Package

library(tidyverse)

## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.5 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.1      ✔ stringr 1.4.1 
## ✔ readr   2.1.3      ✔ forcats 0.5.2 
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

library(estatapi)

## 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。

library(FactoMineR)
library(factoextra)

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

library(showtext)

## Loading required package: sysfonts
## Loading required package: showtextdb

showtext_auto(TRUE)
library(keyring)

e-stat でダウンロードするパネルで取得したAPI ストリング

ここから、cdCat01 や statsDataId を確認しておきます。一度確認すればOKです。

URL1 <- "http://api.e-stat.go.jp/rest/3.0/app/getStatsData?cdArea=01100%2C01202%2C01203%2C01204%2C01205%2C01206%2C01207%2C01208%2C01209%2C01210%2C01211%2C01212%2C01213%2C01214%2C01215%2C01216%2C01217%2C01218%2C01219%2C01220%2C01221%2C01222%2C01223%2C01224%2C01225%2C01226%2C01227%2C01228%2C01229%2C01230%2C01231%2C01233%2C01234%2C01235%2C01236%2C01303%2C01304%2C01331%2C01332%2C01333%2C01334%2C01337%2C01343%2C01345%2C01346%2C01347%2C01361%2C01362%2C01363%2C01364%2C01367%2C01370%2C01371%2C01391%2C01392%2C01393%2C01394%2C01395%2C01396%2C01397%2C01398%2C01399%2C01400%2C01401%2C01402%2C01403%2C01404%2C01405%2C01406%2C01407%2C01408%2C01409%2C01423%2C01424%2C01425%2C01427%2C01428%2C01429%2C01430%2C01431%2C01432%2C01433%2C01434%2C01436%2C01437%2C01438%2C01452%2C01453%2C01454%2C01455%2C01456%2C01457%2C01458%2C01459%2C01460%2C01461%2C01462%2C01463%2C01464%2C01465&cdCat01=C120110%2CC120120&appId=&lang=J&statsDataId=0000020203&metaGetFlg=Y&cntGetFlg=N&explanationGetFlg=Y&annotationGetFlg=Y&sectionHeaderFlg=1&replaceSpChars=0"

URL2 <- "http://api.e-stat.go.jp/rest/3.0/app/getStatsData?cdArea=01100%2C01202%2C01203%2C01204%2C01205%2C01206%2C01207%2C01208%2C01209%2C01210%2C01211%2C01212%2C01213%2C01214%2C01215%2C01216%2C01217%2C01218%2C01219%2C01220%2C01221%2C01222%2C01223%2C01224%2C01225%2C01226%2C01227%2C01228%2C01229%2C01230%2C01231%2C01233%2C01234%2C01235%2C01236%2C01303%2C01304%2C01331%2C01332%2C01333%2C01334%2C01337%2C01343%2C01345%2C01346%2C01347%2C01361%2C01362%2C01363%2C01364%2C01367%2C01370%2C01371%2C01391%2C01392%2C01393%2C01394%2C01395%2C01396%2C01397%2C01398%2C01399%2C01400%2C01401%2C01402%2C01403%2C01404%2C01405%2C01406%2C01407%2C01408%2C01409%2C01423%2C01424%2C01425%2C01427%2C01428%2C01429%2C01430%2C01431%2C01432%2C01433%2C01434%2C01436%2C01437%2C01438%2C01452%2C01453%2C01454%2C01455%2C01456%2C01457%2C01458%2C01459%2C01460%2C01461%2C01462%2C01463%2C01464%2C01465&cdCat01=F2201%2CF2211%2CF2221&appId=&lang=J&statsDataId=0000020206&metaGetFlg=Y&cntGetFlg=N&explanationGetFlg=Y&annotationGetFlg=Y&sectionHeaderFlg=1&replaceSpChars=0"

appId <- keyring::key_get("e-stat") # e-stat のAPI IDは、登録して自分のものを入れてください。
ID1 <- "0000020203" # C 経済基盤
cdCat01_1 <- c("C120110","C120120") #
ID2 <- "0000020206" # F 労働
cdCat01_2 <- c("F2201","F2211","F2221")#

