https://www.e-stat.go.jp/ のデータを用いたheatmapによる可視化
ネット上の情報取得から、データ処理・解析、可視化までをnotebook上でワンストップで行う
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib
%matplotlib inline
%config InlineBackend.figure_format = 'retina'
# ガソリン販売量の都道府県別時系列データ
df0 = pd.read_csv('TimeSeriesResult_20220526074338419.csv')
# グラフ作成用のタイトルと規格化の際の基準年を取得
graphtitle = df0.columns[3]
ini_year = df0['時点'][0]
df0.tail()
時点 | 地域コード | 地域 | ガソリン販売量【kL】 | 注記 | |
---|---|---|---|---|---|
1675 | 2015年度 | 47000 | 沖縄県 | 593628 | NaN |
1676 | 2016年度 | 47000 | 沖縄県 | 700569 | NaN |
1677 | 2017年度 | 47000 | 沖縄県 | 691725 | NaN |
1678 | 2018年度 | 47000 | 沖縄県 | 699740 | NaN |
1679 | 2019年度 | 47000 | 沖縄県 | 691509 | NaN |
graphtitle
'ガソリン販売量【kL】'
# 注記列を削除
df0.drop(['注記'], axis=1, inplace=True)
df0.head()
時点 | 地域コード | 地域 | ガソリン販売量【kL】 | |
---|---|---|---|---|
0 | 1985年度 | 0 | 全国 | 38830050 |
1 | 1986年度 | 0 | 全国 | 39637821 |
2 | 1987年度 | 0 | 全国 | 40761056 |
3 | 1988年度 | 0 | 全国 | 42631380 |
4 | 1989年度 | 0 | 全国 | 43289512 |
df0.rename(columns={df0.columns[-1]:'data'}, inplace=True)
df0.head()
時点 | 地域コード | 地域 | data | |
---|---|---|---|---|
0 | 1985年度 | 0 | 全国 | 38830050 |
1 | 1986年度 | 0 | 全国 | 39637821 |
2 | 1987年度 | 0 | 全国 | 40761056 |
3 | 1988年度 | 0 | 全国 | 42631380 |
4 | 1989年度 | 0 | 全国 | 43289512 |
# 都道府県リストの取得
prefs = df0['地域'].unique().tolist()[1:]
print(prefs)
['北海道', '青森県', '岩手県', '宮城県', '秋田県', '山形県', '福島県', '茨城県', '栃木県', '群馬県', '埼玉県', '千葉県', '東京都', '神奈川県', '新潟県', '富山県', '石川県', '福井県', '山梨県', '長野県', '岐阜県', '静岡県', '愛知県', '三重県', '滋賀県', '京都府', '大阪府', '兵庫県', '奈良県', '和歌山県', '鳥取県', '島根県', '岡山県', '広島県', '山口県', '徳島県', '香川県', '愛媛県', '高知県', '福岡県', '佐賀県', '長崎県', '熊本県', '大分県', '宮崎県', '鹿児島県', '沖縄県']
a = df0.groupby('地域')
#a.get_group('北海道')
pref = prefs[0]
df = a.get_group(pref).rename(columns={'data': pref}).drop(['地域コード', '地域'], axis=1)
df.head()
時点 | 北海道 | |
---|---|---|
35 | 1985年度 | 1693383 |
36 | 1986年度 | 1669138 |
37 | 1987年度 | 1659235 |
38 | 1988年度 | 1694518 |
39 | 1989年度 | 1678936 |
for pref in prefs[1:]:
df_tmp = a.get_group(pref).rename(columns={'data': pref}).drop(['地域コード', '地域'], axis=1)
df = pd.merge(df, df_tmp, on='時点', how='left')
df
時点 | 北海道 | 青森県 | 岩手県 | 宮城県 | 秋田県 | 山形県 | 福島県 | 茨城県 | 栃木県 | ... | 愛媛県 | 高知県 | 福岡県 | 佐賀県 | 長崎県 | 熊本県 | 大分県 | 宮崎県 | 鹿児島県 | 沖縄県 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 1985年度 | 1693383 | 434891 | 434575 | 782702 | 380122 | 380921 | 715219 | 1054713 | 757472 | ... | 430556 | 270584 | 1601523 | 299694 | 404515 | 582845 | 379698 | 384990 | 559341 | 341592 |
1 | 1986年度 | 1669138 | 431426 | 422072 | 809936 | 382926 | 371785 | 712438 | 1088797 | 784129 | ... | 437271 | 278936 | 1659655 | 316865 | 407824 | 589272 | 379934 | 389229 | 574230 | 356124 |
2 | 1987年度 | 1659235 | 433148 | 413245 | 841658 | 384960 | 379744 | 730761 | 1135242 | 813348 | ... | 459069 | 284077 | 1655597 | 328561 | 410784 | 601072 | 395998 | 399095 | 589528 | 377631 |
3 | 1988年度 | 1694518 | 440975 | 422419 | 884598 | 392333 | 389182 | 764984 | 1202633 | 858000 | ... | 472233 | 296640 | 1766326 | 344782 | 427630 | 622669 | 410069 | 411383 | 621142 | 396566 |
4 | 1989年度 | 1678936 | 441769 | 427618 | 880260 | 399686 | 393028 | 771637 | 1227117 | 871196 | ... | 475147 | 299591 | 1700010 | 344533 | 443632 | 627062 | 417853 | 427102 | 618488 | 413114 |
5 | 1990年度 | 1673325 | 451916 | 438166 | 932488 | 409631 | 410272 | 755620 | 1293179 | 909897 | ... | 504668 | 310867 | 1754146 | 359423 | 463825 | 654577 | 446904 | 448034 | 645108 | 431937 |
6 | 1991年度 | 1676574 | 461971 | 434614 | 966639 | 418927 | 428512 | 761687 | 1359506 | 944101 | ... | 532672 | 320999 | 1793057 | 371975 | 477668 | 678226 | 461715 | 462661 | 658384 | 455993 |
7 | 1992年度 | 1704310 | 477162 | 442933 | 998577 | 428108 | 435966 | 791988 | 1413740 | 968467 | ... | 549546 | 331547 | 1843087 | 398896 | 495527 | 699573 | 481843 | 471985 | 682325 | 478367 |
8 | 1993年度 | 1731418 | 489397 | 446867 | 1031638 | 436676 | 445853 | 808409 | 1442981 | 976976 | ... | 578086 | 330165 | 1885740 | 413184 | 510196 | 719797 | 498876 | 490099 | 706587 | 504851 |
9 | 1994年度 | 1803810 | 512766 | 469344 | 1066437 | 457711 | 470750 | 850782 | 1489243 | 996690 | ... | 590352 | 338167 | 1963660 | 425594 | 531960 | 747916 | 517792 | 502798 | 739436 | 522389 |
