Help us understand the problem. What is going on with this article?

コロプレス・マップで東京23区への来訪者を可視化する

新型コロナが全世界に蔓延しはじめ、日本でも外出自粛が続いています。

そんななか、ヤフーさんが東京への来訪者の推計を行っているレポートが公開しており、同時に「東京23区滞在人口推計値の日別遷移(全体・来訪者・住人)」という推計データも公開しています。Excelデータなので、すぐに見ることができます。

ヤフーさんのように積極的に情報公開する企業の姿勢は素晴らしいですね!
今回は、このデータをコロプレス・マップ(階級区分図)で可視化してみましょう〜

コロプレス・マップとは

wikipediaによれば、「階級区分図(かいきゅうくぶんず、英: choropleth map)は、主題図の一種であり、国民所得や人口密度など統計数値に合わせて色調を塗り分けた地図」のことだそうです。

階級区分図のイメージ
アメリカ合衆国の階級区分図のイメージ

データ加工

Excelの表形式のデータなので、JSON形式にしたいですね。jupyter notebookで前処理します。詳細はここでは省略しますが、およそこんな感じ。

  1. データをpandasで読み込む。
  2. セルの結合とかでデータの欠損があるところを埋めておく。
  3. 23区名称で自治体コードを突合する。
  4. Excelの日付のシリアル値をUnixtimestampに変換する。
  5. 推計データをRGBに変換する。
  6. JSONで書き出す。

データのイメージは以下の通りです。

{
    "Category" : "全体",
    "DistrictName" : "新宿区",
    "Districtcode" : "13104",
    "RGB" : [ 245, 171, 0 ],
    "Value" : 917000,
    "ts" : 1583334000000
  }

データの準備

firebaseへのデータインポート

firebaseにjson形式のデータを直接インポートします。

enebularのデータソースを設定する

設定の詳細は、こちらのドキュメントを参照してください。

infomotionを準備する

infotypeのインポート

enebularのinfotypeにコロプレス・マップがあります。今回は東京都のinfotypeを自分のプロジェクトにインポートします。

infomotionの作成

enebularのinfotypeとデータソースをinfomotion上で紐付けます。
Manage Graphsから設定を行います。

image.png

「来訪者」でフィルタをします。

完成

完成したinfomotionはこちらです。
赤ければ赤いほど人口が多いことを示しています。来訪者は千代田区が一番多いようですね。

tokyo-population-20200201.gif

まとめ

enebularのdiscoverにある東京都のinfotypeを使って、yahoo提供データを可視化をしました。infomotionの機能でコロプレス・マップ(階級区分図)のアニメーションを簡単に作成できました。enebularのdiscoverには、日本の都道府県のコロプレス・マップが一通りそろっていますので、ぜひ可視化にチャレンジしてみてください。

出典:ヤフー・データソリューション

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした