### DataVL2.txt Ver.2024.01.10
### 作成者：Masaya Matsuura, Ehime University
### Pythonのスクリプト
### 同時配布のPDFファイル（DataVL.pdf）p7～p39で紹介しているグラフ・チャート作成用
###Google Colaboratory上で動作確認
###スクリプトを実行するためには、同時配布のExcelファイル（DataVL.xlsx）が必要
###（DataVL.PDFのp114～p115参照）
#################スライドP7（1. 折れ線グラフ）##################################
import plotly.graph_objects as go
fig=go.Figure(go.Scatter(x=[2010,2012,2014,2016,2018,2020,2022],
y=[39,33,23,15,13,9,8],marker=dict(size=12)))
fig.update_layout(width=650,height=450,margin=dict(pad=10),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='実店舗での直近の買い物において、
'
'現金で支払った人の割合（スウェーデン）',
xanchor='left',font_size=30,x=0.12,y=0.92),
xaxis=dict(title='年（隔年）',tickangle=30),
yaxis=dict(title='割合（%）',range=(0,40)))
fig.show()
#################スライドP8（2. 面グラフ）######################################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='TFRate')
fig=go.Figure(go.Scatter(x=df['Year'],y=df['T'],
name='area1',fill='tozeroy',mode='none'))
fig.update_layout(width=780,height=680,margin=dict(pad=15),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの出生率（1970～2022）',
font_size=40,x=0.54,y=0.95),
xaxis=dict(title='年'),
yaxis=dict(title='合計特殊出生率',range=(0,2.5)))
fig.show()
#################スライドP9（3. 積み上げ面グラフ）##############################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='UTbgTS')
c=['#636EFA','#EF553B','#00CC96','#AB63FA','#FFA15A',
'#19D3F3','#FF6692','#B6E880','#FF97FF','#FECB52']
bg=['DB2DB','DB1FB1DB','DB2FB','FB']
n=['両親、本人とも国内生まれ','片親と本人が国内生まれ',
'本人のみ国内生まれ','本人が外国生まれ']
sl=[True,False]
gn=[None,'percent']
fig=make_subplots(rows=1,cols=2,subplot_titles=('人数（単位：100万人）','割合（%）'))
fig.update_annotations(font_size=35)
for i in range(2):
for j in range(4):
fig.add_trace(go.Scatter(x=df['Year'],y=df[bg[j]],name=n[j],line_color=c[j],
showlegend=sl[i],groupnorm=gn[i],stackgroup='one'),
1,i+1)
fig.update_layout(width=1400,height=600,margin=dict(pad=5),
font_size=30,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン国民の出自別の人数と割合の推移（2002～2021）',
font_size=40,y=0.98),
xaxis1_title='年',xaxis2_title='年',
yaxis1=dict(tickvals=[0,2500000,5000000,7500000,10000000],
ticktext=['0','2.5','5.0','7.5','10.0']))
fig.show()
#################スライドP10（4. 棒グラフ）#####################################
import plotly.graph_objects as go
x=['水力','原子力', '風力','火力','太陽光']
y=[73.425,50.992,27.108,15.573,1.507]
fig = go.Figure(go.Bar(x=x,y=y,width=0.8))
fig.update_layout(width=980,height=580,margin=dict(pad=10),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの電源別の発電量（2021年）',
font_size=40,x=0.50,y=0.95),
yaxis=dict(title='発電量（TWh）',range=(0, 80),dtick=20))
fig.show()
#################スライドP11（5. 集合棒グラフ）#################################
import plotly.graph_objects as go
x=['再エネ','原子力','火力']
y1=[73.425+27.108+1.507,50.992,15.573]
y2=[85.81700866046+7.447923243+19.041908871613,67.76697598,681.509866144]
data1=go.Bar(x=x,y=y1,name='スウェーデン')
data2=go.Bar(x=x,y=y2,name='日本')
fig=go.Figure([data1, data2])
fig.update_layout(width=950,height=650,margin=dict(pad=10),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンと日本の電源別の発電量（2021年）',
font_size=40,x=0.50,y=0.95),
yaxis=dict(title='発電量（TWh）',range=(0,800),dtick=200),