メタ情報の確認

メタ情報は、データセットごとで同じだと思われるので、C経済とF労働は一方を調べればOKのはず。）

C 経済基盤

meta_info1 <- estat_getMetaInfo(appId = appId, statsDataId = ID1)
meta_info1 %>% names # メタ情報名を確認。

## [1] "tab"    "cat01"  "area"   "time"   ".names"

meta_info1$.names

## # A tibble: 4 × 2
##   id    name        
##   <chr> <chr>       
## 1 tab   観測値      
## 2 cat01 Ｃ　経済基盤
## 3 area  地域        
## 4 time  調査年

meta_info1$area %>% count(`@level`)

## # A tibble: 2 × 2
##   `@level`     n
##   <chr>    <int>
## 1 2         1719
## 2 3          198

meta_info1$area %>% filter(`@level`==3) # 区  198

## # A tibble: 198 × 4
##    `@code` `@name`              `@level` `@parentCode`
##    <chr>   <chr>                <chr>    <chr>        
##  1 01101   北海道 札幌市 中央区 3        01100        
##  2 01102   北海道 札幌市 北区   3        01100        
##  3 01103   北海道 札幌市 東区   3        01100        
##  4 01104   北海道 札幌市 白石区 3        01100        
##  5 01105   北海道 札幌市 豊平区 3        01100        
##  6 01106   北海道 札幌市 南区   3        01100        
##  7 01107   北海道 札幌市 西区   3        01100        
##  8 01108   北海道 札幌市 厚別区 3        01100        
##  9 01109   北海道 札幌市 手稲区 3        01100        
## 10 01110   北海道 札幌市 清田区 3        01100        
## # … with 188 more rows

meta_info1$area %>% filter(`@level`==2) # 市 1719

## # A tibble: 1,719 × 4
##    `@code` `@name`         `@level` `@parentCode`
##    <chr>   <chr>           <chr>    <chr>        
##  1 01100   北海道 札幌市   2        01000        
##  2 01202   北海道 函館市   2        01000        
##  3 01203   北海道 小樽市   2        01000        
##  4 01204   北海道 旭川市   2        01000        
##  5 01205   北海道 室蘭市   2        01000        
##  6 01206   北海道 釧路市   2        01000        
##  7 01207   北海道 帯広市   2        01000        
##  8 01208   北海道 北見市   2        01000        
##  9 01209   北海道 夕張市   2        01000        
## 10 01210   北海道 岩見沢市 2        01000        
## # … with 1,709 more rows

F 労働

meta_info2 <- estat_getMetaInfo(appId = appId, statsDataId = ID2)
meta_info2 %>% names # メタ情報名を確認。

## [1] "tab"    "cat01"  "area"   "time"   ".names"

Area 選択

これは以前のAreamatrix

meta_info1$area %>% filter(`@level`==2) %>% select(`@code`) %>% unlist -> Area_list0
Area_list0 %>% length()
matrix(Area_list0,100) -> Area_code_matrix

meta_info1$area %>% count(`@level`) %>% mutate(Total=sum(n))

## # A tibble: 2 × 3
##   `@level`     n Total
##   <chr>    <int> <int>
## 1 2         1719  1917
## 2 3          198  1917

areaの中身を確認する

level 2は、市。これには、東京都特別区部が含まれている。13100
23区は、level 3。13101〜13123

meta_info1$area %>% DT::datatable()

meta_info1$area %>% filter(`@code` >="13000") %>% filter(`@code` < "14000")

## # A tibble: 63 × 4
##    `@code` `@name`         `@level` `@parentCode`
##    <chr>   <chr>           <chr>    <chr>        
##  1 13100   東京都 特別区部 2        13000        
##  2 13101   東京都 千代田区 3        13100        
##  3 13102   東京都 中央区   3        13100        
##  4 13103   東京都 港区     3        13100        
##  5 13104   東京都 新宿区   3        13100        
##  6 13105   東京都 文京区   3        13100        
##  7 13106   東京都 台東区   3        13100        
##  8 13107   東京都 墨田区   3        13100        
##  9 13108   東京都 江東区   3        13100        
## 10 13109   東京都 品川区   3        13100        
## # … with 53 more rows

