これまでに学んだデータの読み込み，条件による行の取り出し，可視化，代表値を使って，全国の市区町村の人口を調べよう．本章の問いは，市区町村には，どのくらいの人口があるのかである．
まず，全国の市区町村の人口の平均値と中央値を比べ，その違いを分布から考える．次に，人口が 0 人という記録の背景や，都道府県ごとの市区町村数を調べる．最後に，関心のある地域を一つ選んで，全国の結果と比較しよう．
全国の市区町村の人口を調べる．セクション A.2.4 で紹介している独立行政法人統計センターの SSDSE-A を使う．1 行が一つの市区町村に対応する．
SSDSE-A-2026.csv をダウンロードし，チャプター 4 と同じ手順でアップロードする．本章のコードは，上から順に実行する．このファイルは Shift_JIS で保存されており（セクション 4.10.2），先頭の 2 行には項目コードと年度が入っている．そこで，encoding="cp932" と header=2 を指定する．header=2 は，0 から数えて 2 行目，つまり 3 行目を列名として使う指定である．
import pandas as pd
import matplotlib.pyplot as plt
municipalities = pd.read_csv("SSDSE-A-2026.csv", encoding="cp932", header=2)
municipalities[["都道府県", "市区町村", "総人口"]].head()| 都道府県 | 市区町村 | 総人口 | |
|---|---|---|---|
| 0 | 北海道 | 札幌市 | 1973395 |
| 1 | 北海道 | 函館市 | 251084 |
| 2 | 北海道 | 小樽市 | 111299 |
| 3 | 北海道 | 旭川市 | 329306 |
| 4 | 北海道 | 室蘭市 | 82383 |
SSDSE-A には 125 の項目があるが，ここでは都道府県，市区町村，総人口の 3 列を使う．総人口 は，2020 年の国勢調査による人口である．東京都の 23 区は区ごとに 1 行となっているが，横浜市などの政令指定都市は，区に分けずに 1 行にまとめられている．
population = municipalities["総人口"]
mean_population = population.mean()
median_population = population.median()
print("市区町村の数:", len(population))
print("合計（人）:", population.sum())
print("平均値（人）:", round(mean_population))
print("中央値（人）:", round(median_population))市区町村の数: 1741
合計（人）: 126146099
平均値（人）: 72456
中央値（人）: 23426round(x) は，x を最も近い整数に丸める．
1,741 の市区町村の人口の合計は 126,146,099 人であり，2020 年の日本の人口に等しい．平均値は，この合計を 1,741 で割った約 7 万 2 千人である．一方，中央値は約 2 万 3 千人であり，平均値は中央値の 3 倍以上ある．
平均値を下回る市区町村の数を数えてみよう．
below_mean = municipalities[population < mean_population]
print("平均値を下回る市区町村の数:", len(below_mean))
print("割合:", round(len(below_mean) / len(population), 3))平均値を下回る市区町村の数: 1354
割合: 0.7781,741 市区町村のうち 1,354 市区町村，つまり約 78% の市区町村で，人口が平均値を下回る．平均値を引き上げているのは，人口の多い一部の市である．人口が 100 万人以上の市区町村を取り出す．
large_cities = municipalities[population >= 1000000]
large_cities[["都道府県", "市区町村", "総人口"]]| 都道府県 | 市区町村 | 総人口 | |
|---|---|---|---|
| 0 | 北海道 | 札幌市 | 1973395 |
| 252 | 宮城県 | 仙台市 | 1096704 |
| 510 | 埼玉県 | さいたま市 | 1324025 |
| 689 | 神奈川県 | 横浜市 | 3777491 |
| 690 | 神奈川県 | 川崎市 | 1538262 |
| 984 | 愛知県 | 名古屋市 | 2332176 |
| 1086 | 京都府 | 京都市 | 1463723 |
| 1112 | 大阪府 | 大阪市 | 2752412 |