10 | 1995年度 | 1894997 | 534184 | 495724 | 1094329 | 468129 | 482859 | 889576 | 1531351 | 1030624 | ... | 578143 | 345743 | 2038244 | 443293 | 559473 | 778876 | 525484 | 533507 | 738335 | 542538 |
11 | 1996年度 | 2002059 | 567398 | 523115 | 1073483 | 491275 | 503858 | 914433 | 1582166 | 1064454 | ... | 599063 | 350292 | 2124553 | 469148 | 589360 | 804792 | 550246 | 552917 | 763568 | 556914 |
12 | 1997年度 | 2116813 | 593814 | 545724 | 1125019 | 506975 | 510234 | 938546 | 1620826 | 1094672 | ... | 598837 | 346350 | 2201713 | 472190 | 595878 | 837968 | 556328 | 570011 | 756280 | 568404 |
13 | 1998年度 | 2211693 | 589622 | 563168 | 1179431 | 518548 | 507705 | 939448 | 1643318 | 1130406 | ... | 615594 | 354435 | 2294839 | 472901 | 593390 | 846195 | 566099 | 563248 | 775318 | 596427 |
14 | 1999年度 | 2325008 | 591943 | 587122 | 1229921 | 515228 | 530586 | 968331 | 1659206 | 1119923 | ... | 615570 | 354681 | 2365452 | 466276 | 609546 | 846208 | 577648 | 552330 | 817344 | 601552 |
15 | 2000年度 | 2340308 | 586749 | 599865 | 1288999 | 521753 | 547400 | 1007964 | 1670826 | 1114790 | ... | 602831 | 349422 | 2387625 | 420068 | 602241 | 818826 | 611058 | 566445 | 830122 | 596085 |
16 | 2001年度 | 2385597 | 605790 | 614167 | 1335597 | 528202 | 557850 | 1015691 | 1666416 | 1131548 | ... | 600185 | 348734 | 2497015 | 381787 | 611023 | 744515 | 592732 | 570950 | 846417 | 620340 |
17 | 2002年度 | 2511837 | 615432 | 634237 | 1396080 | 537847 | 574585 | 1032675 | 1746607 | 1162895 | ... | 630643 | 347777 | 2506279 | 390153 | 589536 | 731315 | 599853 | 565997 | 860297 | 621094 |
18 | 2003年度 | 2441244 | 632156 | 632153 | 1357484 | 551578 | 569283 | 992226 | 1752014 | 1168603 | ... | 594374 | 330054 | 2512537 | 397826 | 607140 | 725714 | 611773 | 570446 | 870834 | 636805 |
19 | 2004年度 | 2530065 | 616272 | 651237 | 1522763 | 563030 | 595764 | 1009517 | 1855612 | 1225371 | ... | 596323 | 334744 | 2562823 | 421046 | 628317 | 755245 | 614242 | 605804 | 891590 | 637663 |
20 | 2005年度 | 2547070 | 614801 | 636495 | 1424563 | 544445 | 602934 | 954391 | 1863864 | 1227184 | ... | 590930 | 323016 | 2570847 | 401523 | 629889 | 774369 | 607865 | 604852 | 911962 | 649763 |
21 | 2006年度 | 2541380 | 627079 | 623830 | 1333298 | 522293 | 585559 | 965168 | 1814043 | 1230919 | ... | 575640 | 305687 | 2468757 | 403658 | 607098 | 753258 | 614366 | 557961 | 904631 | 653340 |
22 | 2007年度 | 2482665 | 625301 | 623254 | 1252619 | 516186 | 552540 | 993746 | 1774539 | 1225814 | ... | 550121 | 302779 | 2401369 | 377192 | 601207 | 746226 | 605213 | 554332 | 900856 | 648052 |
23 | 2008年度 | 2361301 | 578811 | 598758 | 1241680 | 491537 | 517255 | 939250 | 1707568 | 1147617 | ... | 546631 | 284377 | 2381665 | 352859 | 563798 | 674620 | 571469 | 489331 | 865690 | 623976 |
24 | 2009年度 | 2454378 | 621430 | 628607 | 1311462 | 513485 | 508244 | 985136 | 1723484 | 1152377 | ... | 560314 | 285653 | 2337742 | 363198 | 594615 | 656154 | 594675 | 501030 | 875782 | 607857 |
25 | 2010年度 | 2471882 | 616161 | 626860 | 1322946 | 521458 | 506474 | 955770 | 1746620 | 1140632 | ... | 587866 | 284367 | 2306450 | 362774 | 604014 | 651095 | 617721 | 493536 | 919670 | 624094 |
26 | 2011年度 | 2420205 | 617063 | 625243 | 1272307 | 501426 | 499183 | 942225 | 1682682 | 1090565 | ... | 587953 | 268784 | 2394520 | 347157 | 564847 | 626033 | 609511 | 476543 | 883966 | 630471 |
27 | 2012年度 | 2380485 | 557829 | 609416 | 1339788 | 484682 | 491144 | 945262 | 1643748 | 1052859 | ... | 595723 | 263335 | 2282216 | 336542 | 566191 | 589022 | 570829 | 480153 | 861982 | 585226 |
28 | 2013年度 | 2377279 | 571909 | 610268 | 1322564 | 476090 | 492145 | 948520 | 1611086 | 1023566 | ... | 601391 | 262856 | 2111399 | 335745 | 561031 | 587561 | 568368 | 499067 | 862110 | 593407 |
29 | 2014年度 | 2247290 | 536993 | 589244 | 1300763 | 446247 | 480681 | 945467 | 1537635 | 991894 | ... | 621893 | 243061 | 1953430 | 316919 | 510340 | 558311 | 548664 | 476573 | 818572 | 580838 |
30 | 2015年度 | 2258355 | 569565 | 600048 | 1288213 | 448959 | 491235 | 963314 | 1565004 | 989434 | ... | 613347 | 252618 | 1989068 | 321293 | 505933 | 602373 | 563130 | 485837 | 841210 | 593628 |
31 | 2016年度 | 2265159 | 588525 | 604190 | 1281215 | 466402 | 501754 | 959639 | 1555425 | 1004189 | ... | 582550 | 285139 | 2022131 | 344629 | 496589 | 618117 | 565034 | 490520 | 849455 | 700569 |
32 | 2017年度 | 2236195 | 567525 | 600602 | 1259203 | 466266 | 488438 | 956515 | 1570048 | 1019132 | ... | 575728 | 293032 | 1974201 | 353790 | 506960 | 593969 | 559959 | 502837 | 773773 | 691725 |
33 | 2018年度 | 2198863 | 533095 | 589254 | 1228857 | 458231 | 468463 | 947401 | 1507581 | 1001266 | ... | 554581 | 285102 | 1879469 | 351778 | 489945 | 556444 | 532624 | 497083 | 735876 | 699740 |
34 | 2019年度 | 2225118 | 545105 | 581985 | 1162454 | 453343 | 454650 | 917709 | 1465234 | 979138 | ... | 518538 | 283223 | 1906267 | 346806 | 475386 | 534475 | 513007 | 459689 | 723378 | 691509 |
35 rows × 48 columns
# 列名を時点から年に変更
df.rename(columns={'時点': '年'},inplace=True)
# 年度を削除(ex. 2000年度 → 2000)
df['年'] = df['年'].apply(lambda x: x.replace('年度', ''))
df.set_index('年', inplace=True)
df
北海道 | 青森県 | 岩手県 | 宮城県 | 秋田県 | 山形県 | 福島県 | 茨城県 | 栃木県 | 群馬県 | ... | 愛媛県 | 高知県 | 福岡県 | 佐賀県 | 長崎県 | 熊本県 | 大分県 | 宮崎県 | 鹿児島県 | 沖縄県 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
年 | |||||||||||||||||||||
1985 | 1693383 | 434891 | 434575 | 782702 | 380122 | 380921 | 715219 | 1054713 | 757472 | 782923 | ... | 430556 | 270584 | 1601523 | 299694 | 404515 | 582845 | 379698 | 384990 | 559341 | 341592 |
1986 | 1669138 | 431426 | 422072 | 809936 | 382926 | 371785 | 712438 | 1088797 | 784129 | 798005 | ... | 437271 | 278936 | 1659655 | 316865 | 407824 | 589272 | 379934 | 389229 | 574230 | 356124 |
1987 | 1659235 | 433148 | 413245 | 841658 | 384960 | 379744 | 730761 | 1135242 | 813348 | 818464 | ... | 459069 | 284077 | 1655597 | 328561 | 410784 | 601072 | 395998 | 399095 | 589528 | 377631 |
1988 | 1694518 | 440975 | 422419 | 884598 | 392333 | 389182 | 764984 | 1202633 | 858000 | 850408 | ... | 472233 | 296640 | 1766326 | 344782 | 427630 | 622669 | 410069 | 411383 | 621142 | 396566 |
1989 | 1678936 | 441769 | 427618 | 880260 | 399686 | 393028 | 771637 | 1227117 | 871196 | 871392 | ... | 475147 | 299591 | 1700010 | 344533 | 443632 | 627062 | 417853 | 427102 | 618488 | 413114 |
1990 | 1673325 | 451916 | 438166 | 932488 | 409631 | 410272 | 755620 | 1293179 | 909897 | 912845 | ... | 504668 | 310867 | 1754146 | 359423 | 463825 | 654577 | 446904 | 448034 | 645108 | 431937 |
1991 | 1676574 | 461971 | 434614 | 966639 | 418927 | 428512 | 761687 | 1359506 | 944101 | 962987 | ... | 532672 | 320999 | 1793057 | 371975 | 477668 | 678226 | 461715 | 462661 | 658384 | 455993 |
1992 | 1704310 | 477162 | 442933 | 998577 | 428108 | 435966 | 791988 | 1413740 | 968467 | 996415 | ... | 549546 | 331547 | 1843087 | 398896 | 495527 | 699573 | 481843 | 471985 | 682325 | 478367 |
1993 | 1731418 | 489397 | 446867 | 1031638 | 436676 | 445853 | 808409 | 1442981 | 976976 | 1007637 | ... | 578086 | 330165 | 1885740 | 413184 | 510196 | 719797 | 498876 | 490099 | 706587 | 504851 |
1994 | 1803810 | 512766 | 469344 | 1066437 | 457711 | 470750 | 850782 | 1489243 | 996690 | 1043245 | ... | 590352 | 338167 | 1963660 | 425594 | 531960 | 747916 | 517792 | 502798 | 739436 | 522389 |
1995 | 1894997 | 534184 | 495724 | 1094329 | 468129 | 482859 | 889576 | 1531351 | 1030624 | 1057524 | ... | 578143 | 345743 | 2038244 | 443293 | 559473 | 778876 | 525484 | 533507 | 738335 | 542538 |
1996 | 2002059 | 567398 | 523115 | 1073483 | 491275 | 503858 | 914433 | 1582166 | 1064454 | 1089072 | ... | 599063 | 350292 | 2124553 | 469148 | 589360 | 804792 | 550246 | 552917 | 763568 | 556914 |
1997 | 2116813 | 593814 | 545724 | 1125019 | 506975 | 510234 | 938546 | 1620826 | 1094672 | 1112439 | ... | 598837 | 346350 | 2201713 | 472190 | 595878 | 837968 | 556328 | 570011 | 756280 | 568404 |
1998 | 2211693 | 589622 | 563168 | 1179431 | 518548 | 507705 | 939448 | 1643318 | 1130406 | 1141275 | ... | 615594 | 354435 | 2294839 | 472901 | 593390 | 846195 | 566099 | 563248 | 775318 | 596427 |
1999 | 2325008 | 591943 | 587122 | 1229921 | 515228 | 530586 | 968331 | 1659206 | 1119923 | 1144164 | ... | 615570 | 354681 | 2365452 | 466276 | 609546 | 846208 | 577648 | 552330 | 817344 | 601552 |
2000 | 2340308 | 586749 | 599865 | 1288999 | 521753 | 547400 | 1007964 | 1670826 | 1114790 | 1143622 | ... | 602831 | 349422 | 2387625 | 420068 | 602241 | 818826 | 611058 | 566445 | 830122 | 596085 |
2001 | 2385597 | 605790 | 614167 | 1335597 | 528202 | 557850 | 1015691 | 1666416 | 1131548 | 1141124 | ... | 600185 | 348734 | 2497015 | 381787 | 611023 | 744515 | 592732 | 570950 | 846417 | 620340 |
2002 | 2511837 | 615432 | 634237 | 1396080 | 537847 | 574585 | 1032675 | 1746607 | 1162895 | 1157626 | ... | 630643 | 347777 | 2506279 | 390153 | 589536 | 731315 | 599853 | 565997 | 860297 | 621094 |
2003 | 2441244 | 632156 | 632153 | 1357484 | 551578 | 569283 | 992226 | 1752014 | 1168603 | 1171979 | ... | 594374 | 330054 | 2512537 | 397826 | 607140 | 725714 | 611773 | 570446 | 870834 | 636805 |
2004 | 2530065 | 616272 | 651237 | 1522763 | 563030 | 595764 | 1009517 | 1855612 | 1225371 | 1247407 | ... | 596323 | 334744 | 2562823 | 421046 | 628317 | 755245 | 614242 | 605804 | 891590 | 637663 |
2005 | 2547070 | 614801 | 636495 | 1424563 | 544445 | 602934 | 954391 | 1863864 | 1227184 | 1350478 | ... | 590930 | 323016 | 2570847 | 401523 | 629889 | 774369 | 607865 | 604852 | 911962 | 649763 |
2006 | 2541380 | 627079 | 623830 | 1333298 | 522293 | 585559 | 965168 | 1814043 | 1230919 | 1351612 | ... | 575640 | 305687 | 2468757 | 403658 | 607098 | 753258 | 614366 | 557961 | 904631 | 653340 |
2007 | 2482665 | 625301 | 623254 | 1252619 | 516186 | 552540 | 993746 | 1774539 | 1225814 | 1270154 | ... | 550121 | 302779 | 2401369 | 377192 | 601207 | 746226 | 605213 | 554332 | 900856 | 648052 |
2008 | 2361301 | 578811 | 598758 | 1241680 | 491537 | 517255 | 939250 | 1707568 | 1147617 | 1193235 | ... | 546631 | 284377 | 2381665 | 352859 | 563798 | 674620 | 571469 | 489331 | 865690 | 623976 |
2009 | 2454378 | 621430 | 628607 | 1311462 | 513485 | 508244 | 985136 | 1723484 | 1152377 | 1139814 | ... | 560314 | 285653 | 2337742 | 363198 | 594615 | 656154 | 594675 | 501030 | 875782 | 607857 |
2010 | 2471882 | 616161 | 626860 | 1322946 | 521458 | 506474 | 955770 | 1746620 | 1140632 | 1103303 | ... | 587866 | 284367 | 2306450 | 362774 | 604014 | 651095 | 617721 | 493536 | 919670 | 624094 |
2011 | 2420205 | 617063 | 625243 | 1272307 | 501426 | 499183 | 942225 | 1682682 | 1090565 | 1010661 | ... | 587953 | 268784 | 2394520 | 347157 | 564847 | 626033 | 609511 | 476543 | 883966 | 630471 |
2012 | 2380485 | 557829 | 609416 | 1339788 | 484682 | 491144 | 945262 | 1643748 | 1052859 | 1002923 | ... | 595723 | 263335 | 2282216 | 336542 | 566191 | 589022 | 570829 | 480153 | 861982 | 585226 |
2013 | 2377279 | 571909 | 610268 | 1322564 | 476090 | 492145 | 948520 | 1611086 | 1023566 | 968566 | ... | 601391 | 262856 | 2111399 | 335745 | 561031 | 587561 | 568368 | 499067 | 862110 | 593407 |
2014 | 2247290 | 536993 | 589244 | 1300763 | 446247 | 480681 | 945467 | 1537635 | 991894 | 920283 | ... | 621893 | 243061 | 1953430 | 316919 | 510340 | 558311 | 548664 | 476573 | 818572 | 580838 |
2015 | 2258355 | 569565 | 600048 | 1288213 | 448959 | 491235 | 963314 | 1565004 | 989434 | 909993 | ... | 613347 | 252618 | 1989068 | 321293 | 505933 | 602373 | 563130 | 485837 | 841210 | 593628 |
2016 | 2265159 | 588525 | 604190 | 1281215 | 466402 | 501754 | 959639 | 1555425 | 1004189 | 907305 | ... | 582550 | 285139 | 2022131 | 344629 | 496589 | 618117 | 565034 | 490520 | 849455 | 700569 |
2017 | 2236195 | 567525 | 600602 | 1259203 | 466266 | 488438 | 956515 | 1570048 | 1019132 | 915326 | ... | 575728 | 293032 | 1974201 | 353790 | 506960 | 593969 | 559959 | 502837 | 773773 | 691725 |
2018 | 2198863 | 533095 | 589254 | 1228857 | 458231 | 468463 | 947401 | 1507581 | 1001266 | 900082 | ... | 554581 | 285102 | 1879469 | 351778 | 489945 | 556444 | 532624 | 497083 | 735876 | 699740 |
2019 | 2225118 | 545105 | 581985 | 1162454 | 453343 | 454650 | 917709 | 1465234 | 979138 | 884797 | ... | 518538 | 283223 | 1906267 | 346806 | 475386 | 534475 | 513007 | 459689 | 723378 | 691509 |
35 rows × 47 columns
解析結果をExcelで出力してやり取りする場合などに利用
# 整形データのExcel形式での保存
df.to_excel("gasoline_pref.xlsx")
# 整形済ファイルの読み込み(必要なら)
df = pd.read_excel(r'D:\Users\Desktop\gasoline_pref.xlsx')
df