Area行列の生成

meta_info1$area %>% filter(`@level`==2) %>% filter(`@code`!="13100") -> Area市_特別区部除く
meta_info1$area %>% filter(`@code` >="13101") %>% filter(`@code` <= "13123") -> Area_特別区
Area_all <- bind_rows(Area市_特別区部除く,Area_特別区)

Area_all %>% select(`@code`) %>% unlist -> Area_list0
Area_list0 %>% length()

## [1] 1741

save(Area_list0,file = "Area_list0.rda")
matrix(Area_list0,100) -> Area_code_matrix

## Warning in matrix(Area_list0, 100): data length [1741] is not a sub-multiple or
## multiple of the number of rows [100]

Area_code_matrix %>% dim

## [1] 100  18

Area_code_matrix[,18] # 1:41が必要

##   [1] "47327" "47328" "47329" "47348" "47350" "47353" "47354" "47355" "47356"
##  [10] "47357" "47358" "47359" "47360" "47361" "47362" "47375" "47381" "47382"
##  [19] "13101" "13102" "13103" "13104" "13105" "13106" "13107" "13108" "13109"
##  [28] "13110" "13111" "13112" "13113" "13114" "13115" "13116" "13117" "13118"
##  [37] "13119" "13120" "13121" "13122" "13123" "01100" "01202" "01203" "01204"
##  [46] "01205" "01206" "01207" "01208" "01209" "01210" "01211" "01212" "01213"
##  [55] "01214" "01215" "01216" "01217" "01218" "01219" "01220" "01221" "01222"
##  [64] "01223" "01224" "01225" "01226" "01227" "01228" "01229" "01230" "01231"
##  [73] "01233" "01234" "01235" "01236" "01303" "01304" "01331" "01332" "01333"
##  [82] "01334" "01337" "01343" "01345" "01346" "01347" "01361" "01362" "01363"
##  [91] "01364" "01367" "01370" "01371" "01391" "01392" "01393" "01394" "01395"
## [100] "01396"

Area_code_matrix[,1]

##   [1] "01100" "01202" "01203" "01204" "01205" "01206" "01207" "01208" "01209"
##  [10] "01210" "01211" "01212" "01213" "01214" "01215" "01216" "01217" "01218"
##  [19] "01219" "01220" "01221" "01222" "01223" "01224" "01225" "01226" "01227"
##  [28] "01228" "01229" "01230" "01231" "01233" "01234" "01235" "01236" "01303"
##  [37] "01304" "01331" "01332" "01333" "01334" "01337" "01343" "01345" "01346"
##  [46] "01347" "01361" "01362" "01363" "01364" "01367" "01370" "01371" "01391"
##  [55] "01392" "01393" "01394" "01395" "01396" "01397" "01398" "01399" "01400"
##  [64] "01401" "01402" "01403" "01404" "01405" "01406" "01407" "01408" "01409"
##  [73] "01423" "01424" "01425" "01427" "01428" "01429" "01430" "01431" "01432"
##  [82] "01433" "01434" "01436" "01437" "01438" "01452" "01453" "01454" "01455"
##  [91] "01456" "01457" "01458" "01459" "01460" "01461" "01462" "01463" "01464"
## [100] "01465"

meta_info1 %>% names

## [1] "tab"    "cat01"  "area"   "time"   ".names"

meta_info1$time %>% count(`@name`)

## # A tibble: 41 × 2
##    `@name`      n
##    <chr>    <int>
##  1 1980年度     1
##  2 1981年度     1
##  3 1982年度     1
##  4 1983年度     1
##  5 1984年度     1
##  6 1985年度     1
##  7 1986年度     1
##  8 1987年度     1
##  9 1988年度     1
## 10 1989年度     1
## # … with 31 more rows

