manuscript02
Yutaka Moteki
9/8/2020
テーマ別分析
1. 平均寿命の国際比較
1.1 gapmiderの利用
gapminderのデータは、tidy dataの例である。
- Each variable must have its own column.
- Each observation must have its own row.
- Each value must have its own cell.
library(gapminder)
head(gapminder,3)## # A tibble: 3 × 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779.
## 2 Afghanistan Asia 1957 30.3 9240934 821.
## 3 Afghanistan Asia 1962 32.0 10267083 853.library(dplyr)
Japan <- gapminder %>%
filter(country=="Japan") %>%
select(year,lifeExp)
#head(Japan,3)
#tail(Japan,3)
library(patchwork)
library(ggplot2)
p1 <- ggplot(Japan, aes(x=year,y=lifeExp)) +
geom_point()+
geom_line() +
ggtitle("日本人の平均寿命") +
labs(x="年",y="平均寿命",caption = "出典: gapminder")+
theme_minimal(base_family="HiraKakuProN-W3") 日本のデータは、2007年の82.603まで収録されている。
library(dplyr)
library(gapminder)
jpn.chi <- gapminder %>%
filter(country=="China"|country=="Japan") %>%
select(year,country,lifeExp)
p2 <- ggplot(jpn.chi, aes(x=year,y=lifeExp,group=country)) +
geom_point()+
geom_line(aes(linetype=country)) +
ggtitle("日本と中国 の比較") +
labs(x="年",y="平均寿命",subtitle="1952-2007",caption = "出典: gapminder")+
scale_linetype_discrete(name="国名",labels=c("中国","日本" ))+
theme_minimal(base_family="HiraKakuProN-W3") 
この節は、『はじめてのRStudio: エラーメッセージなんかこわくない』（ 浅野正彦、中村公亮、オーム社、2018年11月）を参照した。
1.2 1985-2015
総務省統計局のデータを利用。『日本の統計2020』。 - http://www.stat.go.jp/data/nihon/index1.html
library(readr)
n200202000 <- read_csv("./data/n200202000.csv")
life_expectency <- n200202000
d <- life_expectency
library(tidyverse)
d_long <- gather(d,"key","value",-year)
library(patchwork)
p1 <- ggplot(d_long,aes(x= year, y= value,col=key))+
geom_line()+
labs(col="sex",y="Life Expectency", title = "Life Expectency in Japan",subtitle = "1885-2015",caption = "http://www.stat.go.jp/\nn200202000.csv")+
theme_minimal()
p2 <- ggplot(d_long,aes(x= year, y= value, linetype=key))+
geom_line()+
labs(col="sex",y="Life Expectency", title = "Life Expectency in Japan",subtitle = "1885-2015",caption = "http://www.stat.go.jp/\nn200202000.csv",linetype="sex")+
theme_minimal()
1.3 Death Rates in Virginia
関数dotchartの利用。
dotchart(VADeaths, main = "(a) Death Rates in Virginia - 1940")
dotchart(t(VADeaths), xlim = c(0,100), main = "(b) Death Rates in Virginia - 1940")
VADeaths## Rural Male Rural Female Urban Male Urban Female
## 50-54 11.7 8.7 15.4 8.4
## 55-59 18.1 11.7 24.3 13.6
## 60-64 26.9 20.3 37.0 19.3
## 65-69 41.0 30.9 54.6 35.1
## 70-74 66.0 54.3 71.1 50.0(b)では、データの転置がおこなわれている。
1.4 死因別死亡確率（生命表による）
死因別死亡確率（令和元年）
死因別死亡確率は、生命表の上で、ある年齢の者が将来どの死因で死亡するかを計算し、確率の形で表したものである。
library(readr)
mortality_probability_2019 <- read_csv("./data/mortality probability-2019.csv")
mortality <- mortality_probability_2019
m <- as.data.frame(mortality[1:14,])
f <- as.data.frame(mortality[15:28,])
m## 死因 ０歳 ５歳 １０歳 １５歳 ２０歳 ２５歳 ３０歳
## 1 悪性新生物 28.20 28.27 28.27 28.27 28.30 28.35 28.39
## 2 心疾患（高血圧性を除く） 14.22 14.25 14.26 14.26 14.27 14.30 14.31
## 3 脳血管疾患 7.20 7.22 7.23 7.23 7.24 7.25 7.26
## 4 肺炎 8.43 8.44 8.45 8.45 8.46 8.48 8.50
## 5 不慮の事故 3.12 3.11 3.11 3.10 3.08 3.05 3.03
## 6 自殺 1.71 1.72 1.72 1.71 1.65 1.53 1.42
## 7 慢性閉塞性肺疾患（ＣＯＰＤ） 2.16 2.17 2.17 2.17 2.17 2.18 2.18
## 8 腎不全 2.05 2.06 2.06 2.06 2.06 2.06 2.07
## 9 大動脈瘤及び解離 1.25 1.25 1.25 1.25 1.26 1.26 1.26
## 10 肝疾患 1.35 1.36 1.36 1.36 1.36 1.36 1.36
## 11 糖尿病 0.98 0.98 0.98 0.98 0.98 0.99 0.99
## 12 高血圧性疾患 0.59 0.59 0.59 0.59 0.59 0.59 0.59
## 13 結核 0.19 0.19 0.19 0.19 0.19 0.19 0.19
## 14 老衰 6.35 6.37 6.37 6.37 6.38 6.40 6.41
## ３５歳 ４０歳 ４５歳 ５０歳 ５５歳 ６０歳 ６５歳 ７０歳 ７５歳 ８０歳 ８５歳
## 1 28.44 28.49 28.55 28.60 28.62 28.46 27.97 26.89 25.04 22.54 19.41
## 2 14.33 14.35 14.35 14.35 14.32 14.29 14.29 14.35 14.54 14.91 15.44
## 3 7.27 7.27 7.26 7.23 7.21 7.19 7.19 7.23 7.27 7.27 7.06
## 4 8.52 8.55 8.59 8.66 8.76 8.93 9.18 9.58 10.14 10.85 11.75
## 5 3.01 2.98 2.96 2.94 2.91 2.87 2.85 2.83 2.83 2.82 2.76
## 6 1.29 1.17 1.05 0.92 0.78 0.65 0.53 0.45 0.37 0.29 0.22
## 7 2.19 2.20 2.21 2.23 2.26 2.30 2.37 2.45 2.53 2.57 2.58
## 8 2.07 2.08 2.09 2.10 2.12 2.15 2.20 2.26 2.35 2.47 2.59
## 9 1.26 1.26 1.26 1.25 1.23 1.22 1.20 1.18 1.15 1.12 1.08
## 10 1.36 1.35 1.33 1.29 1.21 1.09 0.97 0.85 0.74 0.61 0.49
## 11 0.99 0.99 0.99 0.98 0.98 0.96 0.94 0.91 0.86 0.80 0.70
## 12 0.60 0.60 0.60 0.60 0.60 0.59 0.59 0.59 0.60 0.62 0.67
## 13 0.19 0.19 0.19 0.19 0.19 0.20 0.20 0.21 0.22 0.24 0.27
## 14 6.43 6.46 6.49 6.55 6.65 6.81 7.08 7.54 8.28 9.52 11.67
## ９０歳 ９５歳 １００歳 １０５歳
## 1 15.58 11.37 7.60 5.15
## 2 16.19 16.80 16.07 12.03
## 3 6.63 5.97 4.88 4.81
## 4 12.64 13.17 13.15 14.43
## 5 2.59 2.34 2.37 3.10
## 6 0.16 0.08 0.00 0.00
## 7 2.40 1.85 1.42 1.37
## 8 2.63 2.55 1.93 2.41
## 9 0.95 0.68 0.49 1.03
## 10 0.37 0.29 0.14 0.69
## 11 0.53 0.39 0.31 1.03
## 12 0.76 0.87 1.14 0.69
## 13 0.28 0.26 0.27 0.00
## 14 15.61 21.90 32.22 40.89f## 死因 ０歳 ５歳 １０歳 １５歳 ２０歳 ２５歳 ３０歳
## 1 悪性新生物 19.95 20.00 20.00 20.00 20.00 20.01 20.01
## 2 心疾患（高血圧性を除く） 16.71 16.74 16.74 16.75 16.76 16.77 16.79
## 3 脳血管疾患 8.06 8.08 8.08 8.08 8.09 8.09 8.10
## 4 肺炎 6.68 6.70 6.70 6.70 6.71 6.71 6.72
## 5 不慮の事故 2.38 2.37 2.37 2.37 2.36 2.35 2.34
## 6 自殺 0.73 0.74 0.74 0.73 0.70 0.65 0.59
## 7 慢性閉塞性肺疾患（ＣＯＰＤ） 0.43 0.43 0.43 0.43 0.43 0.43 0.43
## 8 腎不全 1.94 1.95 1.95 1.95 1.95 1.95 1.95
## 9 大動脈瘤及び解離 1.28 1.29 1.29 1.29 1.29 1.29 1.29
## 10 肝疾患 0.76 0.76 0.76 0.76 0.76 0.76 0.76
## 11 糖尿病 0.86 0.87 0.87 0.87 0.87 0.87 0.87
## 12 高血圧性疾患 0.90 0.91 0.91 0.91 0.91 0.91 0.91
## 13 結核 0.14 0.14 0.14 0.14 0.14 0.14 0.14
## 14 老衰 16.44 16.49 16.49 16.50 16.51 16.53 16.55
## ３５歳 ４０歳 ４５歳 ５０歳 ５５歳 ６０歳 ６５歳 ７０歳 ７５歳 ８０歳 ８５歳
## 1 20.00 19.95 19.86 19.68 19.39 18.92 18.26 17.34 16.10 14.47 12.31
## 2 16.81 16.83 16.87 16.92 17.00 17.12 17.27 17.48 17.74 18.06 18.41
## 3 8.11 8.11 8.12 8.12 8.12 8.14 8.17 8.23 8.29 8.31 8.25
## 4 6.73 6.74 6.76 6.79 6.84 6.91 7.00 7.13 7.31 7.55 7.85
## 5 2.34 2.33 2.33 2.32 2.32 2.32 2.31 2.31 2.28 2.20 2.06
## 6 0.55 0.51 0.47 0.41 0.36 0.31 0.27 0.23 0.18 0.13 0.08
## 7 0.43 0.43 0.43 0.43 0.44 0.44 0.44 0.45 0.44 0.43 0.41
## 8 1.96 1.96 1.97 1.97 1.99 2.00 2.03 2.05 2.08 2.11 2.12
## 9 1.29 1.29 1.30 1.30 1.30 1.31 1.30 1.29 1.26 1.20 1.08
## 10 0.76 0.75 0.75 0.73 0.71 0.69 0.67 0.64 0.59 0.52 0.42
## 11 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.85 0.83 0.78
## 12 0.91 0.91 0.92 0.92 0.93 0.93 0.94 0.96 0.98 1.01 1.06
## 13 0.14 0.14 0.14 0.14 0.14 0.14 0.14 0.14 0.15 0.15 0.15
## 14 16.57 16.61 16.67 16.76 16.90 17.10 17.40 17.86 18.59 19.86 22.12
## ９０歳 ９５歳 １００歳 １０５歳
## 1 9.69 6.76 3.89 2.47
## 2 18.60 18.12 16.25 14.18
## 3 7.95 7.39 6.26 4.58
## 4 8.10 8.13 7.64 6.81
## 5 1.89 1.69 1.46 1.36
## 6 0.04 0.02 0.01 0.00
## 7 0.36 0.32 0.21 0.16
## 8 2.03 1.75 1.25 0.64
## 9 0.88 0.65 0.39 0.28
## 10 0.30 0.20 0.12 0.04
## 11 0.68 0.55 0.30 0.20
## 12 1.15 1.28 1.50 1.59
## 13 0.14 0.11 0.07 0.08
## 14 26.11 32.43 42.54 51.79par(family="HiraKakuProN-W3")
dotchart(m[,2],labels = m[,1],main = "死因別死亡確率、男0歳",sub="2019年簡易生命表",xlim = c(0,30),cex = 0.8)
dotchart(f[,2],labels = f[,1],main = "死因別死亡確率、女0歳",sub="2019年簡易生命表",xlim = c(0,30),cex=0.8)
m$sex[1:14] <- "男"
f$sex[1:14] <- "女"
both <- rbind(f,m)
colnames(both)[2] <- "dp00"
#bothggplot(both, aes(x=死因,y=dp00,group=sex))+
geom_point(aes(col=sex),size=3)+
labs(y="死亡確率",col="性別",title = "男女別の死因別死亡確率",subtitle = "0歳",caption = "令和元年簡易生命表による")+
guides(color=guide_legend(reverse = TRUE))+
theme_minimal(base_family="HiraKakuProN-W3")+
coord_flip()
2. 人口動態統計
2.1 データの説明
人口動態調査は、我が国の人口動態事象を把握する上で重要な統計調査です。同調査は戸籍法及び死産の届出に関する規程により届け出られた出生、死亡、婚姻、離婚及び死産の全数を対象として、毎月実施されます。
人口動態調査では、一人の女性が一生の間に生む子どもの数に相当する合計特殊出生率や死因別死亡数、年齢別婚姻・離婚件数などの結果を、全国、都道府県、保健所などの単位で提供しています。また、人口推計（総務省）、生命表（厚生労働省）など他の統計や施策に活用されるほか、民間企業や研究機関でも広く利用されています。
（平成31年3月29日）
都道府県からの報告漏れ（https://www.mhlw.go.jp/stf/newpage_04274.html）があったため、過去の数値を修正することとなりましたので、本頁の内容は、修正前の数値となっております。取り扱いにはご留意ください。修正後の数値につきましては、結果がまとまり次第お知らせいたします。ただし、月報、速報は、最新数値をその都度公表していく性質であることから、数値の修正は行いません。
（令和２年９月17日更新） 報告漏れによる過去数値の修正について
昨年、2004・2006・2009～2017年の都道府県からの報告漏れ（平成31年3月29日公表）による再集計をおこないましたが、現時点では、2018年以降の確定数に掲載の年次推移の統計表（上巻に掲載しています）にのみ、過去数値の修正を反映しておりますので、ご注意願います。
報告漏れによる再集計を反映した2004・2006・2009～2017年の確定数・保管統計表・保管統計表（都道府県編）の各統計表につきましては、順次公開予定（時期未定）です。2.2 年次別にみた出生数等
平成30年
上巻 出生 第４．１表 年次別にみた出生数・出生率（人口千対）・出生性比及び合計特殊出生率
注 ：
１）昭和１９～２１年は戦災による資料喪失等資料不備のため省略した。昭和２２～４７年は沖縄県を含まない。
２）昭和元年・５年・１０年の出生数の総数には、男女不詳が各１が含まれている。
３）率算出に用いた分母人口は日本人人口である。
資料：国立社会保障・人口問題研究所「人口統計資料集」、厚生労働省「人口動態統計」e-Stat(政府統計の総合窓口)の「統計で見る日本」からデータをダウンロードする。
2.2.1 合計特殊出生率
library(readr)
library(dplyr)
mb010000 <- read_csv("./data/mb010000.csv")
birth <- mb010000
head(birth,3)## # A tibble: 3 × 7
## year births male female birth_rate sex_ratio fertility_rate
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 1899 1386981 713442 673539 32 106. ...
## 2 1900 1420534 727916 692618 32.4 105. ...
## 3 1901 1501591 769494 732097 33.9 105. ...tail(birth,3)## # A tibble: 3 × 7
## year births male female birth_rate sex_ratio fertility_rate
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2016 977242 502012 475230 7.8 106. 1.44
## 2 2017 946146 484478 461668 7.6 105. 1.43
## 3 2018 918400 470851 447549 7.4 105. 1.42df <- birth
df$fertility_rate <- as.numeric(df$fertility_rate)
df <- df %>%
filter(year >= 1947)
head(df,3)## # A tibble: 3 × 7
## year births male female birth_rate sex_ratio fertility_rate
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1947 2678792 1376986 1301806 34.3 106. 4.54
## 2 1948 2681624 1378564 1303060 33.5 106. 4.4
## 3 1949 2696638 1380008 1316630 33 105. 4.32tail(df,3)## # A tibble: 3 × 7
## year births male female birth_rate sex_ratio fertility_rate
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 977242 502012 475230 7.8 106. 1.44
## 2 2017 946146 484478 461668 7.6 105. 1.43
## 3 2018 918400 470851 447549 7.4 105. 1.42# 変更前のdfを保存
df0 <- df{r, results="asis"}として以下を実行。結果出力で##が表示されない。
library(stargazer)
stargazer(as.data.frame(df[,c(5,7)]),
type="html")| Statistic | N | Mean | St. Dev. | Min | Max |
| birth_rate | 72 | 14.382 | 6.339 | 7.400 | 34.300 |
| fertility_rate | 72 | 1.900 | 0.703 | 1.260 | 4.540 |
library(tidyr)
df <- data.frame(year=df$year,fertility_rate=df$fertility_rate)2.3 2020年公表データ
令和元年
上巻 総覧 第３．２表－２ 年次別にみた人口動態総覧（率）
注：１） 1944年（昭和19年）～1946年（昭和21年）は戦災による資料喪失等資料不備のため省略した。1947年（昭和22年）～1972年（昭和47年）は沖縄県を含まない。
1948年（昭和23年）・1949年（昭和24年）の＊印は概数による率である。
２） 新生児死亡の1943年（昭和18年）以前は１か月未満の死亡である。また、新生児死亡の1943年（昭和18年）は樺太を含む数値であり、新生児死亡率の算出に用いた樺太を含む出生数は2 267 292である。
３） 1920年（大正９年）～1966年（昭和41年）においては総人口（日本に在住する外国人を含む）を分母に用いている。
４） 死産率は死産数を出産数（死産数に出生数を加えたもの）で除している。
５） 周産期死亡率は周産期死亡数を出産数（妊娠満22週以後の死産数に出生数を加えたもの）で除している。
６） 妊娠満22週以後の死産率は、妊娠満22週以後の死産数を出産数（妊娠満22週以後の死産数に出生数を加えたもの）で除している。
７） 合計特殊出生率とは、15歳から49歳までの女性の年齢別出生率を合計したもので、１人の女性がその年次の年齢別出生率で一生の間に生むとしたときの子ども数に相当する。library(readr)
ma020001_2 <- read_csv("./data/ma020001-2.csv",
col_names = FALSE)
mobility2020 <- ma020001_2
colnames(mobility2020)[1] <- "year"
colnames(mobility2020)[2] <- "birth_rate"
colnames(mobility2020)[3] <- "tfr"
colnames(mobility2020)[14] <- "marriage_rate"
colnames(mobility2020)[15] <- "divorce_rate"| Statistic | N | Mean | St. Dev. | Min | Max |
| birth_rate | 73 | 14.281 | 6.354 | 7.000 | 34.300 |
| marriage_rate | 73 | 7.311 | 1.870 | 4.700 | 12.000 |
| divorce_rate | 73 | 1.357 | 0.475 | 0.730 | 2.300 |
2.3.1 合計特殊出生率
library(ggplot2)
ggplot(df,aes(x=year, y=fertility_rate)) +
geom_point()+
geom_line(col="blue") +
geom_hline(yintercept = 1.29,linetype="dashed",size=0.5)+
labs(x="Year",y="Total Fertility Rate",title="合計特殊出生率(TFR)",caption = "人口動態統計(令和元年上巻,年次別にみた人口動態総覧（率）)\n1966年は昭和41年")+
annotate("text",x=1966,y=2.58,label="1966")+
annotate("text",x=1966,y=1.45,label="1.58")+
annotate("text",x=1945,y=1.19,label="1.29")+
theme_classic(base_family="HiraKakuProN-W3") 
## year fertility_rate
## 56 2002 1.32
## 57 2003 1.29
## 58 2004 1.29
## 59 2005 1.26
## 60 2006 1.32
## 61 2007 1.34
## 62 2008 1.37
## 63 2009 1.37
## 64 2010 1.39
## 65 2011 1.39
## 66 2012 1.41
## 67 2013 1.43
## 68 2014 1.42
## 69 2015 1.45
## 70 2016 1.44
## 71 2017 1.43
## 72 2018 1.42
## 73 2019 1.362.3.2 出生率、婚姻率、離婚率
head(mobility2020)## # A tibble: 6 × 15
## year birth_rate tfr X4 X5 X6 X7 X8 X9 X10 X11 X12
## <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <chr> <chr> <chr>
## 1 1899 32 … 21.5 154. 77.9 10.5 89.1 … … … …
## 2 1900 32.4 … 20.8 155 79 11.6 88.5 … … … …
## 3 1901 33.9 … 20.9 150. 77.1 13 93.8 … … … …
## 4 1902 33.6 … 21.3 154 77.2 12.3 94.5 … … … …
## 5 1903 32.7 … 20.4 152. 75.8 12.3 93.6 … … … …
## 6 1904 31.2 … 20.7 152. 73.9 10.5 92.6 … … … …
## # ℹ 3 more variables: X13 <chr>, marriage_rate <dbl>, divorce_rate <dbl>df <- mobility2020[,c(1,2,14,15)]
df_ <- gather(df,"key","value",-year)ggplot(df_,aes(x=year,y=value,col=key))+
geom_line()+
labs(y="rates(per thousand)",col="LEGEND")+
theme_minimal()
3. SSDSEの活用
- SSDSE（教育用標準データセット：Standardized Statistical Data Set for Education）https://www.nstac.go.jp/SSDSE/
SSDSEの総人口は2015年、転入者数、転出者数は2017年のデータである。 この章ではSSDSEのデータをそのまま利用する。加減乗除等で変数の合成はおこなうが、追加データのダウンロードはおこなわない。 最初の3列は、地域コード、日本語の都道府県名、市区町村名である。
3.0 全国
データフレームは、wide formatを利用。
SSDSE_2019A <- readRDS("./data/SSDSE_2019A.RDS")
dat <- as.data.frame(SSDSE_2019A)
# 編集前のデータを保管
dat0 <- dat
# 解説の2行を削除
dat <- as.data.frame(dat[-c(1,2),])
# 数値型に変換
for (i in 4:ncol(dat)) {
dat[,i] <- as.numeric(dat[,i])
}
# コードの最初の文字Rを削除
rcode <- dat[,1]
rcode5 <- substring(rcode,2,6) # 5コード
# Codeの書き換え
dat$Code <- rcode5# データフレームの保存
# 別の分析をするときにこれを再読み込みする
dat00 <- dat
#write.csv(dat00,file = "dat00.csv")3.0.1 転出入
library(dplyr)
# 変数名とその解説を表示
t(dat0[c(1,2),])## 1 2
## Code "Year" "地域コード"
## Prefecture "年度" "都道府県"
## Municipality "年度" "市区町村"
## A1101 "2015" "総人口"
## A110101 "2015" "総人口（男）"
## A110102 "2015" "総人口（女）"
## A1102 "2015" "日本人人口"
## A110201 "2015" "日本人人口（男）"
## A110202 "2015" "日本人人口（女）"
## A1301 "2015" "１５歳未満人口"
## A130101 "2015" "１５歳未満人口（男）"
## A130102 "2015" "１５歳未満人口（女）"
## A1302 "2015" "１５～６４歳人口"
## A130201 "2015" "１５～６４歳人口（男）"
## A130202 "2015" "１５～６４歳人口（女）"
## A1303 "2015" "６５歳以上人口"
## A130301 "2015" "６５歳以上人口（男）"
## A130302 "2015" "６５歳以上人口（女）"
## A1419 "2015" "７５歳以上人口"
## A141901 "2015" "７５歳以上人口（男）"
## A141902 "2015" "７５歳以上人口（女）"
## A1700 "2015" "外国人人口"
## A4101 "2017" "出生数"
## A4200 "2017" "死亡数"
## A5101 "2017" "転入者数"
## A5102 "2017" "転出者数"
## A7101 "2015" "世帯数"
## A710101 "2015" "一般世帯数"
## A710201 "2015" "一般世帯人員数"
## A810102 "2015" "核家族世帯数"
## A810105 "2015" "単独世帯数"
## A811102 "2015" "６５歳以上の世帯員のいる核家族世帯数"
## A8201 "2015" "高齢夫婦のみの世帯数"
## A8301 "2015" "高齢単身世帯数（６５歳以上の者１人）"
## A9101 "2017" "婚姻件数"
## A9201 "2017" "離婚件数"
## B1101 "2017" "総面積（北方地域及び竹島を除く）"
## B1103 "2017" "可住地面積"
## C2107 "2014" "事業所数"
## C210703 "2014" "事業所数（農業，林業）"
## C210708 "2014" "事業所数（建設業）"
## C210709 "2014" "事業所数（製造業）"
## C210710 "2014" "事業所数（電気・ガス・熱供給・水道業）"
## C210711 "2014" "事業所数（情報通信業）"
## C210712 "2014" "事業所数（運輸業，郵便業）"
## C210713 "2014" "事業所数（卸売業，小売業）"
## C210716 "2014" "事業所数（金融業，保険業）"
## C210717 "2014" "事業所数（不動産業，物品賃貸業）"
## C210718 "2014" "事業所数（学術研究，専門・技術サービス業）"
## C210719 "2014" "事業所数（宿泊業，飲食サービス業）"
## C210720 "2014" "事業所数（生活関連サービス業，娯楽業）"
## C210721 "2014" "事業所数（教育，学習支援業）"
## C210722 "2014" "事業所数（医療，福祉）"
## C210723 "2014" "事業所数（複合サービス事業）"
## C210724 "2014" "事業所数（サービス業（他に分類されないもの））"
## C210725 "2014" "事業所数（公務（他に分類されるものを除く））"
## C2110 "2014" "第１次産業事業所数"
## C2111 "2014" "第２次産業事業所数"
## C2112 "2014" "第３次産業事業所数"
## C2207 "2014" "従業者数"
## C220703 "2014" "従業者数（農業，林業）"
## C220708 "2014" "従業者数（建設業）"
## C220709 "2014" "従業者数（製造業）"
## C220710 "2014" "従業者数（電気・ガス・熱供給・水道業）"
## C220711 "2014" "従業者数（情報通信業）"
## C220712 "2014" "従業者数（運輸業，郵便業）"
## C220713 "2014" "従業者数（卸売業，小売業）"
## C220716 "2014" "従業者数（金融業，保険業）"
## C220717 "2014" "従業者数（不動産業，物品賃貸業）"
## C220718 "2014" "従業者数（学術研究，専門・技術サービス業）"
## C220719 "2014" "従業者数（宿泊業，飲食サービス業）"
## C220720 "2014" "従業者数（生活関連サービス業，娯楽業）"
## C220721 "2014" "従業者数（教育，学習支援業）"
## C220722 "2014" "従業者数（医療，福祉）"
## C220723 "2014" "従業者数（複合サービス事業）"
## C220724 "2014" "従業者数（サービス業（他に分類されないもの））"
## C220725 "2014" "従業者数（公務（他に分類されるものを除く））"
## C2210 "2014" "第１次産業従業者数"
## C2211 "2014" "第２次産業従業者数"
## C2212 "2014" "第３次産業従業者数"
## C310201 "2014" "農家数（販売農家）"
## C310202 "2014" "農家数（自給的農家）"
## D2203 "2016" "経常収支比率（市町村財政）"
## D2211 "2016" "実質公債費比率（市町村財政）"
## D3201 "2016" "歳入決算総額（市町村財政）"
## D320101 "2016" "地方税（市町村財政）"
## D3203 "2016" "歳出決算総額（市町村財政）"
## D320303 "2016" "民生費（市町村財政）"
## D320308 "2016" "土木費（市町村財政）"
## D320310 "2016" "教育費（市町村財政）"
## D320311 "2016" "災害復旧費（市町村財政）"
## E1101 "2017" "幼稚園数"
## E1501 "2017" "幼稚園在園者数"
## E2101 "2017" "小学校数"
## E2401 "2017" "小学校教員数"
## E2501 "2017" "小学校児童数"
## E3101 "2017" "中学校数"
## E3401 "2017" "中学校教員数"
## E3501 "2017" "中学校生徒数"
## E4101 "2017" "高等学校数"
## E4501 "2017" "高等学校生徒数"
## F1102 "2015" "就業者数"
## F110201 "2015" "就業者数（男）"
## F110202 "2015" "就業者数（女）"
## F1107 "2015" "完全失業者数"
## F110701 "2015" "完全失業者数（男）"
## F110702 "2015" "完全失業者数（女）"
## F1108 "2015" "非労働力人口"
## F110801 "2015" "非労働力人口（男）"
## F110802 "2015" "非労働力人口（女）"
## F2201 "2015" "第１次産業就業者数"
## F2211 "2015" "第２次産業就業者数"
## F2221 "2015" "第３次産業就業者数"
## G1201 "2015" "公民館数"
## G1401 "2015" "図書館数"
## H5507 "2016" "総人口（非水洗化人口＋水洗化人口）"
## H550701 "2016" "非水洗化人口"
## H6130 "2016" "小売店数"
## H6131 "2016" "飲食店数"
## H6132 "2016" "大型小売店数"
## I510120 "2016" "一般病院数"
## I5102 "2016" "一般診療所数"
## I5103 "2016" "歯科診療所数"
## I6100 "2016" "医師数"
## I6200 "2016" "歯科医師数"
## I6300 "2016" "薬剤師数"
## J2503 "2016" "保育所等数"
## J2506 "2016" "保育所等在所児数"# 取りあげる変数を選択(select)する
dat <- dat %>%
select(Code,Municipality,A1101,A5101,A5102)
head(dat)## Code Municipality A1101 A5101 A5102
## 3 01100 札幌市 1952356 119314 110535
## 4 01202 函館市 265979 8748 9549
## 5 01203 小樽市 121924 3185 3751
## 6 01204 旭川市 339605 10245 11075
## 7 01205 室蘭市 88564 3061 3651
## 8 01206 釧路市 174742 5790 6813# 相関図（転入者率と転出者率）
# plotを作成
par(family="HiraKakuProN-W3")
x <- dat$A5101/dat$A1101*100
y <- dat$A5102/dat$A1101*100
