円ドル為替レート（実勢相場と購買力平価）のグラフ化

はじめに

円ドル為替レートの推移を実勢相場とともに購買力平価（消費者物価、企業物価指数、輸出物価基準のもの）を描いてみた。
データは、公益財団法人国際通貨研究所（ https://www.iima.or.jp/ ）から出されているExcelファイルのデータ（ https://www.iima.or.jp/docs/ppp/pppdata.xlsx ）にもとづいている。
もともとグラフも提供されているので描画の必要はないが、Excelファイルの読み込みの備忘録。
（2024/6/12追記）
輸出物価が90年基準から、他の物価指数同様に73年基準に変更されていたので、コードを若干修正した。

コード

今回はmatplotlibでグラフを描くので、日本語フォントの準備から。

pip install japanize_matplotlib

以下、コード本体。

# モジュールの読み込み
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import matplotlib.dates as mdates
import japanize_matplotlib

# データの読み込み
url = "https://www.iima.or.jp/docs/ppp/pppdata.xlsx"
sheet_name = "ドル円（USD JPY）"
data = pd.read_excel(url, sheet_name=sheet_name, skiprows=2, dtype=str)

# データの前処理
blocks = [data.iloc[:, i:i+7] for i in range(0, data.shape[1], 7)]
blocks = [block.iloc[:, :-1] for block in blocks[:-1]] + [blocks[-1]]

combined_df = pd.DataFrame()

for block in blocks:
    block = block.copy()
    block.columns = ['Year', 'Month', 'Monthly Average' , 'CPI', 'CGPI', 'EPI']
    block = block.iloc[1:, :]
    block['Year'] = block['Year'].fillna(method='ffill')
    block.dropna(subset=['Monthly Average', 'CPI', 'CGPI', 'EPI'], how='all', inplace=True)
    block['Date'] = pd.to_datetime(block['Year'].astype(str) + '/' + block['Month'].astype(str), format='%Y/%m')
    block.drop(['Year', 'Month'], axis=1, inplace=True)
    block.set_index('Date', inplace=True)
    for col in ['Monthly Average', 'CPI', 'CGPI', 'EPI']:
        block[col] = block[col].astype(float)
    combined_df = pd.concat([combined_df, block])

# グラフの描画
plt.figure(figsize=(15, 10))
plt.title(
    f'円ドル為替レート：実勢相場と購買力平価\n{combined_df.index.min().strftime("%Y/%m")}～{combined_df.index.max().strftime("%Y/%m")}', 
    fontsize=20
)
plt.xlabel('年', fontsize=15)
plt.ylabel('為替レート（円/ドル）', fontsize=15)

for col, label in zip(
    ['Monthly Average', 'CPI', 'CGPI', 'EPI'],
    ['実勢レート', '消費者物価PPP（73年基準）', '企業物価PPP（73年基準）', '輸出物価PPP（73年基準）']
):
    plt.plot(combined_df[col], linewidth=2 if col == 'Monthly Average' else 1, label=f'{label}：{combined_df[col].iloc[-1]:.2f}')

plt.gca().xaxis.set_major_locator(ticker.FixedLocator(
    mdates.date2num(pd.date_range(start='1980', end='2021', freq='10YS').to_pydatetime())
))
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y'))

plt.legend(fontsize=12)
plt.show()

• 出力
  

おわりに

このExcelファイルは、1970年代から10年ごとにデータがブロック化され、再利用がしづらくなっている。私の能力で整理するのはなかな大変だった。