年 | 北海道 | 青森県 | 岩手県 | 宮城県 | 秋田県 | 山形県 | 福島県 | 茨城県 | 栃木県 | ... | 愛媛県 | 高知県 | 福岡県 | 佐賀県 | 長崎県 | 熊本県 | 大分県 | 宮崎県 | 鹿児島県 | 沖縄県 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 1985 | 1693383 | 434891 | 434575 | 782702 | 380122 | 380921 | 715219 | 1054713 | 757472 | ... | 430556 | 270584 | 1601523 | 299694 | 404515 | 582845 | 379698 | 384990 | 559341 | 341592 |
1 | 1986 | 1669138 | 431426 | 422072 | 809936 | 382926 | 371785 | 712438 | 1088797 | 784129 | ... | 437271 | 278936 | 1659655 | 316865 | 407824 | 589272 | 379934 | 389229 | 574230 | 356124 |
2 | 1987 | 1659235 | 433148 | 413245 | 841658 | 384960 | 379744 | 730761 | 1135242 | 813348 | ... | 459069 | 284077 | 1655597 | 328561 | 410784 | 601072 | 395998 | 399095 | 589528 | 377631 |
3 | 1988 | 1694518 | 440975 | 422419 | 884598 | 392333 | 389182 | 764984 | 1202633 | 858000 | ... | 472233 | 296640 | 1766326 | 344782 | 427630 | 622669 | 410069 | 411383 | 621142 | 396566 |
4 | 1989 | 1678936 | 441769 | 427618 | 880260 | 399686 | 393028 | 771637 | 1227117 | 871196 | ... | 475147 | 299591 | 1700010 | 344533 | 443632 | 627062 | 417853 | 427102 | 618488 | 413114 |
5 | 1990 | 1673325 | 451916 | 438166 | 932488 | 409631 | 410272 | 755620 | 1293179 | 909897 | ... | 504668 | 310867 | 1754146 | 359423 | 463825 | 654577 | 446904 | 448034 | 645108 | 431937 |
6 | 1991 | 1676574 | 461971 | 434614 | 966639 | 418927 | 428512 | 761687 | 1359506 | 944101 | ... | 532672 | 320999 | 1793057 | 371975 | 477668 | 678226 | 461715 | 462661 | 658384 | 455993 |
7 | 1992 | 1704310 | 477162 | 442933 | 998577 | 428108 | 435966 | 791988 | 1413740 | 968467 | ... | 549546 | 331547 | 1843087 | 398896 | 495527 | 699573 | 481843 | 471985 | 682325 | 478367 |
8 | 1993 | 1731418 | 489397 | 446867 | 1031638 | 436676 | 445853 | 808409 | 1442981 | 976976 | ... | 578086 | 330165 | 1885740 | 413184 | 510196 | 719797 | 498876 | 490099 | 706587 | 504851 |
9 | 1994 | 1803810 | 512766 | 469344 | 1066437 | 457711 | 470750 | 850782 | 1489243 | 996690 | ... | 590352 | 338167 | 1963660 | 425594 | 531960 | 747916 | 517792 | 502798 | 739436 | 522389 |
10 | 1995 | 1894997 | 534184 | 495724 | 1094329 | 468129 | 482859 | 889576 | 1531351 | 1030624 | ... | 578143 | 345743 | 2038244 | 443293 | 559473 | 778876 | 525484 | 533507 | 738335 | 542538 |
11 | 1996 | 2002059 | 567398 | 523115 | 1073483 | 491275 | 503858 | 914433 | 1582166 | 1064454 | ... | 599063 | 350292 | 2124553 | 469148 | 589360 | 804792 | 550246 | 552917 | 763568 | 556914 |
12 | 1997 | 2116813 | 593814 | 545724 | 1125019 | 506975 | 510234 | 938546 | 1620826 | 1094672 | ... | 598837 | 346350 | 2201713 | 472190 | 595878 | 837968 | 556328 | 570011 | 756280 | 568404 |
13 | 1998 | 2211693 | 589622 | 563168 | 1179431 | 518548 | 507705 | 939448 | 1643318 | 1130406 | ... | 615594 | 354435 | 2294839 | 472901 | 593390 | 846195 | 566099 | 563248 | 775318 | 596427 |
14 | 1999 | 2325008 | 591943 | 587122 | 1229921 | 515228 | 530586 | 968331 | 1659206 | 1119923 | ... | 615570 | 354681 | 2365452 | 466276 | 609546 | 846208 | 577648 | 552330 | 817344 | 601552 |
15 | 2000 | 2340308 | 586749 | 599865 | 1288999 | 521753 | 547400 | 1007964 | 1670826 | 1114790 | ... | 602831 | 349422 | 2387625 | 420068 | 602241 | 818826 | 611058 | 566445 | 830122 | 596085 |
16 | 2001 | 2385597 | 605790 | 614167 | 1335597 | 528202 | 557850 | 1015691 | 1666416 | 1131548 | ... | 600185 | 348734 | 2497015 | 381787 | 611023 | 744515 | 592732 | 570950 | 846417 | 620340 |
17 | 2002 | 2511837 | 615432 | 634237 | 1396080 | 537847 | 574585 | 1032675 | 1746607 | 1162895 | ... | 630643 | 347777 | 2506279 | 390153 | 589536 | 731315 | 599853 | 565997 | 860297 | 621094 |
18 | 2003 | 2441244 | 632156 | 632153 | 1357484 | 551578 | 569283 | 992226 | 1752014 | 1168603 | ... | 594374 | 330054 | 2512537 | 397826 | 607140 | 725714 | 611773 | 570446 | 870834 | 636805 |
19 | 2004 | 2530065 | 616272 | 651237 | 1522763 | 563030 | 595764 | 1009517 | 1855612 | 1225371 | ... | 596323 | 334744 | 2562823 | 421046 | 628317 | 755245 | 614242 | 605804 | 891590 | 637663 |
20 | 2005 | 2547070 | 614801 | 636495 | 1424563 | 544445 | 602934 | 954391 | 1863864 | 1227184 | ... | 590930 | 323016 | 2570847 | 401523 | 629889 | 774369 | 607865 | 604852 | 911962 | 649763 |
21 | 2006 | 2541380 | 627079 | 623830 | 1333298 | 522293 | 585559 | 965168 | 1814043 | 1230919 | ... | 575640 | 305687 | 2468757 | 403658 | 607098 | 753258 | 614366 | 557961 | 904631 | 653340 |