plot(x,y, xlab = "in",ylab = "out",main="転入者率と転出者率")
# データフレーム(in_out)の作成
in_out <- data.frame(CODE=dat$Code,name = dat$Municipality,X=x, Y=y)
head(in_out)## CODE name X Y
## 1 01100 札幌市 6.111283 5.661621
## 2 01202 函館市 3.288981 3.590133
## 3 01203 小樽市 2.612283 3.076507
## 4 01204 旭川市 3.016740 3.261142
## 5 01205 室蘭市 3.456258 4.122443
## 6 01206 釧路市 3.313456 3.898891# データフレームを転入者率の降順で並び替える
# 新しいオブジェクト名: in_out_d
in_out_d <- arrange(in_out,-X)
in_out_d[c(1:10),]## CODE name X Y
## 1 07543 富岡町 Inf Inf
## 2 07545 大熊町 Inf Inf
## 3 07546 双葉町 Inf Inf
## 4 07547 浪江町 Inf Inf
## 5 07548 葛尾村 144.44444 216.66667
## 6 07564 飯舘村 121.95122 578.04878
## 7 07542 楢葉町 39.38462 46.35897
## 8 13402 青ヶ島村 19.10112 15.73034
## 9 27362 田尻町 17.98741 15.77759
## 10 47381 竹富町 15.98299 15.88294# 上位20を抜き出す
top20 <- in_out_d[5:24,]以下のグラフは、クリーブランドのドットプロットと呼ばれていて、棒グラフの代わりに使われる。
# 転入率(X)の高い順に市町村名を並び替えて表示する
# ggplot2で作成
ggplot(top20,aes(x=X,y=reorder(name,X)))+
geom_point(size=3,col="seagreen")+
labs(x="転入率",y="市町村名",title="転入率の高い市町村")+
theme_minimal(base_family="HiraKakuProN-W3") 
# 転出率(Y)の高い順に並び替え
in_out_d <- arrange(in_out,-Y)
in_out_d[c(1:10),]## CODE name X Y
## 1 07543 富岡町 Inf Inf
## 2 07545 大熊町 Inf Inf
## 3 07546 双葉町 Inf Inf
## 4 07547 浪江町 Inf Inf
## 5 07564 飯舘村 121.95122 578.04878
## 6 07548 葛尾村 144.44444 216.66667
## 7 07542 楢葉町 39.38462 46.35897
## 8 47381 竹富町 15.98299 15.88294
## 9 27362 田尻町 17.98741 15.77759
## 10 13402 青ヶ島村 19.10112 15.73034# 上位20位を抜き出す
top20 <- in_out_d[5:24,]# 転出率(Y)の高い順に市町村を並び替えて表示
ggplot(top20,aes(x=Y,y=reorder(name,Y)))+
geom_point(size=3,col="blue")+
labs(x="転出率",y="市町村名",title="転出率の高い市町村")+
theme_minimal(base_family="HiraKakuProN-W3") 
# 点で表示
library(ggplot2)
ggplot(in_out,aes(X,Y))+
geom_point()
# 市町村コードで表示
ggplot(in_out,aes(X,Y))+
geom_text(aes(y=Y,label=CODE),size=2)
3.0.2 世帯の家族類型
世帯単位のデータ。全国の市町村。 前項とは異なり、long formatを利用。(long formatでは2個の新変数が作られる。例えばkeyとvalue。keyには複数の旧変数のリストが入る。それ以外にインデックス変数がある。) セットになって公表されているSSDSEデータをそのまま利用している。
インデックス変数と縦軸に表示する変数だけを取り出してlong formatにする。 long formatでは当該の分析に不要な変数は外した方がよいようだ。wide formatではそうではないと思う。データフレームの中に使わない変数がいくらあってもよい。 ggplot2でx軸とy軸を指定すれば、それ以外の変数はどうでもよい。
# 保存されている編集前のデータの再読み込み
dat <- dat00
# 変数名とその解説を表示
t(dat0[c(1,2),])
# 取りあげる変数を選択(select)する
library(dplyr)
dat <- dat %>%
select(Code,Municipality,A710101,A810102,A810105)
#head(dat)
# 新変数（計算による合成変数）の追加(mutate)
dat <- dat %>%
mutate(r_nuclear=A810102/A710101*100,r_OnePerson=A810105/A710101*100)
library(tidyr)
library(ggplot2)
# 変数名の確認
colnames(dat)[c(1,6,7)]
# long formatに変換
dat_long <- gather(dat[,c(1,6,7)],"key","value",-Code,-r_nuclear)
# 欠損値の排除
dat_long <- na.omit(dat_long)
head(dat_long,3)
tail(dat_long,3)
# グラフ作成
ggplot(dat_long,aes(r_nuclear,value,col=key)) +
geom_point(col="skyblue")+
labs(title="散布図",subtitle = paste("x=",colnames(dat)[6],"\ny=",colnames(dat)[7]),x="x",y="y",caption = "2015年")+
theme_classic(base_family="HiraKakuProN-W3") long formatをwide formatに変換するにはspread関数を使う。
wide
formatに戻してから変数の加減乗除で新変数を作る。（もちろん、元のwide
formatのデータを使えばよいのだが、練習のためこうする。）
head(dat_long)## Code r_nuclear key value
## 1 01100 53.63276 r_OnePerson 40.76878
## 2 01202 53.93406 r_OnePerson 39.01869
## 3 01203 57.34100 r_OnePerson 36.00608
## 4 01204 56.94765 r_OnePerson 37.03694
## 5 01205 52.86200 r_OnePerson 42.46141
## 6 01206 55.10104 r_OnePerson 38.72761library(tidyr)
dat_ <- spread(dat_long,key = "key",value = "value")
dat_ <- dat_ %>%
mutate(NuclearOverOne=r_nuclear/r_OnePerson)
dat_ <- arrange(dat_,-NuclearOverOne)
d <- dat_[1:20,]
ggplot(d,aes(x=NuclearOverOne,y=reorder(Code,NuclearOverOne)))+
geom_point(size=3,col="seagreen")+
labs(x="核家族・単独世帯比率",y="市町村コード",title="核家族率が単独世帯率に比して高い市町村")+
theme_minimal(base_family="HiraKakuProN-W3") 
3.1 福岡県
dat <- dat00
library(dplyr)
dat <- dat %>%
filter(Prefecture=="福岡県")dat0[1:2,c(4,25,26)]## A1101 A5101 A5102
## 1 2015 2017 2017
## 2 総人口 転入者数 転出者数上記のように、 SSDSEの総人口は2015年、転入者数、転出者数は2017年のデータである。
# 相関図（転入者率と転出者率）
# plotで作成
par(pty="s",family="HiraKakuProN-W3")
x <- dat$A5101/dat$A1101*100
y <- dat$A5102/dat$A1101*100
yOVRx <- y/x*100
d1 <- data.frame(x,y,yOVRx)
par(family="HiraKakuProN-W3")
plot(x,y, xlab = "in",ylab = "out",main="図1: 転入者率と転出者率",xlim = c(0,10),ylim = c(0,10))
plot(d1[,1],d1[,2], xlab = "in",ylab = "out",main="図2: 転入者率と転出者率")
plot(d1[,3],main = "図3: 転出入人口比率",sub = "2017年", ylab = "パーセント")
# データフレーム(in_out)の作成
in_out <- data.frame(CODE=dat$Code,name = dat$Municipality,X=x, Y=y, Z=d1$yOVRx)
head(in_out,3)## CODE name X Y Z
## 1 40100 北九州市 4.096596 4.330449 105.70848
## 2 40130 福岡市 6.962522 6.398532 91.89964
## 3 40202 大牟田市 2.419905 2.787151 115.17606# データフレームを転入者率の降順で並び替える
# 新しいオブジェクト名: in_out_d
in_out_d <- arrange(in_out,-X)
in_out_d[c(1:10),]## CODE name X Y Z
## 1 40130 福岡市 6.962522 6.398532 91.89964
## 2 40349 粕屋町 6.664462 6.186067 92.82170
## 3 40381 芦屋町 6.468187 7.467624 115.45158
## 4 40345 新宮町 6.268125 5.328895 85.01577
## 5 40218 春日市 5.938073 5.845968 98.44891
## 6 40348 久山町 5.884498 4.303951 73.14050
## 7 40224 福津市 5.845426 3.543662 60.62282
## 8 40621 苅田町 5.714613 5.929125 103.75375
## 9 40219 大野城市 5.451897 5.441849 99.81570
## 10 40343 志免町 5.449001 5.236875 96.10706# 上位20を抜き出す
top20 <- in_out_d[1:20,]以下のグラフは、クリーブランドのドットプロットと呼ばれていて、棒グラフの代わりに使われる。
# 転入率(X)の高い順に市町村名を並び替えて表示する
# ggplot2で作成
ggplot(top20,aes(x=X,y=reorder(name,X)))+
geom_point(size=3,col="seagreen")+
labs(x="転入率",y="市町村名",title="転入率の高い市町村",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
# 転出率(Y)の高い順に並び替え
in_out_d <- arrange(in_out,-Y)
in_out_d[c(1:10),]## CODE name X Y Z
## 1 40381 芦屋町 6.468187 7.467624 115.45158
## 2 40130 福岡市 6.962522 6.398532 91.89964
## 3 40349 粕屋町 6.664462 6.186067 92.82170
## 4 40621 苅田町 5.714613 5.929125 103.75375
## 5 40218 春日市 5.938073 5.845968 98.44891
## 6 40219 大野城市 5.451897 5.441849 99.81570
## 7 40345 新宮町 6.268125 5.328895 85.01577
## 8 40343 志免町 5.449001 5.236875 96.10706
## 9 40221 太宰府市 4.928777 4.982818 101.09643
## 10 40342 篠栗町 4.229414 4.851009 114.69697# 上位20位を抜き出す
top20 <- in_out_d[1:20,]# 転出率(Y)の高い順に市町村を並び替えて表示
ggplot(top20,aes(x=Y,y=reorder(name,Y)))+
geom_point(size=3,col="blue")+
labs(x="転出率",y="市町村名",title="転出率の高い市町村",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
library(patchwork)
# 点で表示
library(ggplot2)
p1 <- ggplot(in_out,aes(X,Y))+
geom_point()# 市町村コードで表示
p2 <- ggplot(in_out,aes(X,Y))+
geom_text(aes(y=Y,label=CODE),size=2)p1 + p2
ここまでは、全国の場合と同じコマンドを使った。
library(ggplot2)
ggplot(in_out,aes(X,Y))+
geom_point()+
stat_smooth()+
labs(x="転入者率",y="転出者率",subtitle = "福岡県内市町村",title="転入率と転出者率",caption = "局所加重多項式曲線を表示")+
theme_minimal(base_family="HiraKakuProN-W3") 
# 市町村コードを表示
# 同一県内なのでコードの下3桁を利用
code3 <- substring(in_out$CODE,3,5)
in_out$CODE <- code3
head(in_out)## CODE name X Y Z
## 1 100 北九州市 4.096596 4.330449 105.70848
## 2 130 福岡市 6.962522 6.398532 91.89964
## 3 202 大牟田市 2.419905 2.787151 115.17606
## 4 203 久留米市 3.541924 3.652907 103.13340
## 5 204 直方市 3.499808 3.583803 102.40000
## 6 205 飯塚市 3.263748 3.281557 100.54567tail(in_out)## CODE name X Y Z
## 55 610 福智町 3.117485 3.685890 118.23282
## 56 621 苅田町 5.714613 5.929125 103.75375
## 57 625 みやこ町 2.603369 3.462925 133.01708
## 58 642 吉富町 4.647654 3.998793 86.03896
## 59 646 上毛町 3.338697 3.258246 97.59036
## 60 647 築上町 3.513208 4.680691 133.23124library(ggrepel)
ggplot(in_out,aes(X,Y))+
geom_point(col="blue")+
geom_text_repel(aes(label=CODE),size=3,col="grey30")+
labs(x="転入率",y="転出率",title = "転入率と転出率",subtitle = "福岡県内各市町村",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
# データフレームを転出入人口比率の降順で並び替える
# 新しいオブジェクト名: OutOverIn_d
OutOverIn <- arrange(in_out,-Z)# 上位20を抜き出す
top20 <- OutOverIn[1:20,]
top20[,c(1,2,5)]## CODE name Z
## 1 448 東峰村 150.0000
## 2 605 川崎町 144.7894
## 3 647 築上町 133.2312
## 4 625 みやこ町 133.0171
## 5 601 香春町 126.1838
## 6 229 みやま市 125.4408
## 7 214 豊前市 125.1506
## 8 602 添田町 124.6094
## 9 401 小竹町 124.0283
## 10 228 朝倉市 122.7302
## 11 212 大川市 120.4617
## 12 227 嘉麻市 119.6538
## 13 610 福智町 118.2328
## 14 210 八女市 116.2483
## 15 206 田川市 116.0441
## 16 381 芦屋町 115.4516
## 17 202 大牟田市 115.1761
## 18 342 篠栗町 114.6970
## 19 225 うきは市 112.5648
## 20 421 桂川町 111.8790# 転出入人口比率(Z)の高い順に市町村名を並び替えて表示する
# ggplot2で作成
ggplot(top20,aes(x=Z,y=reorder(name,Z)))+
geom_point(size=3,col="seagreen")+
labs(x="転出入人口比率",y="市町村名",title="転出入人口比率の高い市町村",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
クリーブランドのドットプロットで人口の多い市町村を表示する。
# 福岡県の全項目（全変数）にもどる
head(dat)## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 40100 福岡県 北九州市 961286 452682 508604 942781 443522 499259
## 2 40130 福岡県 福岡市 1538681 726666 812015 1478656 696551 782105
## 3 40202 福岡県 大牟田市 117360 53859 63501 115962 53199 62763
## 4 40203 福岡県 久留米市 304552 144971 159581 297254 141218 156036
## 5 40204 福岡県 直方市 57146 26673 30473 56582 26368 30214
## 6 40205 福岡県 飯塚市 129146 61249 67897 128078 60761 67317
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 119448 61060 58388 549397 269059 280338 277120 113597 163523 136035
## 2 199923 102307 97616 996401 480061 516340 312331 128393 183938 142696
## 3 12726 6591 6135 62270 30238 32032 40542 16000 24542 21534
## 4 41133 21106 20027 179398 87557 91841 76256 31709 44547 36683
## 5 7455 3877 3578 31585 15459 16126 17941 7236 10705 9156
## 6 16338 8374 7964 74512 37275 37237 37210 15034 22176 18511
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 49473 86562 9388 7349 11171 39380 41628 426325 425544 933204 238689
## 2 51093 91603 23662 14382 12101 107131 98453 764820 763824 1505783 348959
## 3 7227 14307 395 791 1842 2840 3271 49398 49250 112607 27038
## 4 13390 23293 2064 2795 3124 10787 11125 121913 121647 295949 67035
## 5 3258 5898 446 454 726 2000 2048 23281 23217 55073 13925
## 6 6440 12071 938 1124 1519 4215 4238 54732 54506 124097 29873
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 157488 98640 53698 60915 4581 1794 49195 29687 44150 37 3943
## 2 379499 109261 56191 80032 9706 2967 34339 23252 75200 60 5110
## 3 16829 13219 6724 8811 473 201 8145 6394 5800 4 521
## 4 40019 25422 12568 12861 1556 584 22996 19360 14211 84 1181
## 5 7034 6139 3191 3571 278 118 6176 4064 2743 5 229
## 6 19514 12377 6421 7886 610 269 21407 10762 5771 16 516
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 2252 52 344 1447 11798 748 3382 1660 5912
## 2 2261 109 1918 1638 21759 1505 5907 4699 10958
## 3 288 11 23 114 1683 90 276 159 821
## 4 884 14 94 254 3834 289 819 602 1923
## 5 287 7 11 38 829 45 82 85 321
## 6 350 5 33 93 1583 112 220 189 756
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 4003 1486 3834 180 2884 153 53 6214 37883 466561
## 2 6039 2586 5580 242 4605 213 63 7379 67758 908807
## 3 600 215 543 35 392 24 4 810 4986 54777
## 4 1289 516 1305 70 985 67 85 2065 12061 139575
## 5 250 71 271 13 181 18 5 516 2222 28465
## 6 606 191 581 34 437 47 16 868 4887 57281
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 433 33041 58706 2048 6191 29946 88612 10558 12102
## 2 536 55695 32253 6427 44563 47790 209665 31701 33412
## 3 140 4005 6886 332 244 2375 11174 1049 719
## 4 1136 8193 13868 479 905 5250 28067 3966 3089
## 5 26 1282 6262 90 33 915 6420 419 475
## 6 198 3263 7582 222 341 1939 11425 1191 805
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 12819 39167 19963 22097 75173 3018 40947 11523 467 91930
## 2 35865 94948 36734 45946 100814 6317 101644 24396 586 87999
## 3 881 4837 2470 2496 12791 429 2686 1262 140 10892
## 4 3602 12942 6186 9270 25451 1635 10900 4624 1148 22061
## 5 542 2184 1205 1287 4790 256 1485 794 26 7544
## 6 1055 4784 3471 2754 11157 580 3508 2990 198 10861
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 374164 1371 1238 99.6 13.7 519454118 156126761 515520175 196960570
## 2 820222 1313 915 94.3 12.2 808157496 288287809 793768959 285053939
## 3 43745 364 366 99.2 8.9 56384476 13768700 56311461 25619983
## 4 116366 3188 1668 95.3 3.6 130219186 40520968 128702097 57367839
## 5 20895 367 160 98.4 9.4 25183865 6702210 24887474 12326480
## 6 46222 1160 340 93.0 4.5 72401038 13811748 71254940 30554146
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 70786779 53730149 57827 104 13575 136 2856 48978 72 1778 25314
## 2 95148141 81822916 39978 128 20493 148 4215 81766 82 2549 39632
## 3 4303512 4838559 145267 13 1087 20 350 5412 10 228 2884
## 4 9941636 14755148 45177 24 2851 47 1062 17107 20 570 8587
## 5 2779895 1938582 5285 8 723 11 222 3087 4 104 1352
## 6 3991503 10987286 158168 10 1300 21 434 6825 12 284 3493
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 38 26126 415092 227352 187740 24070 15353 8717 347552 118665
## 2 41 43563 667895 355795 312100 35884 21133 14751 426858 141003
## 3 7 4358 47898 25712 22186 2949 1999 950 48318 16605
## 4 12 8189 141546 75883 65663 7019 4383 2636 96869 33465
## 5 4 2659 24011 13180 10831 1563 1012 551 21935 7451
## 6 4 3617 54975 29788 25187 4201 2828 1373 47938 17256
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 228887 3174 98006 296731 0 17 967149 4935 8373 4841 115
## 2 285855 4142 92515 519335 156 12 1512333 2961 12388 9312 234
## 3 31713 987 11858 33080 7 1 118351 42440 1295 683 10
## 4 63404 7769 27388 98781 0 6 306796 30583 2691 1578 35
## 5 14484 426 6590 15582 1 1 57398 23604 670 275 8
## 6 30682 1210 12166 39812 13 5 130061 34597 1185 581 14
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 76 961 662 3314 1214 2245 161 16246
## 2 102 1528 1013 6027 2178 4540 194 28831
## 3 20 121 78 408 105 281 23 2492
## 4 30 310 194 1815 305 868 73 8851
## 5 4 67 40 137 69 119 14 1519
## 6 11 133 76 542 122 338 27 2815# 全体を人口の降順で並び替え
dat_d <- arrange(dat,-A1101)
head(dat_d)## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 40130 福岡県 福岡市 1538681 726666 812015 1478656 696551 782105
## 2 40100 福岡県 北九州市 961286 452682 508604 942781 443522 499259
## 3 40203 福岡県 久留米市 304552 144971 159581 297254 141218 156036
## 4 40205 福岡県 飯塚市 129146 61249 67897 128078 60761 67317
## 5 40202 福岡県 大牟田市 117360 53859 63501 115962 53199 62763
## 6 40218 福岡県 春日市 110743 53284 57459 108411 52087 56324
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 199923 102307 97616 996401 480061 516340 312331 128393 183938 142696
## 2 119448 61060 58388 549397 269059 280338 277120 113597 163523 136035
## 3 41133 21106 20027 179398 87557 91841 76256 31709 44547 36683
## 4 16338 8374 7964 74512 37275 37237 37210 15034 22176 18511
## 5 12726 6591 6135 62270 30238 32032 40542 16000 24542 21534
## 6 17497 9041 8456 70196 33898 36298 21576 9524 12052 9352
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 51093 91603 23662 14382 12101 107131 98453 764820 763824 1505783 348959
## 2 49473 86562 9388 7349 11171 39380 41628 426325 425544 933204 238689
## 3 13390 23293 2064 2795 3124 10787 11125 121913 121647 295949 67035
## 4 6440 12071 938 1124 1519 4215 4238 54732 54506 124097 29873
## 5 7227 14307 395 791 1842 2840 3271 49398 49250 112607 27038
## 6 3799 5553 457 945 831 6576 6474 43720 43563 108932 28686
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 379499 109261 56191 80032 9706 2967 34339 23252 75200 60 5110
## 2 157488 98640 53698 60915 4581 1794 49195 29687 44150 37 3943
## 3 40019 25422 12568 12861 1556 584 22996 19360 14211 84 1181
## 4 19514 12377 6421 7886 610 269 21407 10762 5771 16 516
## 5 16829 13219 6724 8811 473 201 8145 6394 5800 4 521
## 6 11930 8719 4531 3727 480 219 1415 1352 3330 2 338
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 2261 109 1918 1638 21759 1505 5907 4699 10958
## 2 2252 52 344 1447 11798 748 3382 1660 5912
## 3 884 14 94 254 3834 289 819 602 1923
## 4 350 5 33 93 1583 112 220 189 756
## 5 288 11 23 114 1683 90 276 159 821
## 6 91 1 22 43 888 47 265 126 414
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 6039 2586 5580 242 4605 213 63 7379 67758 908807
## 2 4003 1486 3834 180 2884 153 53 6214 37883 466561
## 3 1289 516 1305 70 985 67 85 2065 12061 139575
## 4 606 191 581 34 437 47 16 868 4887 57281
## 5 600 215 543 35 392 24 4 810 4986 54777
## 6 373 191 331 15 167 16 2 429 2899 31907
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 536 55695 32253 6427 44563 47790 209665 31701 33412
## 2 433 33041 58706 2048 6191 29946 88612 10558 12102
## 3 1136 8193 13868 479 905 5250 28067 3966 3089
## 4 198 3263 7582 222 341 1939 11425 1191 805
## 5 140 4005 6886 332 244 2375 11174 1049 719
## 6 4 2003 611 40 215 450 6914 356 795
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 35865 94948 36734 45946 100814 6317 101644 24396 586 87999
## 2 12819 39167 19963 22097 75173 3018 40947 11523 467 91930
## 3 3602 12942 6186 9270 25451 1635 10900 4624 1148 22061
## 4 1055 4784 3471 2754 11157 580 3508 2990 198 10861
## 5 881 4837 2470 2496 12791 429 2686 1262 140 10892
## 6 1015 3124 1567 2504 5684 112 2081 4432 4 2614
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 820222 1313 915 94.3 12.2 808157496 288287809 793768959 285053939
## 2 374164 1371 1238 99.6 13.7 519454118 156126761 515520175 196960570
## 3 116366 3188 1668 95.3 3.6 130219186 40520968 128702097 57367839
## 4 46222 1160 340 93.0 4.5 72401038 13811748 71254940 30554146
## 5 43745 364 366 99.2 8.9 56384476 13768700 56311461 25619983
## 6 29289 31 62 87.4 1.9 33326561 12891593 31512135 14303740
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 95148141 81822916 39978 128 20493 148 4215 81766 82 2549 39632
## 2 70786779 53730149 57827 104 13575 136 2856 48978 72 1778 25314
## 3 9941636 14755148 45177 24 2851 47 1062 17107 20 570 8587
## 4 3991503 10987286 158168 10 1300 21 434 6825 12 284 3493
## 5 4303512 4838559 145267 13 1087 20 350 5412 10 228 2884
## 6 3087257 3359280 0 9 2093 12 382 7400 6 219 3674
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 41 43563 667895 355795 312100 35884 21133 14751 426858 141003
## 2 38 26126 415092 227352 187740 24070 15353 8717 347552 118665
## 3 12 8189 141546 75883 65663 7019 4383 2636 96869 33465
## 4 4 3617 54975 29788 25187 4201 2828 1373 47938 17256
## 5 7 4358 47898 25712 22186 2949 1999 950 48318 16605
## 6 1 1228 51235 28638 22597 2474 1494 980 33304 10779
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 285855 4142 92515 519335 156 12 1512333 2961 12388 9312 234