# time = 2015年度を使う　...うまく指定できず！

「C 経済基盤」からの抽出

Area Block １〜17で抽出

stat_data <- list(NULL)
#Time = "2015年度"
for(i in 1:17){
  stat_data[[i]] <- estat_getStatsData(appId=appId,
                   statsDataId=ID1,
                   cdCat01=cdCat01_1,
                   #Time = Time,
                   cdArea=Area_code_matrix[,i])
}

## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)
## 
## Fetching record 1-7200... (total: 7200 records)

Areablock 18 を追加

stat_data_all <- NULL
for(i in 1:17){
  stat_data_all <- bind_rows(stat_data_all,stat_data[[i]])
}
stat_data_allC <- bind_rows(stat_data_all,
                           stat_data[[18]] <- estat_getStatsData(appId=appId,
                                              statsDataId=ID1,
                                              cdCat01=cdCat01_1,
                                              cdArea=Area_code_matrix[1:41,18])
                           )

## Fetching record 1-2952... (total: 2952 records)

stat_data_allC %>% filter(調査年=="2015年度") %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     2
##  2 三重県 亀山市       2
##  3 三重県 伊勢市       2
##  4 三重県 伊賀市       2
##  5 三重県 南伊勢町     2
##  6 三重県 名張市       2
##  7 三重県 四日市市     2
##  8 三重県 多気町       2
##  9 三重県 大台町       2
## 10 三重県 大紀町       2
## # … with 1,731 more rows

stat_data_allC %>% rename(経済基盤=4) %>% select(経済基盤,地域,調査年,value) %>% count(経済基盤)

## # A tibble: 2 × 2
##   経済基盤                           n
##   <chr>                          <int>
## 1 C120110_課税対象所得           62676
## 2 C120120_納税義務者数（所得割） 62676

stat_data_allC %>% rename(経済基盤=4) %>% select(経済基盤,地域,調査年,value) %>% rename(項目=1)　%>% filter(調査年=="2015年度")-> 経済基盤

nrow(経済基盤)

## [1] 3482

DT::datatable(経済基盤)

経済基盤 %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     2
##  2 三重県 亀山市       2
##  3 三重県 伊勢市       2
##  4 三重県 伊賀市       2
##  5 三重県 南伊勢町     2
##  6 三重県 名張市       2
##  7 三重県 四日市市     2
##  8 三重県 多気町       2
##  9 三重県 大台町       2
## 10 三重県 大紀町       2
## # … with 1,731 more rows

tail(経済基盤)

## # A tibble: 6 × 4
##   項目                           地域            調査年   value
##   <chr>                          <chr>           <chr>    <dbl>
## 1 C120120_納税義務者数（所得割） 沖縄県 伊是名村 2015年度   462
## 2 C120120_納税義務者数（所得割） 沖縄県 久米島町 2015年度  2434
## 3 C120120_納税義務者数（所得割） 沖縄県 八重瀬町 2015年度  9861
## 4 C120120_納税義務者数（所得割） 沖縄県 多良間村 2015年度   273
## 5 C120120_納税義務者数（所得割） 沖縄県 竹富町   2015年度  1370
## 6 C120120_納税義務者数（所得割） 沖縄県 与那国町 2015年度   485

F 労働

Area Block １〜17で抽出

stat_dataF <- list(NULL)
for(i in 1:17){
  stat_dataF[[i]] <- estat_getStatsData(appId=appId,
                   statsDataId=ID2,
                   cdCat01=cdCat01_2,
                   cdArea=Area_code_matrix[,i])
}

## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)
## 
## Fetching record 1-2400... (total: 2400 records)

Areablock 18 を追加

stat_data_allF <- NULL
for(i in 1:17){
  stat_data_allF <- bind_rows(stat_data_allF,stat_dataF[[i]])
}
stat_data_allF <- bind_rows(stat_data_allF,
                           stat_dataF[[18]] <- estat_getStatsData(appId=appId,
                                              statsDataId=ID2,
                                              cdCat01=cdCat01_2,
                                              cdArea=Area_code_matrix[1:41,18])
                           )