legend=dict(font_size=35,bgcolor='rgb(229,236,246)',x=0.01,
y=0.99,xanchor='left',yanchor='top',orientation='h'))
fig.show()
#################スライドP12（6. 積み上げ棒グラフ）#############################
import plotly.graph_objects as go
cn=['日本','スウェーデン']
m=['水力','風力','太陽光','原子力','火力','その他']
a1=[85.81700866046,7.447923243,19.041908871613,67.76697598,681.509866144,2.178787]
a2=[73.425,27.108,1.507,50.992,15.573,0]
bar=[]
for i in range(6):
bar.append(go.Bar(x=(a1[i],a2[i]),y=cn,name=m[i],orientation='h',width=0.8))
fig=go.Figure(bar)
fig.update_layout(width=1180,height=430,margin=dict(pad=10,t=130),barmode='stack',
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンと日本の電源別の発電量（2021年）',
font_size=40,x=0.55,y=0.95),
xaxis=dict(title='発電量（TWh）'),
legend=dict(y=1.35,xanchor='left',yanchor='top',
orientation='h',traceorder=('normal')))
fig.show()
#################スライドP13左（7. 滝グラフ）###################################
import plotly.graph_objects as go
x=['出生', '死亡', '入国', '出国', '調整', '増減計']
y=[114.263,-91.958,90.631,-48.284,8.379,73.031]
measure=['absolute','relative','relative','relative','relative','total']
c=['#636EFA','#92C4FC','#FFC5CF']
fig = go.Figure(go.Waterfall(x=x,measure=measure,y=y,
totals=dict(marker_color=c[0]),
increasing=dict(marker_color=c[1]),
decreasing=dict(marker_color=c[2]),
connector=dict(line_width=3,line_color=c[0])))
fig.update_layout(width=800,height=600,margin=dict(pad=10),
font_size=35,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの人口の増減（2021年）',
font_size=45,x=0.50,y=0.95),
yaxis=dict(title='人数（千人）'))
fig.show()
#################スライドP13右（7. 滝グラフ）###################################
import plotly.graph_objects as go
x=['出生', '死亡', '入国', '出国', '調整', '増減計']
y=[114.263,-91.958,90.631,-48.284,8.379,73.031]
measure=['a','r','r','r','r','t']
c=['#636EFA','#92C4FC','#FFC5CF']
fig=go.Figure(go.Waterfall(x=x,measure=measure,y=y,
totals=dict(marker_color=c[0]),
increasing=dict(marker_color=c[1]),
decreasing=dict(marker_color=c[2]),
connector=dict(line_width=3,line_color=c[0])))
fig.update_layout(width=800,height=600,margin=dict(pad=10),
font_size=35,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの人口の増減（2021年）',
font_size=45,x=0.50,y=0.95),
yaxis=dict(title='人数（千人）'))
fig.show()
#################スライドP14（8. ファンネルチャート）#########################
from plotly import graph_objects as go
x=[9177,6359,6140,4070]
y=['無作為抽出された人','連絡が取れた人','回答可能だった人','回答した人']
fig=go.Figure(go.Funnel(x=x,y=y,textposition='inside',
texttemplate='%{label}
%{value:,.0f}人（%{percentInitial:,.3p}）'))
fig.update_layout(width=800,height=700,
font_size=30,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン統計庁の世論調査の回答者数',
font_size=38,x=0.5,y=0.92),
yaxis=dict(showticklabels=False),
paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')
fig.show()
#################スライドP15（9. 円グラフ）###################################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
cn=['スウェーデン','日本']
m=['水力','原子力','風力','火力','太陽光','その他']
a=[[73.425,50.992,27.108,15.573,1.507],[85.81700866046,67.76697598,
7.447923243,681.509866144,19.041908871613,1.967207+0.2115824]]
c=['#636EFA','#FBB8FE','#B7FFB7','#F6998A','#FEEF26','#68E6FA']