22 | 2007 | 2482665 | 625301 | 623254 | 1252619 | 516186 | 552540 | 993746 | 1774539 | 1225814 | ... | 550121 | 302779 | 2401369 | 377192 | 601207 | 746226 | 605213 | 554332 | 900856 | 648052 |
23 | 2008 | 2361301 | 578811 | 598758 | 1241680 | 491537 | 517255 | 939250 | 1707568 | 1147617 | ... | 546631 | 284377 | 2381665 | 352859 | 563798 | 674620 | 571469 | 489331 | 865690 | 623976 |
24 | 2009 | 2454378 | 621430 | 628607 | 1311462 | 513485 | 508244 | 985136 | 1723484 | 1152377 | ... | 560314 | 285653 | 2337742 | 363198 | 594615 | 656154 | 594675 | 501030 | 875782 | 607857 |
25 | 2010 | 2471882 | 616161 | 626860 | 1322946 | 521458 | 506474 | 955770 | 1746620 | 1140632 | ... | 587866 | 284367 | 2306450 | 362774 | 604014 | 651095 | 617721 | 493536 | 919670 | 624094 |
26 | 2011 | 2420205 | 617063 | 625243 | 1272307 | 501426 | 499183 | 942225 | 1682682 | 1090565 | ... | 587953 | 268784 | 2394520 | 347157 | 564847 | 626033 | 609511 | 476543 | 883966 | 630471 |
27 | 2012 | 2380485 | 557829 | 609416 | 1339788 | 484682 | 491144 | 945262 | 1643748 | 1052859 | ... | 595723 | 263335 | 2282216 | 336542 | 566191 | 589022 | 570829 | 480153 | 861982 | 585226 |
28 | 2013 | 2377279 | 571909 | 610268 | 1322564 | 476090 | 492145 | 948520 | 1611086 | 1023566 | ... | 601391 | 262856 | 2111399 | 335745 | 561031 | 587561 | 568368 | 499067 | 862110 | 593407 |
29 | 2014 | 2247290 | 536993 | 589244 | 1300763 | 446247 | 480681 | 945467 | 1537635 | 991894 | ... | 621893 | 243061 | 1953430 | 316919 | 510340 | 558311 | 548664 | 476573 | 818572 | 580838 |
30 | 2015 | 2258355 | 569565 | 600048 | 1288213 | 448959 | 491235 | 963314 | 1565004 | 989434 | ... | 613347 | 252618 | 1989068 | 321293 | 505933 | 602373 | 563130 | 485837 | 841210 | 593628 |
31 | 2016 | 2265159 | 588525 | 604190 | 1281215 | 466402 | 501754 | 959639 | 1555425 | 1004189 | ... | 582550 | 285139 | 2022131 | 344629 | 496589 | 618117 | 565034 | 490520 | 849455 | 700569 |
32 | 2017 | 2236195 | 567525 | 600602 | 1259203 | 466266 | 488438 | 956515 | 1570048 | 1019132 | ... | 575728 | 293032 | 1974201 | 353790 | 506960 | 593969 | 559959 | 502837 | 773773 | 691725 |
33 | 2018 | 2198863 | 533095 | 589254 | 1228857 | 458231 | 468463 | 947401 | 1507581 | 1001266 | ... | 554581 | 285102 | 1879469 | 351778 | 489945 | 556444 | 532624 | 497083 | 735876 | 699740 |
34 | 2019 | 2225118 | 545105 | 581985 | 1162454 | 453343 | 454650 | 917709 | 1465234 | 979138 | ... | 518538 | 283223 | 1906267 | 346806 | 475386 | 534475 | 513007 | 459689 | 723378 | 691509 |
35 rows × 48 columns
df.iloc[0]
年 1985 北海道 1693383 青森県 434891 岩手県 434575 宮城県 782702 秋田県 380122 山形県 380921 福島県 715219 茨城県 1054713 栃木県 757472 群馬県 782923 埼玉県 1708484 千葉県 1817765 東京都 3325994 神奈川県 2007933 新潟県 765649 富山県 339008 石川県 489392 福井県 274474 山梨県 349869 長野県 793386 岐阜県 759389 静岡県 1366681 愛知県 2621339 三重県 637490 滋賀県 414620 京都府 717243 大阪府 2470184 兵庫県 1441104 奈良県 336446 和歌山県 345832 鳥取県 211087 島根県 251499 岡山県 652799 広島県 885347 山口県 516669 徳島県 273749 香川県 384359 愛媛県 430556 高知県 270584 福岡県 1601523 佐賀県 299694 長崎県 404515 熊本県 582845 大分県 379698 宮崎県 384990 鹿児島県 559341 沖縄県 341592 Name: 0, dtype: int64
df_norm = df.apply(lambda x : x/x.iloc[0])
df_norm.head()
年 | 北海道 | 青森県 | 岩手県 | 宮城県 | 秋田県 | 山形県 | 福島県 | 茨城県 | 栃木県 | ... | 愛媛県 | 高知県 | 福岡県 | 佐賀県 | 長崎県 | 熊本県 | 大分県 | 宮崎県 | 鹿児島県 | 沖縄県 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 |
1 | 1.000504 | 0.985683 | 0.992032 | 0.971229 | 1.034795 | 1.007377 | 0.976016 | 0.996112 | 1.032316 | 1.035192 | ... | 1.015596 | 1.030867 | 1.036298 | 1.057295 | 1.008180 | 1.011027 | 1.000622 | 1.011011 | 1.026619 | 1.042542 |
2 | 1.001008 | 0.979834 | 0.995992 | 0.950918 | 1.075324 | 1.012727 | 0.996910 | 1.021730 | 1.076352 | 1.073766 | ... | 1.066224 | 1.049866 | 1.033764 | 1.096322 | 1.015498 | 1.031272 | 1.042929 | 1.036637 | 1.053969 | 1.105503 |
3 | 1.001511 | 1.000670 | 1.013990 | 0.972028 | 1.130185 | 1.032124 | 1.021687 | 1.069580 | 1.140247 | 1.132715 | ... | 1.096798 | 1.096295 | 1.102904 | 1.150447 | 1.057143 | 1.068327 | 1.079987 | 1.068555 | 1.110489 | 1.160935 |