## Fetching record 1-984... (total: 984 records)

stat_data_allF

## # A tibble: 41,784 × 11
##    tab_code 観測値 cat01_code Ｆ　労…¹  area_…² 地域  time_…³ 調査年 unit  value
##    <chr>    <chr>  <chr>      <chr>     <chr>   <chr> <chr>   <chr>  <chr> <dbl>
##  1 00001    観測値 F2201      F2201_第… 01100   北海… 198010… 1980…  人     7398
##  2 00001    観測値 F2201      F2201_第… 01100   北海… 198510… 1985…  人     6591
##  3 00001    観測値 F2201      F2201_第… 01100   北海… 199010… 1990…  人     5116
##  4 00001    観測値 F2201      F2201_第… 01100   北海… 199510… 1995…  人     4526
##  5 00001    観測値 F2201      F2201_第… 01100   北海… 200010… 2000…  人     3789
##  6 00001    観測値 F2201      F2201_第… 01100   北海… 200510… 2005…  人     3552
##  7 00001    観測値 F2201      F2201_第… 01100   北海… 201010… 2010…  人     3534
##  8 00001    観測値 F2201      F2201_第… 01100   北海… 201510… 2015…  人     3790
##  9 00001    観測値 F2201      F2201_第… 01202   北海… 198010… 1980…  人    13570
## 10 00001    観測値 F2201      F2201_第… 01202   北海… 198510… 1985…  人    10749
## # … with 41,774 more rows, 1 more variable: annotation <chr>, and abbreviated
## #   variable names ¹`Ｆ　労働`, ²area_code, ³time_code

Area code の確認（特別区部と特別区をいれかえるためのチェック）

stat_data_allF %>% select(地域) %>% unlist %>% str_detect(pattern = "東京") -> pos_東京
stat_data_allF[pos_東京,] %>% select(地域)

特別区部が入っていた。これをはずして、23区を入れ直そう。

stat_data_allF %>% rename(労働=4) %>% select(労働,地域,調査年,value) %>% count(労働)

## # A tibble: 3 × 2
##   労働                        n
##   <chr>                   <int>
## 1 F2201_第1次産業就業者数 13928
## 2 F2211_第2次産業就業者数 13928
## 3 F2221_第3次産業就業者数 13928

stat_data_allF %>% rename(労働=4) %>% select(労働,地域,調査年,value) %>% rename(項目=1) %>% filter(調査年=="2015年度") -> 労働
労働 %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     3
##  2 三重県 亀山市       3
##  3 三重県 伊勢市       3
##  4 三重県 伊賀市       3
##  5 三重県 南伊勢町     3
##  6 三重県 名張市       3
##  7 三重県 四日市市     3
##  8 三重県 多気町       3
##  9 三重県 大台町       3
## 10 三重県 大紀町       3
## # … with 1,731 more rows

経済基盤と労働をbind_rowsしてmerge

bind_rows(経済基盤 ,労働) %>% filter(調査年=="2015年度") %>% 
  pivot_wider(id_cols = 地域,names_from = 項目,values_from = value) -> bindCandF
bindCandF %>% names

## [1] "地域"                           "C120110_課税対象所得"          
## [3] "C120120_納税義務者数（所得割）" "F2201_第1次産業就業者数"       
## [5] "F2211_第2次産業就業者数"        "F2221_第3次産業就業者数"

bindCandF %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     1
##  2 三重県 亀山市       1
##  3 三重県 伊勢市       1
##  4 三重県 伊賀市       1
##  5 三重県 南伊勢町     1
##  6 三重県 名張市       1
##  7 三重県 四日市市     1
##  8 三重県 多気町       1
##  9 三重県 大台町       1
## 10 三重県 大紀町       1
## # … with 1,731 more rows

bindCandF %>% DT::datatable()

bindCandF %>% 
  mutate(全産業従事者=F2201_第1次産業就業者数 + F2211_第2次産業就業者数 + F2221_第3次産業就業者数) %>% 
  mutate(１次産業割合=100*F2201_第1次産業就業者数/全産業従事者) %>%
  mutate(２次産業割合=100*F2211_第2次産業就業者数/全産業従事者) %>%
  mutate(３次産業割合=100*F2221_第3次産業就業者数/全産業従事者) %>%
  mutate(一人あたり課税対象所得=1000*C120110_課税対象所得/`C120120_納税義務者数（所得割）`) -> 集計データ
集計データ %>% names

