.142365
7	静岡	138.388840	34.971710
8	掛川	138.014928	34.769758
9	浜松	137.734442	34.703741
10	豊橋	137.381651	34.762811
11	三河安城	137.060662	34.968970
12	名古屋	136.881637	35.170694
13	岐阜羽島	136.685593	35.315705
14	米原	136.290488	35.314188
15	京都	135.757755	34.985458
16	新大阪	135.500109	34.733480

px.line_mapbox(
    tokaido_shinkansen,
    lat="緯度",
    lon="経度",
    hover_name="駅名",
    height=600,
    center={"lat": 35, "lon": 137.8},
    zoom=7,
    mapbox_style="carto-positron",
).show()

コロプレス図#

コロプレス図を描画するには choropleth_mapbox 関数を実行します。

国土交通省のGISホームページから、滋賀県の行政区域データを取得します。

https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N03-v3_1.html#prefecture25

!wget https://nlftp.mlit.go.jp/ksj/gml/data/N03/N03-2022/N03-20220101_25_GML.zip
!unzip -o N03-20220101_25_GML.zip

--2022-11-19 05:51:58--  https://nlftp.mlit.go.jp/ksj/gml/data/N03/N03-2022/N03-20220101_25_GML.zip
Resolving nlftp.mlit.go.jp (nlftp.mlit.go.jp)... 192.29.41.65, 192.29.39.48, 192.29.39.162
Connecting to nlftp.mlit.go.jp (nlftp.mlit.go.jp)|192.29.41.65|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 1789717 (1.7M) [application/zip]
Saving to: ‘N03-20220101_25_GML.zip’

N03-20220101_25_GML 100%[===================>]   1.71M  --.-KB/s    in 0.08s   

2022-11-19 05:51:58 (20.7 MB/s) - ‘N03-20220101_25_GML.zip’ saved [1789717/1789717]

Archive:  N03-20220101_25_GML.zip
  inflating: KS-META-N03-22_25_220101.xml  
  inflating: N03-22_25_220101.dbf    
  inflating: N03-22_25_220101.geojson  
  inflating: N03-22_25_220101.prj    
  inflating: N03-22_25_220101.shp    
  inflating: N03-22_25_220101.shx    
  inflating: N03-22_25_220101.xml    

with open("N03-22_25_220101.geojson") as f:
    geojson = json.load(f)

geojson["features"][1]["properties"]

{'N03_001': '滋賀県',
 'N03_002': None,
 'N03_003': None,
 'N03_004': '大津市',
 'N03_007': '25201'}

総務省市区町村別の人口及び世帯数

https://www.soumu.go.jp/menu_news/s-news/17216_1.html

shiga_pop_text = """市区町村名,男,女,計,世帯数
大津市,160170,169871,330041,130143
彦根市,53908,55368,109276,41257
長浜市,39575,41263,80838,27937
近江八幡市,33530,34786,68316,25445
草津市,59131,58415,117546,46997
守山市,37379,38152,75531,26689
栗東市,31775,31670,63445,23091
甲賀市,45782,46877,92659,30640
野洲市,24889,24960,49849,17639
湖南市,27278,25621,52899,20037
高島市,26260,27599,53859,19205
東近江市,56384,57781,114165,38143
米原市,20140,20932,41072,13147
日野町,11158,11644,22802,7552
竜王町,7068,6256,13324,4412
愛荘町,9623,9833,19456,6256
豊郷町,3524,3681,7205,2574
甲良町,3792,4162,7954,2425
多賀町,3882,4251,8133,2640"""
shiga_pop = pd.read_csv(StringIO(shiga_pop_text))
shiga_pop.head()

	市区町村名	男	女	計	世帯数
0	大津市	160170	169871	330041	130143
1	彦根市	53908	55368	109276	41257
2	長浜市	39575	41263	80838	27937
3	近江八幡市	33530	34786	68316	25445
4	草津市	59131	58415	117546	46997

px.choropleth_mapbox(
    shiga_pop,
    geojson=geojson,
    locations="市区町村名",
    color="計",
    hover_name="市区町村名",
    hover_data=["男", "女", "世帯数"],
    featureidkey="properties.N03_004",
    mapbox_style="carto-positron",
    zoom=8,
    center={"lat": 35.09, "lon": 136.18},
    opacity=0.5,
    width=800,
    height=800,
).show()

地理データを可視化するPythonパッケージ#

本節ではPlotly Expressを利用して地理データを可視化しましたが、ほかにも地理データを可視化するPythonパッケージがあります。下記は代表的なパッケージです。

Folium
- leaflet.jsをPythonから扱える
- 地図上にマーカーを描画する際などに利用される
pydeck
- deck.glをPythonから扱える
- Uber社が開発
- データを3次元に表現
- ビッグデータを高速に描画

!rm -rf L01-2022P-25-01.0a* *.zip* *.dbf *.geojson *.prj *.shp *.shx *.xml

Pythonによるデータ分析入門

地理データの可視化

Contents

地理データの可視化#

散布図#

折れ線グラフ#

コロプレス図#

地理データを可視化するPythonパッケージ#