## 2 228887 3174 98006 296731 0 17 967149 4935 8373 4841 115
## 3 63404 7769 27388 98781 0 6 306796 30583 2691 1578 35
## 4 30682 1210 12166 39812 13 5 130061 34597 1185 581 14
## 5 31713 987 11858 33080 7 1 118351 42440 1295 683 10
## 6 22525 150 8574 40137 1 1 112820 299 632 350 13
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 102 1528 1013 6027 2178 4540 194 28831
## 2 76 961 662 3314 1214 2245 161 16246
## 3 30 310 194 1815 305 868 73 8851
## 4 11 133 76 542 122 338 27 2815
## 5 20 121 78 408 105 281 23 2492
## 6 5 80 58 292 96 225 10 1605# 人口(A1101)の多い順に市町村名を並び替えて表示する(20位まで)
ggplot(dat_d[1:20,],aes(x=A1101,y=reorder(Municipality,A1101)))+
geom_point(size=2,col="seagreen")+
labs(x="人口",y="市町村名",title="人口の多い市町村",subtitle = "福岡県",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
# 福岡県の全項目（全変数）にもどる
head(dat)## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 40100 福岡県 北九州市 961286 452682 508604 942781 443522 499259
## 2 40130 福岡県 福岡市 1538681 726666 812015 1478656 696551 782105
## 3 40202 福岡県 大牟田市 117360 53859 63501 115962 53199 62763
## 4 40203 福岡県 久留米市 304552 144971 159581 297254 141218 156036
## 5 40204 福岡県 直方市 57146 26673 30473 56582 26368 30214
## 6 40205 福岡県 飯塚市 129146 61249 67897 128078 60761 67317
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 119448 61060 58388 549397 269059 280338 277120 113597 163523 136035
## 2 199923 102307 97616 996401 480061 516340 312331 128393 183938 142696
## 3 12726 6591 6135 62270 30238 32032 40542 16000 24542 21534
## 4 41133 21106 20027 179398 87557 91841 76256 31709 44547 36683
## 5 7455 3877 3578 31585 15459 16126 17941 7236 10705 9156
## 6 16338 8374 7964 74512 37275 37237 37210 15034 22176 18511
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 49473 86562 9388 7349 11171 39380 41628 426325 425544 933204 238689
## 2 51093 91603 23662 14382 12101 107131 98453 764820 763824 1505783 348959
## 3 7227 14307 395 791 1842 2840 3271 49398 49250 112607 27038
## 4 13390 23293 2064 2795 3124 10787 11125 121913 121647 295949 67035
## 5 3258 5898 446 454 726 2000 2048 23281 23217 55073 13925
## 6 6440 12071 938 1124 1519 4215 4238 54732 54506 124097 29873
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 157488 98640 53698 60915 4581 1794 49195 29687 44150 37 3943
## 2 379499 109261 56191 80032 9706 2967 34339 23252 75200 60 5110
## 3 16829 13219 6724 8811 473 201 8145 6394 5800 4 521
## 4 40019 25422 12568 12861 1556 584 22996 19360 14211 84 1181
## 5 7034 6139 3191 3571 278 118 6176 4064 2743 5 229
## 6 19514 12377 6421 7886 610 269 21407 10762 5771 16 516
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 2252 52 344 1447 11798 748 3382 1660 5912
## 2 2261 109 1918 1638 21759 1505 5907 4699 10958
## 3 288 11 23 114 1683 90 276 159 821
## 4 884 14 94 254 3834 289 819 602 1923
## 5 287 7 11 38 829 45 82 85 321
## 6 350 5 33 93 1583 112 220 189 756
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 4003 1486 3834 180 2884 153 53 6214 37883 466561
## 2 6039 2586 5580 242 4605 213 63 7379 67758 908807
## 3 600 215 543 35 392 24 4 810 4986 54777
## 4 1289 516 1305 70 985 67 85 2065 12061 139575
## 5 250 71 271 13 181 18 5 516 2222 28465
## 6 606 191 581 34 437 47 16 868 4887 57281
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 433 33041 58706 2048 6191 29946 88612 10558 12102
## 2 536 55695 32253 6427 44563 47790 209665 31701 33412
## 3 140 4005 6886 332 244 2375 11174 1049 719
## 4 1136 8193 13868 479 905 5250 28067 3966 3089
## 5 26 1282 6262 90 33 915 6420 419 475
## 6 198 3263 7582 222 341 1939 11425 1191 805
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 12819 39167 19963 22097 75173 3018 40947 11523 467 91930
## 2 35865 94948 36734 45946 100814 6317 101644 24396 586 87999
## 3 881 4837 2470 2496 12791 429 2686 1262 140 10892
## 4 3602 12942 6186 9270 25451 1635 10900 4624 1148 22061
## 5 542 2184 1205 1287 4790 256 1485 794 26 7544
## 6 1055 4784 3471 2754 11157 580 3508 2990 198 10861
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 374164 1371 1238 99.6 13.7 519454118 156126761 515520175 196960570
## 2 820222 1313 915 94.3 12.2 808157496 288287809 793768959 285053939
## 3 43745 364 366 99.2 8.9 56384476 13768700 56311461 25619983
## 4 116366 3188 1668 95.3 3.6 130219186 40520968 128702097 57367839
## 5 20895 367 160 98.4 9.4 25183865 6702210 24887474 12326480
## 6 46222 1160 340 93.0 4.5 72401038 13811748 71254940 30554146
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 70786779 53730149 57827 104 13575 136 2856 48978 72 1778 25314
## 2 95148141 81822916 39978 128 20493 148 4215 81766 82 2549 39632
## 3 4303512 4838559 145267 13 1087 20 350 5412 10 228 2884
## 4 9941636 14755148 45177 24 2851 47 1062 17107 20 570 8587
## 5 2779895 1938582 5285 8 723 11 222 3087 4 104 1352
## 6 3991503 10987286 158168 10 1300 21 434 6825 12 284 3493
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 38 26126 415092 227352 187740 24070 15353 8717 347552 118665
## 2 41 43563 667895 355795 312100 35884 21133 14751 426858 141003
## 3 7 4358 47898 25712 22186 2949 1999 950 48318 16605
## 4 12 8189 141546 75883 65663 7019 4383 2636 96869 33465
## 5 4 2659 24011 13180 10831 1563 1012 551 21935 7451
## 6 4 3617 54975 29788 25187 4201 2828 1373 47938 17256
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 228887 3174 98006 296731 0 17 967149 4935 8373 4841 115
## 2 285855 4142 92515 519335 156 12 1512333 2961 12388 9312 234
## 3 31713 987 11858 33080 7 1 118351 42440 1295 683 10
## 4 63404 7769 27388 98781 0 6 306796 30583 2691 1578 35
## 5 14484 426 6590 15582 1 1 57398 23604 670 275 8
## 6 30682 1210 12166 39812 13 5 130061 34597 1185 581 14
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 76 961 662 3314 1214 2245 161 16246
## 2 102 1528 1013 6027 2178 4540 194 28831
## 3 20 121 78 408 105 281 23 2492
## 4 30 310 194 1815 305 868 73 8851
## 5 4 67 40 137 69 119 14 1519
## 6 11 133 76 542 122 338 27 2815# 全体を人口の昇順で並び替え
dat_a <- arrange(dat,A1101)
head(dat_a)## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 40448 福岡県 東峰村 2174 987 1187 2170 985 1185
## 2 40609 福岡県 赤村 3022 1410 1612 3013 1405 1608
## 3 40608 福岡県 大任町 5176 2342 2834 5172 2342 2830
## 4 40642 福岡県 吉富町 6627 3077 3550 6595 3064 3531
## 5 40646 福岡県 上毛町 7458 3509 3949 7441 3498 3943
## 6 40401 福岡県 小竹町 7810 3658 4152 7679 3574 4105
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 222 114 108 1071 541 530 881 332 549 563
## 2 364 188 176 1560 772 788 1098 450 648 581
## 3 668 340 328 2722 1331 1391 1784 669 1115 978
## 4 984 504 480 3654 1772 1882 1987 800 1187 995
## 5 981 505 476 3962 1955 2007 2506 1044 1462 1347
## 6 740 388 352 4156 2106 2050 2907 1157 1750 1504
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 178 385 4 13 51 48 72 742 740 2075 357
## 2 201 380 9 27 51 101 87 1127 1120 2838 650
## 3 292 686 4 44 96 246 239 2052 2037 4811 1143
## 4 348 647 29 49 92 308 265 2589 2582 6472 1604
## 5 478 869 17 31 109 249 243 2791 2784 7274 1800
## 6 513 991 130 49 147 283 351 3331 3315 7439 1854
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 172 220 117 125 6 4 5197 784 197 4 20
## 2 292 328 177 186 13 4 3198 944 137 3 23
## 3 656 503 235 397 25 14 1426 985 214 1 47
## 4 688 655 392 410 31 16 572 572 232 1 30
## 5 604 852 491 401 19 8 6244 2334 283 9 47
## 6 1122 962 480 610 25 16 1418 1087 276 4 38
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 68 1 0 3 33 1 0 3 24
## 2 8 2 0 0 39 0 1 1 11
## 3 9 3 0 3 43 2 2 2 15
## 4 20 1 1 4 63 2 20 5 9
## 5 27 0 0 5 70 3 4 2 10
## 6 51 2 0 15 60 2 5 2 6
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 7 7 10 4 5 7 4 88 105 902
## 2 7 4 21 2 10 5 3 31 103 806
## 3 19 4 35 3 23 3 1 56 157 1608
## 4 22 8 26 3 11 6 1 50 181 2707
## 5 26 8 34 7 24 7 9 74 200 2766
## 6 19 9 32 2 25 4 4 89 183 3186
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 28 87 289 1 0 15 99 1 0
## 2 13 90 36 7 0 0 135 0 9
## 3 5 219 116 9 0 44 301 4 3
## 4 1 277 950 8 1 127 383 4 32
## 5 81 199 1075 0 0 60 322 10 26
## 6 35 239 1207 17 0 294 387 21 22
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 10 89 8 45 132 23 10 65 28 376
## 2 3 71 27 47 267 19 18 64 13 126
## 3 24 56 63 57 509 17 106 75 5 335
## 4 51 97 49 98 510 26 36 57 1 1227
## 5 6 52 89 112 508 42 77 107 81 1274
## 6 2 49 90 77 487 14 127 118 35 1446
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303 D320308