##  [1] "地域"                           "C120110_課税対象所得"          
##  [3] "C120120_納税義務者数（所得割）" "F2201_第1次産業就業者数"       
##  [5] "F2211_第2次産業就業者数"        "F2221_第3次産業就業者数"       
##  [7] "全産業従事者"                   "１次産業割合"                  
##  [9] "２次産業割合"                   "３次産業割合"                  
## [11] "一人あたり課税対象所得"

集計データ %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     1
##  2 三重県 亀山市       1
##  3 三重県 伊勢市       1
##  4 三重県 伊賀市       1
##  5 三重県 南伊勢町     1
##  6 三重県 名張市       1
##  7 三重県 四日市市     1
##  8 三重県 多気町       1
##  9 三重県 大台町       1
## 10 三重県 大紀町       1
## # … with 1,731 more rows

#集計データ %>% head
#集計データ %>% tail(20)

check　

集計データ %>% select(地域) %>% unlist -> 地域API
length(地域API)# 1741

## [1] 1741

#length(地域Excel)# 1741

集計データ %>% names

##  [1] "地域"                           "C120110_課税対象所得"          
##  [3] "C120120_納税義務者数（所得割）" "F2201_第1次産業就業者数"       
##  [5] "F2211_第2次産業就業者数"        "F2221_第3次産業就業者数"       
##  [7] "全産業従事者"                   "１次産業割合"                  
##  [9] "２次産業割合"                   "３次産業割合"                  
## [11] "一人あたり課税対象所得"

write_excel_csv(集計データ,file = "CandFbyAPI.csv")　# Excelでの計算確認用

NaNをゼロに置き換え（Excelの回帰分析と合わせるため）

#集計データ %>% select(地域) %>% unlist() %>% str_detect(pattern="福島") -> Area_福島
#集計データ[Area_福島,]

集計データ %>% mutate(１次産業割合 = ifelse(is.nan(１次産業割合), 0, １次産業割合), 
                      ２次産業割合 = ifelse(is.nan(２次産業割合), 0, ２次産業割合),
                      ３次産業割合 = ifelse(is.nan(３次産業割合), 0, ３次産業割合)) -> 集計データ2

集計データ2 %>% count(地域)

## # A tibble: 1,741 × 2
##    地域                n
##    <chr>           <int>
##  1 三重県 いなべ市     1
##  2 三重県 亀山市       1
##  3 三重県 伊勢市       1
##  4 三重県 伊賀市       1
##  5 三重県 南伊勢町     1
##  6 三重県 名張市       1
##  7 三重県 四日市市     1
##  8 三重県 多気町       1
##  9 三重県 大台町       1
## 10 三重県 大紀町       1
## # … with 1,731 more rows

データ（.rda）のsave

save(集計データ,file="集計データ.rda") # NaN をそのまま
save(集計データ2,file="集計データ2.rda")# NaNをゼロに置換

Week1例題２をAPIで復習：データ取得編

kazuo.fujimoto2007@gmail.com

2023-02-10

Package

e-stat でダウンロードするパネルで取得したAPI ストリング

メタ情報の確認

C 経済基盤

F 労働

Area 選択

これは以前のAreamatrix

areaの中身を確認する

Area行列の生成

「C 経済基盤」からの抽出

Area Block １〜17で抽出

Areablock 18 を追加

F 労働

Area Block １〜17で抽出

Areablock 18 を追加

Area code の確認（特別区部と特別区をいれかえるためのチェック）

特別区部が入っていた。これをはずして、23区を入れ直そう。

経済基盤と労働をbind_rowsしてmerge

check

NaNをゼロに置き換え（Excelの回帰分析と合わせるため）

データ（.rda）のsave