4 | 1.002015 | 0.991469 | 1.015815 | 0.983991 | 1.124643 | 1.051468 | 1.031783 | 1.078882 | 1.163461 | 1.150136 | ... | 1.103566 | 1.107201 | 1.061496 | 1.149616 | 1.096701 | 1.075864 | 1.100488 | 1.109385 | 1.105744 | 1.209378 |
5 rows × 48 columns
# 適当な都道府県を抽出
df_norm.iloc[:,[0,2,3,4,5,6,14]]
年 | 青森県 | 岩手県 | 宮城県 | 秋田県 | 山形県 | 神奈川県 | |
---|---|---|---|---|---|---|---|
0 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 |
1 | 1.000504 | 0.992032 | 0.971229 | 1.034795 | 1.007377 | 0.976016 | 1.042063 |
2 | 1.001008 | 0.995992 | 0.950918 | 1.075324 | 1.012727 | 0.996910 | 1.082001 |
3 | 1.001511 | 1.013990 | 0.972028 | 1.130185 | 1.032124 | 1.021687 | 1.140612 |
4 | 1.002015 | 1.015815 | 0.983991 | 1.124643 | 1.051468 | 1.031783 | 1.149825 |
5 | 1.002519 | 1.039148 | 1.008263 | 1.191370 | 1.077630 | 1.077053 | 1.190050 |
6 | 1.003023 | 1.062268 | 1.000090 | 1.235003 | 1.102086 | 1.124937 | 1.241979 |
7 | 1.003526 | 1.097199 | 1.019233 | 1.275807 | 1.126238 | 1.144505 | 1.281956 |
8 | 1.004030 | 1.125333 | 1.028285 | 1.318047 | 1.148779 | 1.170461 | 1.290129 |
9 | 1.004534 | 1.179068 | 1.080007 | 1.362507 | 1.204116 | 1.235821 | 1.342657 |
10 | 1.005038 | 1.228317 | 1.140710 | 1.398143 | 1.231523 | 1.267609 | 1.392858 |
11 | 1.005542 | 1.304690 | 1.203739 | 1.371509 | 1.292414 | 1.322736 | 1.401761 |
12 | 1.006045 | 1.365432 | 1.255765 | 1.437353 | 1.333717 | 1.339475 | 1.410825 |
13 | 1.006549 | 1.355793 | 1.295905 | 1.506871 | 1.364162 | 1.332835 | 1.427798 |
14 | 1.007053 | 1.361130 | 1.351026 | 1.571378 | 1.355428 | 1.392903 | 1.426194 |
15 | 1.007557 | 1.349186 | 1.380349 | 1.646858 | 1.372594 | 1.437043 | 1.533676 |
16 | 1.008060 | 1.392970 | 1.413259 | 1.706393 | 1.389559 | 1.464477 | 1.553538 |
17 | 1.008564 | 1.415141 | 1.459442 | 1.783667 | 1.414933 | 1.508410 | 1.589595 |
18 | 1.009068 | 1.453596 | 1.454646 | 1.734356 | 1.451055 | 1.494491 | 1.639575 |
19 | 1.009572 | 1.417072 | 1.498561 | 1.945521 | 1.481182 | 1.564009 | 1.717376 |
20 | 1.010076 | 1.413690 | 1.464638 | 1.820058 | 1.432290 | 1.582832 | 1.758733 |
21 | 1.010579 | 1.441922 | 1.435494 | 1.703455 | 1.374014 | 1.537219 | 1.711372 |
22 | 1.011083 | 1.437834 | 1.434169 | 1.600378 | 1.357948 | 1.450537 | 1.634325 |
23 | 1.011587 | 1.330933 | 1.377801 | 1.586402 | 1.293103 | 1.357906 | 1.452501 |
24 | 1.012091 | 1.428933 | 1.446487 | 1.675557 | 1.350843 | 1.334250 | 1.359479 |
25 | 1.012594 | 1.416817 | 1.442467 | 1.690229 | 1.371817 | 1.329604 | 1.331419 |
26 | 1.013098 | 1.418891 | 1.438746 | 1.625532 | 1.319119 | 1.310463 | 1.304111 |
27 | 1.013602 | 1.282687 | 1.402326 | 1.711747 | 1.275070 | 1.289359 | 1.301527 |
28 | 1.014106 | 1.315063 | 1.404287 | 1.689741 | 1.252466 | 1.291987 | 1.248998 |
29 | 1.014610 | 1.234776 | 1.355909 | 1.661888 | 1.173957 | 1.261892 | 1.213585 |
30 | 1.015113 | 1.309673 | 1.380770 | 1.645854 | 1.181092 | 1.289598 | 1.173489 |
31 | 1.015617 | 1.353270 | 1.390301 | 1.636913 | 1.226980 | 1.317213 | 1.159605 |
32 | 1.016121 | 1.304982 | 1.382045 | 1.608790 | 1.226622 | 1.282255 | 1.118666 |
33 | 1.016625 | 1.225813 | 1.355932 | 1.570019 | 1.205484 | 1.229817 | 1.102721 |
34 | 1.017128 | 1.253429 | 1.339205 | 1.485181 | 1.192625 | 1.193555 | 1.082666 |
df_norm.iloc[:,[1,2,3,4,5,6,14]].plot() # pandas の簡易プロット機能
plt.grid(True)
plt.title(graphtitle,fontsize=18)
plt.xlabel("年度", fontsize=16)
plt.ylabel(f"対{ini_year}比", fontsize=16);
import seaborn as sns
plt.figure(figsize=(15,8))
sns.heatmap(df, square=False, linewidth=0.2, robust=True)
# z軸範囲を指定する場合
#sns.heatmap(df, square=False, linewidth=0.2, robust=True, vmin=0.5*1E7, vmax=1.1*1E7)
plt.title(graphtitle, fontsize = 18)
plt.xlabel('都道府県', fontsize = 16)
plt.ylabel('年度', fontsize = 16);
plt.figure(figsize=(15,8))
sns.heatmap(df_norm, square=False, linewidth=0.2, robust=True, vmin=0.9, vmax=1.4, cmap='Blues')
plt.title(graphtitle, fontsize = 18)
plt.xlabel('都道府県', fontsize = 16)
plt.ylabel(f"対{ini_year}比", fontsize=16);
# List of colormap
print(dir(plt.cm))
['Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'ColormapRegistry', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens', 'Greens_r', 'Greys', 'Greys_r', 'Mapping', 'MutableMapping', 'OrRd', 'OrRd_r', 'Oranges', 'Oranges_r', 'PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1', 'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r', 'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu', 'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds', 'Reds_r', 'ScalarMappable', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r', 'Spectral', 'Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', '_DeprecatedCmapDictWrapper', '_LUTSIZE', '__builtin_cmaps', '__builtins__', '__cached__', '__doc__', '__file__', '__getattr__', '__loader__', '__name__', '__package__', '__spec__', '_api', '_cmap_registry', '_colormaps', '_gen_cmap_registry', 'afmhot', 'afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r', 'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cbook', 'cividis', 'cividis_r', 'cmap_d', 'cmaps_listed', 'colors', 'cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper', 'copper_r', 'cubehelix', 'cubehelix_r', 'datad', 'flag', 'flag_r', 'get_cmap', 'gist_earth', 'gist_earth_r', 'gist_gray', 'gist_gray_r', 'gist_heat', 'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow', 'gist_rainbow_r', 'gist_stern', 'gist_stern_r', 'gist_yarg', 'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r', 'gray', 'gray_r', 'hot', 'hot_r', 'hsv', 'hsv_r', 'inferno', 'inferno_r', 'jet', 'jet_r', 'ma', 'magma', 'magma_r', 'mpl', 'nipy_spectral', 'nipy_spectral_r', 'np', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'register_cmap', 'seismic', 'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10', 'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c', 'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight', 'twilight_r', 'twilight_shifted', 'twilight_shifted_r', 'unregister_cmap', 'viridis', 'viridis_r', 'winter', 'winter_r']
df_norm.loc[:,['北海道', '新潟県', '京都府', '沖縄県']].plot() # pandas の簡易プロット機能
plt.grid(True)
plt.title(graphtitle,fontsize=18)
plt.xlabel("年度", fontsize=16)
plt.ylabel(f"対{ini_year}比", fontsize=16);
# グラフの枠色等を指定
# 一括変更の場合は、ESC+F で、例えば Findに yellow、Replaceに yellow 等とすれば良い。
with plt.style.context('dark_background'):
plt.figure(figsize=(16,8))
plt.tick_params(axis='x', labelsize=12) # ここは colors と複数形
plt.tick_params(axis='y', labelsize=12) # ここは colors と複数形
sns.heatmap(df_norm, square=False, cmap='copper', annot=False,linewidth=0.1,
robust=True, cbar_kws={'label': 'Relative ratio'})
plt.title(graphtitle, fontsize = 22, pad=0.2)
plt.xlabel('都道府県', fontsize = 16)
plt.ylabel(f"対{ini_year}比", fontsize = 16)
# 枠・目盛設定
plt.tick_params(axis='x', labelsize=12)
plt.tick_params(axis='y', labelsize=12)
plt.tick_params(axis='y', labelsize=12)
#print(dir(plt.gca().collections[0].colorbar.ax.tick_params(colors='yellow')))
plt.gca().collections[0].colorbar.ax.yaxis.label.set_fontsize(14)
plt.xticks(rotation=75); # 回転角度指定
# グラフの保存(解像度:dpiを指定、透明化処理)
plt.savefig('pref_heatmap1.png', bbox_inches='tight', dpi=360, transparent=True);
# グラフの枠色等を指定
# 一括変更の場合は、ESC+F で、例えば Findに yellow、Replaceに yellow 等とすれば良い。
with plt.style.context('dark_background'):
plt.figure(figsize=(16,8))
plt.tick_params(axis='x', labelsize=12, colors='yellow') # ここは colors と複数形
plt.tick_params(axis='y', labelsize=12, colors='yellow') # ここは colors と複数形
sns.heatmap(df_norm, square=False, cmap='copper', annot=False,linewidth=0.1,
robust=True, cbar_kws={'label': 'Relative ratio'})
plt.title(graphtitle, fontsize = 22, color="yellow", pad=0.2)
plt.xlabel('都道府県', fontsize = 16, color="yellow")
plt.ylabel(f"対{ini_year}比", fontsize = 16, color="yellow")
plt.tick_params(axis='x', labelsize=12, color='yellow')
plt.tick_params(axis='y', labelsize=12, color='yellow')
# 枠・目盛色設定
plt.gca().spines['bottom'].set_color('yellow')
plt.gca().spines['top'].set_color('yellow')
plt.gca().spines['right'].set_color('yellow')
plt.gca().spines['left'].set_color('yellow')
plt.tick_params(axis='y', labelsize=12, colors='yellow')
#print(dir(plt.gca().collections[0].colorbar.ax.tick_params(colors='yellow')))
plt.gca().collections[0].colorbar.ax.tick_params(colors='yellow')
plt.gca().collections[0].colorbar.ax.yaxis.label.set_color('yellow')
plt.gca().collections[0].colorbar.ax.yaxis.label.set_fontsize(14)
plt.xticks(rotation=75); # 回転角度指定
# グラフの保存(解像度:dpiを指定、透明化処理)
plt.savefig('pref_heatmap2.png', bbox_inches='tight', dpi=360, transparent=True);