## 1 498 150 159 82.5 7.4 3327056 151925 3181628 518059 569607
## 2 667 226 101 81.0 -3.3 2901563 197266 2862486 682871 766434
## 3 1268 153 76 97.3 15.8 5518651 379802 5080148 1146222 569782
## 4 1479 124 128 88.2 6.9 3545804 712949 3246093 1088560 504660
## 5 1411 483 191 82.9 2.6 5379214 789845 5124071 1418737 276023
## 6 1705 60 16 95.3 12.9 4711231 820191 4439893 1312057 691703
## D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501 E4101 E4501
## 1 147353 13 0 0 1 14 92 1 11 45 0 0
## 2 164899 5046 0 0 2 20 189 1 13 83 0 0
## 3 386516 1344 0 0 2 27 263 1 18 127 0 0
## 4 297639 0 1 2 1 23 390 1 29 340 0 0
## 5 401490 1729 0 0 4 53 418 1 22 230 0 0
## 6 277774 0 0 0 3 43 286 1 21 159 0 0
## F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801 F110802 F2201 F2211
## 1 1129 604 525 40 27 13 783 242 541 214 329
## 2 1316 714 602 103 75 28 1239 433 806 174 297
## 3 1883 1033 850 267 189 78 2302 756 1546 56 486
## 4 3022 1599 1423 144 104 40 2404 832 1572 103 1136
## 5 3504 1909 1595 146 95 51 2804 988 1816 362 1116
## 6 3101 1769 1332 245 164 81 3554 1243 2311 67 944
## F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132 I510120 I5102 I5103 I6100
## 1 579 2 0 2252 883 29 18 0 0 5 2 2
## 2 845 1 0 3258 1624 29 9 0 0 4 1 1
## 3 1335 1 0 5251 3442 39 10 2 0 6 2 6
## 4 1737 1 0 6813 2818 48 9 0 1 9 5 12
## 5 2006 2 1 7786 2943 50 3 0 0 8 1 4
## 6 2027 2 0 8025 5536 47 4 1 1 6 5 8
## I6200 I6300 J2503 J2506
## 1 3 0 2 53
## 2 0 2 3 168
## 3 3 7 3 194
## 4 7 40 3 283
## 5 2 6 3 359
## 6 9 7 1 112# 人口(A1101)の少ない順に市町村名を並び替えて表示する(20位まで)
ggplot(dat_a[1:20,],aes(x=A1101,y=reorder(Municipality,-A1101)))+
geom_point(size=2,col="seagreen")+
labs(x="人口",y="市町村名",title="人口の少ない市町村",subtitle = "福岡県",caption = "2017年")+
theme_minimal(base_family="HiraKakuProN-W3") 
code3 <- substring(dat$Code,3,5)
library(ggplot2)
library(ggrepel)
ggplot(dat_long,aes(r_nuclear,value,col=key)) +
geom_point(col="blue")+
geom_text_repel(aes(label=code3),size=3,col="grey30")+
labs(x="核家族率",y="単独世帯率",title="散布図: 核家族率と単独世帯率",subtitle = "福岡県",caption = "2015年")+
theme_minimal(base_family="HiraKakuProN-W3") 
## Code Municipality r_nuclear r_OnePerson
## 1 40100 北九州市 56.09032 37.00863
## 2 40130 福岡市 45.68579 49.68409
## 3 40202 大牟田市 54.89949 34.17056
## 4 40203 久留米市 55.10617 32.89765
## 5 40204 直方市 59.97760 30.29677
## 6 40205 飯塚市 54.80681 35.80156
## 7 40206 田川市 54.98659 37.43054
## 8 40207 柳川市 55.39362 23.30541
## 9 40210 八女市 55.26089 22.11979
## 10 40211 筑後市 61.03230 23.62745
## 11 40212 大川市 53.37753 26.18371
## 12 40213 行橋市 63.42803 28.45147
## 13 40214 豊前市 60.76593 27.66530
## 14 40215 中間市 61.17661 28.92058
## 15 40216 小郡市 66.34942 22.44010
## 16 40217 筑紫野市 65.94694 26.54937
## 17 40218 春日市 65.84946 27.38563
## 18 40219 大野城市 64.49297 29.06124
## 19 40220 宗像市 62.55812 29.35495
## 20 40221 太宰府市 63.93296 29.22876
## 21 40223 古賀市 65.09938 25.95451
## 22 40224 福津市 69.18021 21.77103
## 23 40225 うきは市 54.49778 21.21823
## 24 40226 宮若市 56.85669 29.48610
## 25 40227 嘉麻市 57.13367 31.11297
## 26 40228 朝倉市 53.45027 26.86693
## 27 40229 みやま市 56.78945 19.82939
## 28 40230 糸島市 64.56393 21.24838
## 29 40305 那珂川町 69.64804 21.05206
## 30 40341 宇美町 67.92698 20.00458
## 31 40342 篠栗町 67.64757 22.80382
## 32 40343 志免町 64.75275 26.47812
## 33 40344 須恵町 63.93658 23.83357
## 34 40345 新宮町 70.92140 21.57562
## 35 40348 久山町 62.79730 20.05680
## 36 40349 粕屋町 62.53959 29.24701
## 37 40381 芦屋町 62.05840 29.61428
## 38 40382 水巻町 61.55233 30.17785
## 39 40383 岡垣町 67.77844 21.90930
## 40 40384 遠賀町 67.73705 21.67861
## 41 40401 小竹町 55.92760 33.84615
## 42 40402 鞍手町 60.38003 27.81093
## 43 40421 桂川町 60.30740 26.74352
## 44 40447 筑前町 63.90885 18.14822
## 45 40448 東峰村 48.24324 23.24324
## 46 40503 大刀洗町 60.42169 19.23695
## 47 40522 大木町 62.42304 16.66667
## 48 40544 広川町 56.34409 25.33333
## 49 40601 香春町 58.26540 30.45743
## 50 40602 添田町 56.61838 31.01898
## 51 40604 糸田町 56.73684 34.71053
## 52 40605 川崎町 52.87686 37.37871
## 53 40608 大任町 56.11193 32.20422
## 54 40609 赤村 58.03571 26.07143
## 55 40610 福智町 58.09392 29.95269
## 56 40621 苅田町 54.78460 38.51828
## 57 40625 みやこ町 63.57086 23.28529
## 58 40642 吉富町 62.12239 26.64601
## 59 40646 上毛町 64.65517 21.69540
## 60 40647 築上町 61.25676 28.24247# 変数を合成して追加(mutate)
dat_ <- dat %>%
mutate(NuclearOverOne=r_nuclear/r_OnePerson)
# 特定の変数をキーにして並び替え(arrange)
dat_d <- arrange(dat_,-NuclearOverOne)
# 20位までを取り出す
d <- dat_d[1:20,]
# Cleveland's Dot Plots
ggplot(d,aes(x=NuclearOverOne,y=reorder(Municipality,NuclearOverOne)))+
geom_point(size=3,col="seagreen")+
labs(x="核家族・単独世帯比率",y="市町村名",title="核家族率が単独世帯率に比して高い市町村")+
theme_minimal(base_family="HiraKakuProN-W3") 
d[1:20,c(1,2)]## Code Municipality
## 1 40522 大木町
## 2 40447 筑前町
## 3 40341 宇美町
## 4 40305 那珂川町
## 5 40345 新宮町
## 6 40224 福津市
## 7 40503 大刀洗町
## 8 40348 久山町
## 9 40384 遠賀町
## 10 40383 岡垣町
## 11 40230 糸島市
## 12 40646 上毛町
## 13 40342 篠栗町
## 14 40216 小郡市
## 15 40229 みやま市
## 16 40625 みやこ町
## 17 40344 須恵町
## 18 40211 筑後市
## 19 40225 うきは市
## 20 40223 古賀市次は、関数dotchartを利用。
par(family="HiraKakuProN-W3")
dotchart(d[,8],labels = d[,2],main = "(1) 核家族率が単独世帯率に比して高い市町村")
# 特定の変数をキーにして昇順で並び替え(arrange)
dat_a <- arrange(dat_,NuclearOverOne)
# 昇順の41位から60位までを取り出す
d <- dat_a[41:60,]
dotchart(d[,8],labels = d[,2],main = "(2) 核家族率が単独世帯率に比して高い市町村")
グラフの下からデータが順に表示される。(2)では、最後の一番上が最大値。
3.2 群馬県
## CODE name X Y
## 1 10201 前橋市 2.754095 2.826086
## 2 10202 高崎市 2.986918 3.066727
## 3 10203 桐生市 1.804488 2.378960## CODE name X Y
## 1 10344 榛東村 6.232117 5.310908
## 2 10426 草津町 5.047561 5.922062
## 3 10345 吉岡町 4.525617 3.657495
## 4 10424 長野原町 4.010116 4.371387
## 5 10524 大泉町 3.628465 3.732829
## 6 10366 上野村 3.577236 5.691057
## 7 10464 玉村町 3.317510 3.893163
## 8 10202 高崎市 2.986918 3.066727
## 9 10205 太田市 2.826571 2.740131
## 10 10204 伊勢崎市 2.811114 2.670798以下のグラフは、クリーブランドのドットプロットと呼ばれていて、棒グラフの代わりに使われる。
## CODE name X Y
## 1 10426 草津町 5.047561 5.922062
## 2 10366 上野村 3.577236 5.691057
## 3 10344 榛東村 6.232117 5.310908
## 4 10424 長野原町 4.010116 4.371387
## 5 10464 玉村町 3.317510 3.893163
## 6 10524 大泉町 3.628465 3.732829
## 7 10345 吉岡町 4.525617 3.657495
## 8 10383 南牧村 1.616978 3.638201
## 9 10523 千代田町 2.526948 3.198445
## 10 10212 みどり市 2.610694 3.105724
## CODE name X Y
## 1 201 前橋市 2.754095 2.826086
## 2 202 高崎市 2.986918 3.066727
## 3 203 桐生市 1.804488 2.378960
## 4 204 伊勢崎市 2.811114 2.670798
## 5 205 太田市 2.826571 2.740131
## 6 206 沼田市 1.900320 2.650177## CODE name X Y
## 30 464 玉村町 3.317510 3.893163
## 31 521 板倉町 1.958042 2.424242
## 32 522 明和町 2.390438 2.834118
## 33 523 千代田町 2.526948 3.198445
## 34 524 大泉町 3.628465 3.732829
## 35 525 邑楽町 2.565655 2.524029
クリーブランドのドットプロットで人口の多い市町村を表示する。
## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 10201 群馬県 前橋市 336154 164136 172018 330440 161473 168967
## 2 10202 群馬県 高崎市 370884 181601 189283 366791 179898 186893
## 3 10203 群馬県 桐生市 114714 55327 59387 113351 54789 58562
## 4 10204 群馬県 伊勢崎市 208814 104234 104580 199299 99424 99875
## 5 10205 群馬県 太田市 219807 111610 108197 211927 107481 104446
## 6 10206 群馬県 沼田市 48676 23489 25187 48213 23310 24903
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 41961 21510 20451 196034 98640 97394 91143 39797 51346 44719
## 2 49298 25326 23972 221228 111546 109682 97466 42984 54482 46184
## 3 12062 6181 5881 64314 32869 31445 38078 16084 21994 18665
## 4 29540 15104 14436 128354 66257 62097 49221 21929 27292 23116
## 5 31912 16307 15605 133417 70586 62831 53309 23969 29340 22959
## 6 5872 2960 2912 27742 14064 13678 14831 6336 8495 7864
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 17545 27174 3213 2329 3699 9258 9500 136900 136591 327683 79245
## 2 18261 27923 3369 2986 3979 11078 11374 150180 149835 361836 89505
## 3 6993 11672 1271 513 1698 2070 2729 46034 45938 111645 26762
## 4 9179 13937 8889 1629 2020 5870 5577 80110 79950 204909 47838
## 5 9106 13853 7345 1706 2158 6213 6023 86267 86103 215643 51006
## 6 3002 4862 394 281 660 925 1290 19178 19141 47867 11037
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 42870 32042 16577 14527 1513 546 31159 23693 16804 147 1812
## 2 45930 34877 17998 15493 1768 601 45916 24428 17714 61 1801
## 3 13434 13108 6548 6444 359 171 27445 7810 6284 27 604
## 4 22165 16996 8181 6639 1024 374 13944 13919 9247 38 839
## 5 25304 18935 9258 7169 1039 387 17554 16598 10431 38 1020
## 6 5320 4910 2547 2441 186 77 44346 10319 2833 28 375
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 1110 15 162 270 4121 343 1257 826 1843
## 2 1539 19 166 300 4664 326 1262 794 1940
## 3 1303 8 37 67 1438 86 302 196 682
## 4 1374 15 40 271 2225 127 538 301 991
## 5 1579 14 56 317 2348 148 784 339 1125
## 6 216 14 12 40 745 39 85 78 388
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 1535 668 1361 80 1129 120 149 2925 13730 174506
## 2 1645 668 1351 90 1001 84 62 3342 14310 183187
## 3 521 192 483 25 279 34 27 1907 4350 52199
## 4 865 300 668 37 565 50 40 2214 6993 102224
## 5 868 340 701 37 657 59 38 2600 7793 123316
## 6 286 110 188 14 170 42 29 593 2211 22881
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 2003 12652 20739 928 3353 7317 33070 6741 3777
## 2 555 11923 31388 644 2307 9185 38498 4260 4209
## 3 250 2377 13910 162 985 1081 8218 933 816
## 4 417 4738 29570 217 345 6301 18074 1461 1446
## 5 417 6438 42171 438 519 7361 19149 1969 2016
## 6 303 2013 3482 234 63 549 4917 469 375
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 5466 13251 7762 12070 22413 1004 14535 7403 2011 33405
## 2 5334 14452 8584 8880 23902 970 13861 4224 558 43319
## 3 1120 3806 1968 3934 7888 399 3314 1038 250 16287
## 4 1615 8211 4559 3564 12571 817 6257 2053 420 34313
## 5 2597 8821 4239 4570 11073 369 8965 2203 417 48610
## 6 318 1909 1229 1112 3442 317 1284 826 335 5502
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 139090 3701 2993 98.0 8.3 143202992 52432373 140942127 48571243