| 1155 | 兵庫県 | 神戸市 | 1525152 |
| 1330 | 広島県 | 広島市 | 1200754 |
| 1468 | 福岡県 | 福岡市 | 1612392 |
人口が 100 万人以上の市は 11 市あり，最も人口の多い横浜市の人口は 377 万人を超える．なお，国勢調査の報告書では，東京都の 23 区をまとめた「特別区部」を 1 市として数えるため，人口が 100 万人以上の市は 12 市となる．
人口の分布もヒストグラムで確かめよう．横軸を万人単位にするため，人口を 10,000 で割ってから描く．全 1,741 市区町村のデータでグラフを作り，人口の少ない側を詳しく見るため，plt.xlim(0, 20) で 0〜20 万人の範囲を表示する．20 万人を超える 130 市区町村は，表示範囲の外にある．平均値と中央値の線も，全市区町村から計算した値を使う．
plt.figure(figsize=(7, 4))
plt.hist(population / 10000, bins=range(0, 401), edgecolor="white", color="steelblue")
plt.axvline(mean_population / 10000, color="black", linestyle="--", label="Mean")
plt.axvline(median_population / 10000, color="black", linestyle=":", label="Median")
plt.xlabel("Population (10,000 people)")
plt.ylabel("Number of municipalities")
plt.xlim(0, 20)
plt.legend()
plt.tight_layout()
plt.show()
図 9.1 では，人口が少ない側に多くの市区町村が集まっている．先ほど取り出した大都市などは，図の表示範囲よりも右側にある．人口が多い一部の市の影響を受ける平均値は，中央値よりも右側に位置している．
最も人口の少ない市区町村も確かめておこう．population.min() は，最小値を返す．
print("最小値（人）:", population.min())最小値（人）: 0最小値は 0 人である．どの市区町村かを調べる．
no_residents = municipalities[population == 0]
no_residents[["都道府県", "市区町村", "総人口"]]| 都道府県 | 市区町村 | 総人口 | |
|---|---|---|---|
| 401 | 福島県 | 双葉町 | 0 |
人口が 0 なのは，福島県の双葉町である．これは入力の誤りではない．双葉町では，2011 年の東京電力福島第一原子力発電所の事故の後，町の全域に避難指示が出された．2020 年 3 月に町の一部で避難指示が解除されたが，町内に再び住めるようになったのは 2022 年 8 月である．2020 年の国勢調査の時点では，町内に住んでいる人がいなかったため，人口は 0 となっている．
最頻値は，カテゴリのデータにも使える．都道府県 の列の最頻値は，最も多くの行に現れる都道府県，つまり市区町村の数が最も多い都道府県を表す．
print(municipalities["都道府県"].mode())
hokkaido = municipalities[municipalities["都道府県"] == "北海道"]
print("北海道の市区町村の数:", len(hokkaido))0 北海道
Name: 都道府県, dtype: object
北海道の市区町村の数: 179市区町村の数が最も多いのは北海道で，179 の市町村がある．
練習 9.1 (身近な地域の人口を調べる) 本文で読み込んだ SSDSE-A のデータを使い，出身地や住んでいる地域など，関心のある都道府県を一つ選んで，市区町村の人口を調べよう．人口は 2020 年の国勢調査によるものである．
ヒント：神奈川県の行は，次のように取り出せる．"神奈川県" を，選んだ都道府県の名前に置き換えよう．
selected = municipalities[municipalities["都道府県"] == "神奈川県"]最大値は，Series の .max() で求められる．
全国の市区町村の人口は，平均値が約 7 万 2 千人，中央値が約 2 万 3 千人であった．人口が多い一部の市が平均値を引き上げており，約 78% の市区町村の人口は平均値を下回っていた．市区町村の人口を説明するときは，一つの代表値だけでなく，分布や大きな値も確かめることが大切である．
また，双葉町の例のように，数値を読む際には調査の時点と地域の背景も確認しよう．練習 9.1 で調べた地域についても，平均値と中央値，人口が最も多い市区町村を手がかりに，わかったことを 2〜3 文でまとめてみよう．