目的
貿易統計のデータを使って、日本の輸出が増えてもいい品目と輸出国を探します。
(まだ途中です。。。。)
データ
2014の国連の貿易統計をまずはアップです。
データの形式は、sqlite3 なので、sqlite のクライアントがあればすぐに使えます。CSVからのインポートの手間はないです。
sqliteのクライアントは前々処理：サクサク使うSQL(準備) の記事を参考にしてください。CSVのインポートの作業は、国連の貿易統計では必要ありません。
データには、いくつかSQLテーブルが含まれています。使うものから説明していきます。
hs07_2014 国連のデータ
https://atlas.media.mit.edu/en/resources/data/ のデータを加工しています。
多国間データです。
| column | type | 説明 |
|---|---|---|
| year | TEXT | 2014だけです。 |
| origin | TEXT | 輸出元 |
| dest | TEXT | 輸出先 |
| hs07 | TEXT | HSコードです。６桁 2007年版のHSコードなんで、07になっています。桁とは関係ないです。 |
| export_val | REAL | 輸出額 ドル |
| import_val | REAL | 輸入額 ドル |
とりあえず日本からの輸出を集計してみます。
select sum(export_val) as Value from
hs07_2014
where origin = 'jpn'
まず、検証してみましょう。貿易のデータは食い違うことがしばしばあります。
貿易統計 世界 年度別 からのデータと付け合わせます。円ドルが、106円なのでまあよしです。
| 結果(ドル) | 貿易統計（1000円） | レート |
|---|---|---|
| 700494955079.218 | 74667047830 | 約106円/ドル |
練習（いちご）
まずは、ピンポイントでいきましょう。
２０１８年冬期オリンピックのカーリングで、女子チームがいちごを食べているのが話題になったので、いちごを調べてみます。
いちごのHSコード（貿易コード）は、081010 です。HSコード いちごでググるとすぐにみつかります。
select sum(export_val) as Value from
hs07_2014
where origin = 'jpn' and
hs07='081010'
結果は、5123537.29 ドル ５億円くらいでしょうか？ あまり多くありませんね。
貿易統計のデータでは,435585(千円）なので、少し食い違いますが、極端にずれていないのでいいでしょう。
2017年のデータが、ym_2017 のテーブルにはいっているのでみてみましょう。
hs6 は、６桁のHSコードの意味です。exp_imp は、輸出入です。1が輸出、2が輸入です。
文字列なので、検索の指定のときは、'1'のようにします。
select sum(Value) as Value
from ym_2017
where hs6='081010'
and exp_imp='1'
結果は、1798530（千円）なので、約１８億円です。結構のびています。
では、世界のいちごの輸出ランキングをみてみましょう。country_names から、
国名を取得して表示するSQL文です。
select c.name,sum(export_val) as Value from
hs07_2014 v,country_names c
where hs07='081010'
and v.origin = c.id_3char
group by origin
order by Value desc
limit 30
日本はかなり低いですね。
| 順位 | 国 | 金額（ドル） |
|---|---|---|
| 1 | Spain | 644852162.21 |
| 2 | United States | 462490434.25 |
| 3 | Mexico | 379354183.87 |
| 4 | Netherlands | 270990257.36 |
| 5 | Belgium-Luxembourg | 163326755.21 |
| 6 | Egypt | 101160115.16 |
| 7 | Greece | 60120021.42 |
| 8 | Morocco | 58601790.56 |
| 9 | Germany | 51896828.64 |
| 10 | Portugal | 43769106.58 |
| 11 | Italy | 43334781.98 |
| 12 | Poland | 31327981.21 |
| 13 | France | 30320605.09 |
| 14 | South Korea | 28845839.78 |
| 15 | Lithuania | 26613271.65 |
| 16 | Turkey | 19383274.8 |
| 17 | Jordan | 12166262.72 |
| 18 | Serbia | 11546347.16 |
| 19 | Australia | 11455728.07 |
| 20 | Ireland | 11184090.3 |
| 21 | Belarus | 6347812.74 |
| 22 | New Zealand | 6022905.45 |
| 23 | United Kingdom | 5725176.56 |
| 24 | Bulgaria | 5346816.73 |
| 25 | Japan | 5123537.29 |
| 26 | Moldova | 5104081.35 |
| 27 | China | 3486814.08 |
| 28 | Austria | 2975724.93 |
| 29 | Ethiopia | 1775101.27 |
| 30 | Sweden | 1580940.34 |