fig=make_subplots(rows=1,cols=2,specs=[[{'type':'domain'}, {'type':'domain'}]],
subplot_titles=(cn[0],cn[1]),horizontal_spacing=0.05)
fig.update_annotations(font_size=35,y=-0.02)
for i in range(2):
fig.add_trace(go.Pie(labels=m,values=a[i],direction='clockwise',sort=False,name=cn[i],
texttemplate = '%{percent:.0%}',textinfo='percent',
marker=dict(colors=c,line_color='white',line_width=1),
hovertemplate='%{label}
%{value:,.0f}TWh
%{percent:,.5p}'),
1,i+1)
fig.update_layout(width=1100,height=660,margin=dict(l=5,b=20),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンと日本の電源別の発電量（2021年）',
font_size=43,x=0.5,y=0.95),
legend=dict(y=1,x=1.05,yanchor='top',traceorder=('normal')))
fig.show()
#################スライドP16（10. ドーナツグラフ）############################
iimport plotly.graph_objects as go
from plotly.subplots import make_subplots
cn=['スウェーデン','日本']
m=['水力','原子力','風力','火力','太陽光','その他']
a=[[73.425,50.992,27.108,15.573,1.507],[85.81700866046,67.76697598,
7.447923243,681.509866144,19.041908871613,1.967207+0.2115824]]
c=['#636EFA','#FBB8FE','#B7FFB7','#F6998A','#FEEF26','#68E6FA']
fig=make_subplots(rows=1,cols=2,specs=[[{'type':'domain'}, {'type':'domain'}]],
subplot_titles=(cn[0],cn[1]),horizontal_spacing=0.05)
fig.update_annotations(font_size=33,y=0.45)
for i in range(2):
fig.add_trace(go.Pie(labels=m,values=a[i],direction='clockwise',sort=False,
name=cn[i],hole=0.48,
texttemplate = '%{percent:.0%}',textinfo='percent',
marker=dict(colors=c,line_color='white',line_width=1),
hovertemplate='%{label}
%{value:,.0f}TWh
%{percent:,.5p}'),
1,i+1)
fig.update_layout(width=1100,height=660,margin=dict(l=5,b=20),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンと日本の電源別の発電量（2021年）',
font_size=43,x=0.5,y=0.95),
legend=dict(y=1,x=1.05,yanchor='top',traceorder=('normal')))
fig.show()
#################スライドP17（11. サンバーストグラフ）########################
import plotly.graph_objects as go
l=['欧州','北欧','スウェーデン','デンマーク','フィンランド','ノルウェー',
'EU
（北欧以外）','ポーランド','ルーマニア','ドイツ','フランス',
'欧州
（その他）','トルコ','英国',
'欧州以外','アジア','アフガニスタン','インド','イラク','イラン',
'中国','パキスタン','シリア',
'アフリカ','エリトリア','北米','米国','南米','ブラジル']
p=['',l[0],l[1],l[1],l[1],l[1],l[0],l[6],l[6],l[6],l[6],l[0],l[11],l[11],
'',l[14],l[15],l[15],l[15],l[15],l[15],l[15],l[15],
l[14],l[23],l[14],l[25],l[14],l[27]]
v=[44055,15441,10480,1563,1635,1376,18332,3181,1562,3501,1281,
10282,2077,1409,46576,30213,2022,6017,2122,2443,
2025,3240,3538,9766,1165,3031,1898,2960,1235]
fig =go.Figure(go.Sunburst(labels=l,parents=p,values=v,branchvalues='total',
marker_colors=['#fc8d62'],insidetextfont_size=25,name='2021年',
hovertemplate='%{label}
%{value:,.0f}人
%{percentRoot:.1%}'))
fig.update_layout(width=600,height=700,margin=dict(pad=10,t=100,l=0,r=0,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンへの入国移民の
出生国の割合（2021年）',
font_size=40,x=0.5,y=0.95))
fig.show()
#################スライドP18（12. ツリーマップ）##############################
import plotly.graph_objects as go
l=['欧州','北欧','スウェーデン','デン
マーク','フィン
ランド','ノル
ウェー',
'EU（北欧以外）','ポーランド','ルー
マニア','ドイツ','フラ
ンス',
'欧州（その他）','トルコ','英国',
'欧州以外','アジア','アフガニ
スタン','インド','イラク','イラン',
'中国','パキスタン','シリア',
'アフリカ','エリトリア','北米','米国','南米','ブラ
ジル']
p=['全体',l[0],l[1],l[1],l[1],l[1],l[0],l[6],l[6],l[6],l[6],l[0],l[11],l[11],
'全体',l[14],l[15],l[15],l[15],l[15],l[15],l[15],l[15],
l[14],l[23],l[14],l[25],l[14],l[27]]
v=[44055,15441,10480,1563,1635,1376,18332,3181,1562,3501,1281,
10282,2077,1409,46576,30213,2022,6017,2122,2443,
2025,3240,3538,9766,1165,3031,1898,2960,1235]
c=['#F7A699','#F69F90','#F48370','#979EFC','#8089FB','#636EFA']
mc=[c[0],c[1],c[2],c[2],c[2],c[2],c[1],c[2],c[2],c[2],c[2],c[1],c[2],c[2],
c[3],c[4],c[5],c[5],c[5],c[5],c[5],c[5],c[5],c[4],c[5],c[4],c[5],c[4],c[5]]
fig =go.Figure(go.Treemap(labels=l,parents=p,values=v,branchvalues='total',
marker_colors=mc,insidetextfont_size=25,name='2021年',
textfont_size=25, textfont_color='white',root_color="lightgrey",
hovertemplate='%{label}
%{value:,.0f}人
%{percentRoot:.1%}'))
fig.update_layout(width=1200,height=800,margin=dict(t=120,l=0,r=0,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンへの入国移民の出生国の割合（2021年）',
font_size=45,x=0.5,y=0.95))
fig.show()
#################スライドP19（13. ワッフルチャート）##########################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import numpy as np
p=[72,56]
xy=['x1','x2','y1','y2']
t=['余暇にラケットスポーツをする人','余暇に筋トレをする人']
n=[str(i) for i in range(1,11)]
fig=make_subplots(rows=1,cols=2,subplot_titles=(t[0],t[1]),horizontal_spacing=0.1)
fig.update_annotations(font_size=35,y=-0.18)
for i in range(2):
w=np.zeros(100)
w[:p[i]]=1
c=['rgb(240,220,180)','rgb(200,140,45)']
if p[i]>99: c[0]='rgb(200,140,45)'
fig.add_trace(go.Heatmap(x=n,y=n,z=w.reshape(10,10),xaxis=xy[i],yaxis=xy[i+2],
colorscale= [[0,c[0]],[0.5,c[0]],[1,c[1]]],
xgap=3,ygap=3,showscale=False,name=t[i],meta=p[i],
hovertemplate='%{meta}%'),
1,i+1)
fig.add_annotation(x=4.5,y=9.3,text=str(p[i])+'%',xref=xy[i],yref=xy[i+2])
fig.update_layout(width=1100,height=660,margin=dict(t=80,b=100),
plot_bgcolor='white',
font_size=32,font_color=c[1],hoverlabel_font_size=25,
title=dict(text='2019年にセムラを食べた人の割合（スウェーデン）',
font_size=45,x=0.5,y=0.95),
yaxis1_scaleanchor=xy[0],yaxis2_scaleanchor=xy[1])
fig.show()
#################スライドP20（14. 散布図）####################################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='VaccinValUt')
fig=go.Figure(go.Scatter(x=df['Valdeltagande'],y=df['vaccin'],mode='markers',
marker_size=9,text=df['Kommunnamn'],name='各市のデータ',
hovertemplate='%{text}
投票率: %{x:,.1f}%
'
'接種率: %{y:,.1f}%'))
fig.update_layout(width=800,height=750,margin=dict(t=110),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの市議会選挙投票率と
COVID-19ワクチン接種率',
font_size=40,x=0.50,y=0.95),
xaxis=dict(title='投票率（%）',range=(48,100)),
yaxis=dict(title='ワクチン接種率（%）',range=(48,100)))
fig.show()
#################スライドP21（15. バブルチャート）############################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='VaccinValUt')
df=df.sort_values(['fbr'],ascending=False)
fig=go.Figure(go.Scatter(x=df['Valdeltagande'],y=df['vaccin'],mode='markers',
marker=dict(size=df['fbr'],sizemode='area',sizeref=0.1),
text=df['Kommunnamn'],name='各市のデータ',
hovertemplate='%{text}
投票率: %{x:,.1f}%
'
'接種率: %{y:,.1f}%
外国出生者率: %{marker.size:,.1f}%'))
fig.update_layout(width=800,height=750,margin=dict(t=110),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン各市の投票率と
ワクチン接種率と外国出生者率',
font_size=40,x=0.50,y=0.95),
xaxis=dict(title='投票率（%）',range=(48,100)),
yaxis=dict(title='ワクチン接種率（%）',range=(48,100)))
fig.show()
#################スライドP22（16. 散布図行列）################################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='VaccinValUt')
fig=go.Figure(go.Splom(dimensions=[dict(label='外国出生者率(%)',values=df['fbr']),
dict(label='投票率(%)',values=df['Valdeltagande']),
dict(label='ワクチン接種率(%)',values=df['vaccin'])],
marker=dict(opacity=0.8,size=5),
showupperhalf=False,diagonal_visible=False,
text=df['Kommunnamn'],name='各市のデータ',
hovertemplate='%{text}
(%{x:,.1f},%{y:,.1f})'))
fig.update_layout(width=700,height=650,margin=dict(t=120),
font_size=26,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン各市の投票率と
ワクチン接種率と外国出生者率',
font_size=40,x=0.50,y=0.93))
fig.show()
#################スライドP23（17. 3次元散布図）###############################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='VaccinValUt')
l=['X：外国出生者率(%)','Y:投票率(%)','Z:ワクチン接種率(%)']
ca=[1.4,1.4,1.4,-1.4,1.4,-1.4]
fig=make_subplots(rows=1,cols=2,specs=[[{'type':'scene'}, {'type':'scene'}]],
horizontal_spacing=0)
for i in [1,2]:
fig.add_trace(go.Scatter3d(x=df['fbr'], y=df['Valdeltagande'], z=df['vaccin'],
mode="markers", marker=dict(size=3,color='#636EFA'),
name='各市のデータ'),1,i)
fig.update_layout(margin=dict(t=50,l=0,r=0,b=0),width=1180,height=580,showlegend=False,
font_size=18,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン各市の投票率とワクチン接種率と外国出生者率',
font_size=40,x=0.50,y=0.98))
fig.update_layout({'scene'+str(i+1):dict(xaxis_title=l[0],yaxis_title=l[1],zaxis_title=l[2],
camera_eye=dict(x=ca[0+i],y=ca[2+i],z=ca[4+i]))
for i in range(2)})
fig.show()0
#################スライドP24（18. 三角図）####################################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='UTbgK')
tv=[0,0.2, 0.4, 0.6,0.8,1]
tt=[' 0 ',' 0.2 ', ' 0.4 ',' 0.6 ',' 0.8 ',' 1 ']
c=['darkblue','#CC0066','darkgreen']
fig=go.Figure(go.Scatterternary(a=df['DDDR'],b=df['DDFR'],c=df['FBR'],
mode='markers',marker_size=5))
fig.update_layout(width=800,height=700,margin=dict(t=50,l=150, r=150,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン各市の住民の出自の割合',
font_size=40,x=0.50,y=0.95),
ternary=dict(aaxis=dict(title='',tickvals=tv,ticktext=tt,tickfont_color=c[0]),
baxis=dict(title='',tickvals=tv,ticktext=tt,tickfont_color=c[1]),
caxis=dict(title='',tickvals=tv,ticktext=tt,tickfont_color=c[2])),
annotations=[dict(text='A. 親・本人とも国内生まれ',x=0.5,y=0.95,
font_color=c[0],showarrow=False),
dict(text='B. 親は外国生まれ',x=-0.3,y=0.03,
font_color=c[1],showarrow=False),
dict(text='C. 本人が外国生まれ',x=1.3,y=0.03,
font_color=c[2],showarrow=False)])
fig.show()
#################スライドP25（19. ヒストグラム）##############################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='Inkomst2')
fig=go.Figure(go.Bar(x=df['Income'],y=df['A']/1000))
tv=['0','1–49','100–149','200–249','300–349','400–449','500–549','600–649',
'700–749','800–849','900–949','1,000–1,049', '1,100–1,149','1,200–1,249',
'1,300–1,349', '1,400–1,449','1,450-1,499','1,500-']
fig.update_layout(width=1080,height=600,margin=dict(t=80,l=100,r=100,b=0,pad=5),
font_size=26,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン住民（20～64歳）の年収のヒストグラム（2020年）',
font_size=36,x=0.51,y=0.97),
xaxis=dict(tickvals=tv,ticktext=tv,tickangle=45,title='年収（千クローナ）'),
yaxis_title='人数（千人）',
barmode='relative',bargap=0)
fig.show()
#################スライドP26（20. 人口ピラミッド）############################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='UppsalaFolk')
fig=go.Figure(go.Bar(y=df['Age'],x=df['M']*-1, name='男性',orientation='h',
meta=df['M'], hovertemplate='%{y}歳：%{meta:,}人'))
fig.add_trace(go.Bar(y=df['Age'],x=df['F'],name='女性',orientation='h',
hovertemplate='%{y}歳：%{x:,}人',marker_color='yellowgreen'))
fig.update_layout(width=825,height=800,margin=dict(t=110,l=100,r=100,b=0,pad=5),
font_size=26,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='ウプサラ市（スウェーデン）の人口ピラミッド
'
'（2021年12月31日現在）',
font_size=38,x=0.51,y=0.95),
xaxis=dict(tickvals=[-10000,-5000,0,5000,10000],
ticktext=['10,000','5,000','0','5,000','10,000'],
tickfont_size=30,title='人口（人）'),
yaxis=dict(title='年齢（歳）',tickfont_size=22),
barmode='relative',bargap=0)
fig.show()
#################スライドP27（21. 密度プロット）##############################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='InkomstK')
c=['#00CC96','#636EFA','#FF9616']
fig=go.Figure(go.Violin(x=df['F'],name='女性',marker_color=c[0],box_visible=False))
fig.add_trace(go.Violin(x=df['M'],name='男性',marker_color=c[1],box_visible=False))
fig.add_trace(go.Violin(x=df['T'],name='全体',marker_color=c[2],box_visible=False))
fig.update_layout(width=630,height=750,margin=dict(t=110,l=50,r=10,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン住民の年収
（市ごとの中央値）の分布',
font_size=40,x=0.53,y=0.95),
showlegend=False,
xaxis=dict(title='年収の中央値（千クローナ）',title_standoff=20))
fig.update_traces(orientation='h',side='positive',width=3,points=False)
fig.show()
#################スライドP28（22. 箱ひげ図）##################################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='InkomstK')
c=['#00CC96','#636EFA','#FF9616']
fig=go.Figure(go.Box(y=df['F'],name='女性',marker_color=c[0]))
fig.add_trace(go.Box(y=df['M'],name='男性',marker_color=c[1]))
fig.add_trace(go.Box(y=df['T'],name='全体',marker_color=c[2]))
fig.update_layout(width=630,height=700,margin=dict(t=110,l=50,r=10,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン住民の年収
（市ごとの中央値）の分布',
font_size=40,x=0.57,y=0.95),
showlegend=False,
yaxis=dict(title='年収の中央値（千クローナ）',title_standoff=30))
fig.show()
#################スライドP29（23. バイオリン図）##############################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='InkomstK')
c=['#00CC96','#636EFA','#FF9616']
s=['F','M','T','女性','男性','全体']
t='年収の中央値（千クローナ）'
fig=make_subplots(rows=1,cols=2,horizontal_spacing=0.15)
for i in range(3):
fig.add_trace(go.Violin(x=df[s[i]],name=s[i+3],marker_color=c[i],
box_visible=True),1,1)
fig.add_trace(go.Violin(y=df[s[i]],name=s[i+3],marker_color=c[i],
box_visible=True,points='all',marker_size=3),1,2)
fig.update_layout(width=1260,height=750,margin=dict(t=80,l=80,r=10,b=0),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデン住民の年収（市ごとの中央値）の分布',
font_size=45,x=0.53,y=0.97),
showlegend=False,
xaxis1=dict(title=t,title_standoff=30),
yaxis2=dict(title=t,title_standoff=0))
fig.show()
#################スライドP30（24. レーダーチャート）##########################
import plotly.graph_objects as go
cat=['高校','成人教育','障がい者
向け活動','高齢者介護',
'社会的弱者への支援・援助',' 幼稚園','小中学校','高校']
r1=[86.2,77.4,82.6,58.6,56.2,87.4,76.3,86.2]
r2=[74.1,76.5,66.2,46.2,42.9,84.4,72.2,74.1]
fig=go.Figure(go.Scatterpolar(r=r1,theta=cat,name='ウプサラ県'))
fig.add_trace(go.Scatterpolar(r=r2,theta=cat,name='ストックホルム県'))
fig.update_layout(width=800,height=600,margin=dict(t=80,l=130,r=100,b=0),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの市政に対する住民の評価
（2022年）',
font_size=40,xanchor='left',x=0.05,y=0.92),
polar=dict(angularaxis_rotation=90,gridshape='linear',
radialaxis=dict(linewidth=0,range=[0,100],
tickfont_size=23)))
fig.show()
#################スライドP31（25. ポーラーチャート）##########################
import plotly.graph_objects as go
cat=['高校','成人教育','障がい者
向け活動','高齢者介護',
'社会的弱者への支援・援助',' 幼稚園','小中学校']
r1=[48.1,54.1,46.8,37.1,31.1,52.5,48.4]
r2=[26.0,22.5,19.5,9.1,11.8,31.9,23.8]
fig=go.Figure(go.Barpolar(r=r1,theta=cat,name='とても良い',
marker=dict(color='#5D9FFF',opacity = 0.5)))
fig.add_trace(go.Barpolar(r=r2,theta=cat,name='まあまあ良い',
marker=dict(color='#BEEE68',opacity = 0.6)))
fig.update_layout(width=800,height=600,margin=dict(t=80,l=130,r=100,b=0),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='ウプサラの市政に対する住民の評価
（2022年）',
font_size=40,xanchor='left',x=0.05,y=0.92),
polar=dict(angularaxis_rotation=90,
radialaxis=dict(linewidth=0,range=[0,100],
tickfont_size=25)))
fig.show()
#################スライドP32（26. デンドログラム）############################
import plotly.figure_factory as ff
import pandas as pd
import scipy.stats
df=pd.read_excel('DataVL.xlsx',sheet_name='Laen2')
df2=df[['MAge','MRent','DMigration','IMigration','TEdu','WHours','TFR','FHHouse']]
a=scipy.stats.zscore(df2.to_numpy())
fig=ff.create_dendrogram(a,labels=df['county'].values.tolist())
fig.update_layout(width=1000,height=800,margin=dict(t=110,r=10),
font_size=32,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの21県のデンドログラム',
font_size=45,x=0.53,y=0.95),
xaxis=dict(ticks='',range=(0,210)),
yaxis=dict(title='距離',tickvals=[0,2,4,6,8],
mirror=True,ticks='inside',tickwidth=2))
fig.show()
#################スライドP35（27. 平行座標プロット）##########################
import plotly.graph_objects as go
import pandas as pd
df = pd.read_excel('DataVL.xlsx',sheet_name='Laen2')
c=[[0,'red'],[0.5,'darkgreen'],[1,'#0066FF']]
a=['高等教育学歴','海外転入出','家賃', '持ち家率','出生率',
'平均年齢','週労働時間','国内転入出']
b=['TEdu','IMigration','MRent','FHHouse','TFR','MAge','WHours','DMigration']
rank=[21,20,11,9,2,1,7,16,15,18,3,17,5,8,10,6,13,14,4,19,12]
color=[1,1,0,0,0,0,0,2,0,1,0,1,0,0,0,0,0,0,0,1,0]
d=[dict(tickvals=rank,ticktext=df['county'],label='県',values=rank)]
for i in range(8):
d.append(dict(tickformat=',',label=a[i],values=df[b[i]]))
fig=go.Figure(go.Parcoords(line=dict(color=color,colorscale=c),dimensions=d))
fig.update_layout(width=1200,height=680,margin=dict(l=170, r=80, t=140, b=40),
font_size=24,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの21県の平行座標プロット',
font_size=45,x=0.53,y=0.96))
fig.show()
#################スライドP36（28. ヒートマップ）##############################
import plotly.figure_factory as ff
z=[[75.9,64.2,69.1,64.7],[86.6,77.6,74.6,73.8],[86.8,85.0,84.1,84.8],
