全国知事会の知事ファイルから現職の知事をスクレイピング

import datetime
import re

import pandas as pd
import matplotlib.pyplot as plt


def wareki2date(s):

    m = re.search("(昭和|平成|令和)([ 0-9元]{1,2})年( [0-9]{1,2})月([ 0-9]{1,2})日", s)

    if m:

        year, month, day = [1 if i == "元" else int(i.strip()) for i in m.group(2, 3, 4)]

        if m.group(1) == "昭和":
            year += 1925
        elif m.group(1) == "平成":
            year += 1988
        elif m.group(1) == "令和":
            year += 2018

        return pd.Timestamp(year, month, day)

    else:
        return pd.NaT


df = pd.read_html("http://www.nga.gr.jp/app/chijifile/", attrs={"summary": "検索結果一覧"})[0]

# 和暦を西暦に変換
df["生年月日"] = df["生年月日"].apply(wareki2date)
df["選挙施行日"] = df["選挙施行日"].apply(wareki2date)
df["任期満了日"] = df["任期満了日"].apply(wareki2date)
df["就任年月"] = df["就任年月"].apply(wareki2date)

df["年齢"] = df["年齢"].str.rstrip("歳").astype(int)

年齢

df["年齢"].value_counts(bins=[30,40,45,50,55,60,65,70,75,80]).sort_index().plot.bar()

df["年齢"].describe()

count 47.000000
mean 61.680851
std 9.273868
min 39.000000
25% 56.000000
50% 60.000000
75% 69.500000
max 78.000000
Name: 年齢, dtype: float64

当選回数

df["当選回数"].describe()

count 47.000000
mean 2.765957
std 1.447828
min 1.000000
25% 1.000000
50% 3.000000
75% 4.000000
max 7.000000
Name: 当選回数, dtype: float64

全国市長会

全国市長会の一覧は名前しか載っていない