## 2 139310 3460 3510 93.7 6.1 166858011 59879185 161830632 52376518
## 3 35662 603 669 93.4 5.4 47437494 13362604 45434683 17394968
## 4 67491 1717 1454 96.3 5.7 76403517 29827734 74097369 29249477
## 5 74289 2324 1698 86.4 6.4 86110933 44136437 82109930 29524523
## 6 17044 1110 979 95.8 9.7 22991654 6377080 22199785 7912275
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 14964407 20747842 0 23 2665 50 1130 17291 24 657 9234
## 2 17203991 27057857 2786 30 3551 58 1293 20143 25 694 9999
## 3 4860366 4988208 45416 12 449 17 339 4825 12 254 2847
## 4 6898207 8861071 0 16 1248 23 707 11848 11 390 5975
## 5 8044610 10224562 0 16 1520 27 788 13335 18 495 6861
## 6 2761861 3017189 52258 6 129 11 193 2313 9 147 1374
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 12 10536 162431 90614 71817 6253 4004 2249 110759 39579
## 2 13 12013 177776 100265 77511 8293 5525 2768 124542 44131
## 3 8 6487 55552 30643 24909 2487 1669 818 42576 15676
## 4 5 3779 102160 58093 44067 4594 2986 1608 64069 23296
## 5 9 5689 105433 61990 43443 4818 3204 1614 67420 24019
## 6 4 1613 24516 13620 10896 1016 715 301 16286 5647
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 71180 6767 37107 112113 21 18 338705 5989 2797 1538 51
## 2 80411 5025 47889 119159 44 7 375528 8885 3108 1713 62
## 3 26900 1321 19384 33209 17 2 115745 9381 1099 576 10
## 4 40773 3951 35843 58336 15 4 211983 18794 1646 827 27
## 5 43401 3930 40765 57225 13 4 223540 18587 1583 928 27
## 6 10639 2951 6037 15137 7 1 49873 4796 606 309 7
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 18 335 196 1581 305 864 67 6552
## 2 26 349 199 815 312 845 83 7975
## 3 7 103 79 222 100 209 24 2327
## 4 8 152 95 418 132 379 38 5094
## 5 9 152 110 391 185 400 39 5062
## 6 4 41 25 127 32 97 9 872## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 10202 群馬県 高崎市 370884 181601 189283 366791 179898 186893
## 2 10201 群馬県 前橋市 336154 164136 172018 330440 161473 168967
## 3 10205 群馬県 太田市 219807 111610 108197 211927 107481 104446
## 4 10204 群馬県 伊勢崎市 208814 104234 104580 199299 99424 99875
## 5 10203 群馬県 桐生市 114714 55327 59387 113351 54789 58562
## 6 10208 群馬県 渋川市 78391 38135 40256 77821 37947 39874
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 49298 25326 23972 221228 111546 109682 97466 42984 54482 46184
## 2 41961 21510 20451 196034 98640 97394 91143 39797 51346 44719
## 3 31912 16307 15605 133417 70586 62831 53309 23969 29340 22959
## 4 29540 15104 14436 128354 66257 62097 49221 21929 27292 23116
## 5 12062 6181 5881 64314 32869 31445 38078 16084 21994 18665
## 6 8655 4418 4237 45161 22889 22272 24303 10680 13623 12125
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 18261 27923 3369 2986 3979 11078 11374 150180 149835 361836 89505
## 2 17545 27174 3213 2329 3699 9258 9500 136900 136591 327683 79245
## 3 9106 13853 7345 1706 2158 6213 6023 86267 86103 215643 51006
## 4 9179 13937 8889 1629 2020 5870 5577 80110 79950 204909 47838
## 5 6993 11672 1271 513 1698 2070 2729 46034 45938 111645 26762
## 6 4747 7378 450 433 1010 1729 2163 28812 28711 75801 17196
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 45930 34877 17998 15493 1768 601 45916 24428 17714 61 1801
## 2 42870 32042 16577 14527 1513 546 31159 23693 16804 147 1812
## 3 25304 18935 9258 7169 1039 387 17554 16598 10431 38 1020
## 4 22165 16996 8181 6639 1024 374 13944 13919 9247 38 839
## 5 13434 13108 6548 6444 359 171 27445 7810 6284 27 604
## 6 6846 8044 4003 3415 262 119 24027 11494 4137 42 626
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 1539 19 166 300 4664 326 1262 794 1940
## 2 1110 15 162 270 4121 343 1257 826 1843
## 3 1579 14 56 317 2348 148 784 339 1125
## 4 1374 15 40 271 2225 127 538 301 991
## 5 1303 8 37 67 1438 86 302 196 682
## 6 317 14 13 69 936 61 343 138 453
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 1645 668 1351 90 1001 84 62 3342 14310 183187
## 2 1535 668 1361 80 1129 120 149 2925 13730 174506
## 3 868 340 701 37 657 59 38 2600 7793 123316
## 4 865 300 668 37 565 50 40 2214 6993 102224
## 5 521 192 483 25 279 34 27 1907 4350 52199
## 6 382 147 303 25 228 33 42 950 3145 35801
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 555 11923 31388 644 2307 9185 38498 4260 4209
## 2 2003 12652 20739 928 3353 7317 33070 6741 3777
## 3 417 6438 42171 438 519 7361 19149 1969 2016
## 4 417 4738 29570 217 345 6301 18074 1461 1446
## 5 250 2377 13910 162 985 1081 8218 933 816
## 6 456 3344 5616 366 46 1355 6060 627 774
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 5334 14452 8584 8880 23902 970 13861 4224 558 43319
## 2 5466 13251 7762 12070 22413 1004 14535 7403 2011 33405
## 3 2597 8821 4239 4570 11073 369 8965 2203 417 48610
## 4 1615 8211 4559 3564 12571 817 6257 2053 420 34313
## 5 1120 3806 1968 3934 7888 399 3314 1038 250 16287
## 6 805 3960 1758 1606 5848 423 1701 992 456 9024
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 139310 3460 3510 93.7 6.1 166858011 59879185 161830632 52376518
## 2 139090 3701 2993 98.0 8.3 143202992 52432373 140942127 48571243
## 3 74289 2324 1698 86.4 6.4 86110933 44136437 82109930 29524523
## 4 67491 1717 1454 96.3 5.7 76403517 29827734 74097369 29249477
## 5 35662 603 669 93.4 5.4 47437494 13362604 45434683 17394968
## 6 26321 1359 1859 89.4 5.9 34320672 11132688 32458427 11922449
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 17203991 27057857 2786 30 3551 58 1293 20143 25 694 9999
## 2 14964407 20747842 0 23 2665 50 1130 17291 24 657 9234
## 3 8044610 10224562 0 16 1520 27 788 13335 18 495 6861
## 4 6898207 8861071 0 16 1248 23 707 11848 11 390 5975
## 5 4860366 4988208 45416 12 449 17 339 4825 12 254 2847
## 6 2464931 4057395 59777 7 676 14 255 3492 9 176 1945
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 13 12013 177776 100265 77511 8293 5525 2768 124542 44131
## 2 12 10536 162431 90614 71817 6253 4004 2249 110759 39579
## 3 9 5689 105433 61990 43443 4818 3204 1614 67420 24019
## 4 5 3779 102160 58093 44067 4594 2986 1608 64069 23296
## 5 8 6487 55552 30643 24909 2487 1669 818 42576 15676
## 6 4 2274 38338 21394 16944 1627 1094 533 28125 10355
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 80411 5025 47889 119159 44 7 375528 8885 3108 1713 62
## 2 71180 6767 37107 112113 21 18 338705 5989 2797 1538 51
## 3 43401 3930 40765 57225 13 4 223540 18587 1583 928 27
## 4 40773 3951 35843 58336 15 4 211983 18794 1646 827 27
## 5 26900 1321 19384 33209 17 2 115745 9381 1099 576 10
## 6 17770 2475 10546 24053 12 2 80254 11312 683 343 7
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 26 349 199 815 312 845 83 7975
## 2 18 335 196 1581 305 864 67 6552
## 3 9 152 110 391 185 400 39 5062
## 4 8 152 95 418 132 379 38 5094
## 5 7 103 79 222 100 209 24 2327
## 6 6 57 33 201 46 131 13 1619
## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 10201 群馬県 前橋市 336154 164136 172018 330440 161473 168967
## 2 10202 群馬県 高崎市 370884 181601 189283 366791 179898 186893
## 3 10203 群馬県 桐生市 114714 55327 59387 113351 54789 58562
## 4 10204 群馬県 伊勢崎市 208814 104234 104580 199299 99424 99875
## 5 10205 群馬県 太田市 219807 111610 108197 211927 107481 104446
## 6 10206 群馬県 沼田市 48676 23489 25187 48213 23310 24903
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 41961 21510 20451 196034 98640 97394 91143 39797 51346 44719
## 2 49298 25326 23972 221228 111546 109682 97466 42984 54482 46184
## 3 12062 6181 5881 64314 32869 31445 38078 16084 21994 18665
## 4 29540 15104 14436 128354 66257 62097 49221 21929 27292 23116
## 5 31912 16307 15605 133417 70586 62831 53309 23969 29340 22959
## 6 5872 2960 2912 27742 14064 13678 14831 6336 8495 7864
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 17545 27174 3213 2329 3699 9258 9500 136900 136591 327683 79245
## 2 18261 27923 3369 2986 3979 11078 11374 150180 149835 361836 89505
## 3 6993 11672 1271 513 1698 2070 2729 46034 45938 111645 26762
## 4 9179 13937 8889 1629 2020 5870 5577 80110 79950 204909 47838
## 5 9106 13853 7345 1706 2158 6213 6023 86267 86103 215643 51006
## 6 3002 4862 394 281 660 925 1290 19178 19141 47867 11037
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 42870 32042 16577 14527 1513 546 31159 23693 16804 147 1812
## 2 45930 34877 17998 15493 1768 601 45916 24428 17714 61 1801
## 3 13434 13108 6548 6444 359 171 27445 7810 6284 27 604
## 4 22165 16996 8181 6639 1024 374 13944 13919 9247 38 839
## 5 25304 18935 9258 7169 1039 387 17554 16598 10431 38 1020
## 6 5320 4910 2547 2441 186 77 44346 10319 2833 28 375
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 1110 15 162 270 4121 343 1257 826 1843
## 2 1539 19 166 300 4664 326 1262 794 1940
## 3 1303 8 37 67 1438 86 302 196 682
## 4 1374 15 40 271 2225 127 538 301 991
## 5 1579 14 56 317 2348 148 784 339 1125
## 6 216 14 12 40 745 39 85 78 388
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 1535 668 1361 80 1129 120 149 2925 13730 174506
## 2 1645 668 1351 90 1001 84 62 3342 14310 183187
## 3 521 192 483 25 279 34 27 1907 4350 52199
## 4 865 300 668 37 565 50 40 2214 6993 102224
## 5 868 340 701 37 657 59 38 2600 7793 123316
## 6 286 110 188 14 170 42 29 593 2211 22881
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 2003 12652 20739 928 3353 7317 33070 6741 3777
## 2 555 11923 31388 644 2307 9185 38498 4260 4209
## 3 250 2377 13910 162 985 1081 8218 933 816
## 4 417 4738 29570 217 345 6301 18074 1461 1446
## 5 417 6438 42171 438 519 7361 19149 1969 2016
## 6 303 2013 3482 234 63 549 4917 469 375
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 5466 13251 7762 12070 22413 1004 14535 7403 2011 33405
## 2 5334 14452 8584 8880 23902 970 13861 4224 558 43319
## 3 1120 3806 1968 3934 7888 399 3314 1038 250 16287
## 4 1615 8211 4559 3564 12571 817 6257 2053 420 34313
## 5 2597 8821 4239 4570 11073 369 8965 2203 417 48610
## 6 318 1909 1229 1112 3442 317 1284 826 335 5502
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303
## 1 139090 3701 2993 98.0 8.3 143202992 52432373 140942127 48571243
## 2 139310 3460 3510 93.7 6.1 166858011 59879185 161830632 52376518
## 3 35662 603 669 93.4 5.4 47437494 13362604 45434683 17394968
## 4 67491 1717 1454 96.3 5.7 76403517 29827734 74097369 29249477
## 5 74289 2324 1698 86.4 6.4 86110933 44136437 82109930 29524523
## 6 17044 1110 979 95.8 9.7 22991654 6377080 22199785 7912275
## D320308 D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501
## 1 14964407 20747842 0 23 2665 50 1130 17291 24 657 9234
## 2 17203991 27057857 2786 30 3551 58 1293 20143 25 694 9999
## 3 4860366 4988208 45416 12 449 17 339 4825 12 254 2847
## 4 6898207 8861071 0 16 1248 23 707 11848 11 390 5975
## 5 8044610 10224562 0 16 1520 27 788 13335 18 495 6861
## 6 2761861 3017189 52258 6 129 11 193 2313 9 147 1374
## E4101 E4501 F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801
## 1 12 10536 162431 90614 71817 6253 4004 2249 110759 39579
## 2 13 12013 177776 100265 77511 8293 5525 2768 124542 44131
## 3 8 6487 55552 30643 24909 2487 1669 818 42576 15676
## 4 5 3779 102160 58093 44067 4594 2986 1608 64069 23296
## 5 9 5689 105433 61990 43443 4818 3204 1614 67420 24019
## 6 4 1613 24516 13620 10896 1016 715 301 16286 5647
## F110802 F2201 F2211 F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132
## 1 71180 6767 37107 112113 21 18 338705 5989 2797 1538 51
## 2 80411 5025 47889 119159 44 7 375528 8885 3108 1713 62
## 3 26900 1321 19384 33209 17 2 115745 9381 1099 576 10
## 4 40773 3951 35843 58336 15 4 211983 18794 1646 827 27
## 5 43401 3930 40765 57225 13 4 223540 18587 1583 928 27
## 6 10639 2951 6037 15137 7 1 49873 4796 606 309 7
## I510120 I5102 I5103 I6100 I6200 I6300 J2503 J2506
## 1 18 335 196 1581 305 864 67 6552
## 2 26 349 199 815 312 845 83 7975
## 3 7 103 79 222 100 209 24 2327
## 4 8 152 95 418 132 379 38 5094
## 5 9 152 110 391 185 400 39 5062
## 6 4 41 25 127 32 97 9 872## Code Prefecture Municipality A1101 A110101 A110102 A1102 A110201 A110202
## 1 10366 群馬県 上野村 1230 609 621 1215 609 606
## 2 10367 群馬県 神流町 1954 928 1026 1949 928 1021
## 3 10383 群馬県 南牧村 1979 927 1052 1974 926 1048
## 4 10444 群馬県 川場村 3647 1661 1986 3640 1659 1981
## 5 10428 群馬県 高山村 3674 1786 1888 3656 1782 1874
## 6 10443 群馬県 片品村 4390 2111 2279 4375 2106 2269
## A1301 A130101 A130102 A1302 A130201 A130202 A1303 A130301 A130302 A1419
## 1 132 77 55 544 271 273 554 261 293 356
## 2 90 42 48 768 420 348 1096 466 630 701
## 3 59 33 26 723 374 349 1197 520 677 821
## 4 428 225 203 1732 858 874 1486 578 908 984
## 5 441 240 201 2005 1002 1003 1227 543 684 733
## 6 427 196 231 2436 1264 1172 1514 644 870 856
## A141901 A141902 A1700 A4101 A4200 A5101 A5102 A7101 A710101 A710201 A810102
## 1 157 199 15 7 35 44 70 578 575 1186 290
## 2 275 426 5 1 70 28 59 903 901 1895 497
## 3 324 497 5 2 53 32 72 953 951 1923 504
## 4 322 662 7 13 49 74 74 980 973 3069 509
## 5 294 439 17 15 67 79 102 1167 1164 3537 655
## 6 320 536 15 24 66 84 127 1554 1549 4336 776
## A810105 A811102 A8201 A8301 A9101 A9201 B1101 B1103 C2107 C210703 C210708
## 1 231 193 131 116 6 0 18185 1165 120 6 8
## 2 288 387 250 207 3 0 11460 1364 230 1 36
## 3 334 409 262 273 4 0 11883 1350 128 2 18
## 4 161 267 134 87 8 2 8525 1449 154 5 19
## 5 204 330 170 128 10 3 6418 1531 144 2 31
## 6 341 411 206 191 17 5 39176 3139 409 3 45
## C210709 C210710 C210711 C210712 C210713 C210716 C210717 C210718 C210719
## 1 24 0 0 2 28 0 0 0 20
## 2 8 1 0 1 69 3 40 1 18
## 3 25 0 1 3 23 2 2 3 12
## 4 13 0 0 2 32 1 2 4 23
## 5 5 0 0 6 27 0 1 3 15
## 6 13 1 0 12 42 3 1 6 222
## C210720 C210721 C210722 C210723 C210724 C210725 C2110 C2111 C2112 C2207
## 1 7 4 7 2 7 4 7 32 81 560
## 2 12 9 6 4 12 8 1 45 184 918
## 3 8 4 6 4 9 6 2 43 83 554
## 4 12 6 16 2 12 4 6 32 116 1572
## 5 13 8 12 2 16 3 2 36 106 1125
## 6 21 6 11 3 15 4 3 59 347 2272
## C220703 C220708 C220709 C220710 C220711 C220712 C220713 C220716 C220717
## 1 88 14 76 0 0 108 68 0 0
## 2 16 187 51 3 0 1 156 18 47
## 3 33 33 119 0 3 9 73 13 3
## 4 71 105 149 0 0 31 213 5 2
## 5 9 148 136 0 0 113 92 0 2
## 6 25 245 170 4 0 372 169 20 1
## C220718 C220719 C220720 C220721 C220722 C220723 C220724 C220725 C2210 C2211
## 1 0 45 9 7 78 5 28 29 93 90
## 2 9 51 36 77 80 19 35 105 16 265
## 3 5 38 12 23 85 16 17 72 33 152
## 4 31 151 44 44 604 10 42 66 75 254
## 5 17 82 124 91 167 14 71 59 9 284
## 6 17 824 68 77 112 17 48 92 25 426
## C2212 C310201 C310202 D2203 D2211 D3201 D320101 D3203 D320303 D320308
## 1 377 13 102 67.5 8.3 3391847 1702108 3182014 348807 149731
## 2 637 27 170 81.2 4.3 2834862 167994 2699638 457084 223302
## 3 369 30 124 83.8 3.9 2305170 172659 2061642 549858 184313
## 4 1243 252 163 77.3 8.3 3157646 389582 2885861 802046 261938
## 5 832 224 212 85.1 5.0 2597791 455825 2507187 544229 87369
## 6 1821 178 235 82.4 1.5 4978685 606153 4723665 939487 330628
## D320310 D320311 E1101 E1501 E2101 E2401 E2501 E3101 E3401 E3501 E4101 E4501
## 1 156531 13947 0 0 1 11 43 1 10 32 0 0
## 2 238996 0 0 0 1 9 31 1 12 25 1 123
## 3 130874 0 0 0 1 8 24 1 10 17 0 0
## 4 330945 0 1 12 1 15 175 1 12 91 0 0
## 5 294898 0 1 78 1 15 167 1 14 107 0 0
## 6 1155814 0 0 0 1 14 171 1 15 107 0 0
## F1102 F110201 F110202 F1107 F110701 F110702 F1108 F110801 F110802 F2201 F2211
## 1 577 331 246 7 6 1 513 195 318 128 116
## 2 764 458 306 37 31 6 1063 397 666 80 226
## 3 757 442 315 34 29 5 1129 423 706 79 279
## 4 1671 914 757 34 23 11 1513 499 1014 438 356
## 5 1926 1070 856 77 52 25 1224 421 803 328 498
## 6 2512 1387 1125 54 35 19 1377 484 893 526 454
## F2221 G1201 G1401 H5507 H550701 H6130 H6131 H6132 I510120 I5102 I5103 I6100
## 1 333 0 1 1234 44 24 7 0 0 1 1 1
## 2 457 0 1 2037 396 53 8 0 0 3 1 2
## 3 396 1 0 2054 738 20 8 0 0 2 1 0
## 4 876 0 0 3377 311 25 3 1 1 3 1 8
## 5 1091 1 0 3743 175 21 8 0 0 2 1 2
## 6 1514 3 0 4647 80 33 18 0 0 3 1 2
## I6200 I6300 J2503 J2506
## 1 1 0 0 0
## 2 0 4 1 21
## 3 0 1 1 21
## 4 1 5 1 100
## 5 1 2 0 0
## 6 1 0 3 93
## Code Municipality r_nuclear r_OnePerson
## 1 10201 前橋市 58.01627 31.38567
## 2 10202 高崎市 59.73571 30.65372
## 3 10203 桐生市 58.25678 29.24376
## 4 10204 伊勢崎市 59.83490 27.72358
## 5 10205 太田市 59.23835 29.38806
## 6 10206 沼田市 57.66156 27.79374
## 7 10207 館林市 59.11306 28.67323
## 8 10208 渋川市 59.89342 23.84452
## 9 10209 藤岡市 62.53009 24.08518
## 10 10210 富岡市 62.37695 23.80795
## 11 10211 安中市 63.43474 23.69730
## 12 10212 みどり市 61.90223 24.05951
## 13 10344 榛東村 64.19016 19.98354
## 14 10345 吉岡町 66.59313 20.43292
## 15 10366 上野村 50.43478 40.17391
## 16 10367 神流町 55.16093 31.96448
## 17 10382 下仁田町 56.42716 25.84047
## 18 10383 南牧村 52.99685 35.12093
## 19 10384 甘楽町 62.08876 18.28218
## 20 10421 中之条町 57.03749 28.13460
## 21 10424 長野原町 57.96209 27.63033
## 22 10425 嬬恋村 48.63463 29.13708
## 23 10426 草津町 42.49006 48.21046
## 24 10428 高山村 56.27148 17.52577
## 25 10429 東吾妻町 58.37641 22.86043
## 26 10443 片品村 50.09684 22.01420
## 27 10444 川場村 52.31244 16.54676
## 28 10448 昭和村 47.61327 25.16181
## 29 10449 みなかみ町 52.52605 28.47909
## 30 10464 玉村町 62.78550 27.38004
## 31 10521 板倉町 53.93804 25.02800
## 32 10522 明和町 59.73893 21.90939
## 33 10523 千代田町 60.73404 20.58824
## 34 10524 大泉町 52.62050 38.27701
## 35 10525 邑楽町 63.97646 20.89113
## Code Municipality
## 1 10384 甘楽町
## 2 10345 吉岡町
## 3 10344 榛東村
## 4 10428 高山村
## 5 10444 川場村
## 6 10525 邑楽町
## 7 10523 千代田町
## 8 10522 明和町
## 9 10211 安中市
## 10 10210 富岡市
## 11 10209 藤岡市
## 12 10212 みどり市
## 13 10429 東吾妻町
## 14 10208 渋川市
## 15 10464 玉村町
## 16 10443 片品村
## 17 10382 下仁田町
## 18 10204 伊勢崎市
## 19 10521 板倉町
## 20 10424 長野原町
## Code Municipality
## 1 10384 甘楽町
## 2 10345 吉岡町
## 3 10344 榛東村
## 4 10428 高山村
## 5 10444 川場村
## 6 10525 邑楽町
## 7 10523 千代田町
## 8 10522 明和町
## 9 10211 安中市
## 10 10210 富岡市
## 11 10209 藤岡市
## 12 10212 みどり市
## 13 10429 東吾妻町
## 14 10208 渋川市
## 15 10464 玉村町
## 16 10443 片品村
## 17 10382 下仁田町
## 18 10204 伊勢崎市
## 19 10521 板倉町
## 20 10424 長野原町次は、関数dotchartを利用。
4. 空間的データの活用の研究
- 『Rグラフィックスクックブック』（オライリー・ジャパン）第13章（13.17から13.20）
- 国土数値情報ダウンロード
- e-Stat：統計で見る日本、政府統計の総合窓口
別のファイルに独立させた。ファイル名：「空間的データの活用の研究」。