[87.9,89.3,89.7,91.7],[90.2,92.9,93.3,94.9],[91.0,95.9,96.5,96.7]]
xlab=['18～29 ','30～49 ','50～64 ','65～ ']
ylab=['無所得','0～20','21～40','41～60','61～80','81～100']
fig=ff.create_annotated_heatmap(x=xlab,y=ylab,z=z,xgap=0,ygap=0,showscale=True)
fig.update_layout(width=850,height=680,margin=dict(t=100,l=220),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンの年齢・所得別国政選挙投票率
（2018年）',
font_size=40,xanchor='left',x=0,y=0.92),
xaxis=dict(title='年齢（歳）',titlefont_size=35,side='bottom'),
yaxis=dict(title='所得帯（下位からの%）',titlefont_size=35))
fig.show()
#################スライドP37（29. 階級区分図）################################
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='SweExport2022c')
df['Export']/=1000000
gt=['van der grinten4','orthographic']
fig=make_subplots(rows=1,cols=2,horizontal_spacing=0,
specs=[[dict(type='choropleth'),dict(type='choropleth')]])
for i in [1,2]:
fig.add_trace(go.Choropleth(locations=df['iso_alpha'],z=df['Export'],
colorscale ='Blues',name='輸出2022'),1,i)
fig.update_layout(width=1400,height=500,margin=dict(t=60,l=10,r=10,b=10),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンから世界各国・地域への輸出額'
'（2022年、単位：10億クローナ）',
font_size=39,x=0.5,y=0.98))
fig.update_layout({'geo'+str(i+1):dict(projection=(dict(type=gt[i],
rotation=dict(lat=35.7,lon=139.8)))) for i in range(2)})
fig.show()
#################スライドP38（30. 比例シンボルマップ）########################
import plotly.graph_objects as go
import pandas as pd
df=pd.read_excel('DataVL.xlsx',sheet_name='SweExport2022c')
df['Export']/=1000000
df=df.sort_values(['Export'],ascending=False)
fig=go.Figure(go.Scattergeo(locations=df['iso_alpha'],
marker=dict(size=df['Export'],sizemode='area',sizeref=0.1,
color=df['Export'],colorscale ='Bluered',
showscale=True),
name='輸出2022',showlegend=False,meta=df['Country'],
hovertemplate='%{meta}
%{marker.size:,.1f}
'))
fig.update_layout(width=1300,height=600,margin=dict(t=60,l=10,r=10,b=10),
font_size=28,font_color='darkblue',hoverlabel_font_size=25,
title=dict(text='スウェーデンから世界各国・地域への輸出額'
'（2022年、単位：10億クローナ）',
font_size=36,x=0.51,y=0.98),
geo_projection=(dict(type='natural earth',
rotation=dict(lat=35.7,lon=139.8))),
geo_showcountries=True)
fig.show()
#################スライドP39（31. ワードクラウド）############################
import plotly.graph_objects as go
import pandas as pd
from wordcloud import WordCloud
df=pd.read_excel('DataVL.xlsx',sheet_name='sampletext2')
text=' '.join(t.lower() for t in df['Text'])
sw=['en','det','med','ett','att','den','på','inom','är','var','i','vid','och',
'som','till','men','eller','för','om','denna','detta','från','av','vi','jag',
'du','ni','er','min','mitt','sin','sitt','under','sedan','enligt','har','inte',
'kan','ska','vara','gör','göra','han','hon','får','någon','något','några']
fig=go.Figure(go.Image(z=WordCloud(width=1200, height=800,background_color='white',
stopwords=sw).generate(text),hoverinfo='none'))
fig.update_layout(width=1200,height=850,margin=dict(l=0,r=0,t=100,b=0),
font_color='darkblue',
title=dict(text='スウェーデンの人名に関する法律の条文を可視化',
font_size=54,x=0.50,y=0.98),
xaxis_showticklabels=False,yaxis_showticklabels=False)
fig.show()
##############################################################################