>>勉強の面倒を毎週見てくれる神サービスがこちら
【大学受験】勉強計画を立ててくれるサービス４選【費用・評判】2023年版
【大学受験】独学・通信・予備校のメリットとデメリットは？【全て経験した京大生が解説】
【超厳選5冊】読んで面白かった！京大生がオススメする本
【ひらがな認識AI①】データをゲットして使える型に変換しよう

【Pythonでe-Stat】利用登録＆DataFrame変換の方法を解説

データ分析・統計・数学
2022.08.12
この記事は約9分で読めます。

Pythonでe-Stat APIからデータをDataFrameとして取り込みたい…。

今回の記事では、

  • Pythonで
  • 政府統計e-StatのAPIを使って
  • PandasのDataFrameにデータを流しこみたい

という人向けに、そのやり方を詳しく解説します！

まずはユーザー登録

e-StatのWebサイトにアクセスし、右上にある「新規登録」をクリック。

自分のE-mailアドレスを入力して仮登録する。

メールが自動送信されてくるので、メール内のリンクをクリックすると「ユーザー本登録」の画面になる。

「利用する機能」の項目で「API機能」のところに✓が入っているかを確認してください。

パスワードを登録するか、ソーシャルアカウント連携を行うと本登録が完了します。

アプリケーションIDを取得する

本登録が完了すると、トップページの右上に「マイページ」が現れているはずです。（現れていなければログインしてください）

マイページに行くと「API機能(アプリケーションID発行)」というのがあるのでクリック。各種情報を入力しましょう。

・名称：何でもよい。自分がわかりやすい名前をつけてください。
・URL：ローカル環境でAPIを使う場合は「http://test.localhost/」と入力しておきましょう。
・概要：入力してもしなくてもOKです。

入力出来たら「発行」をクリックします。すると「appId」の項目の場所にアプリケーションIDが表示されます。

APIを使うために必須な情報なので、コピーしておきましょう（マイページにアクセスすればいつでも見られます）。

ここまでで、APIを使うための準備は完了です。

APIを使ってみよう

ではさっそく、実際にAPIを使ってみましょう。

解説で書いたことを、Classで書いてみたものになります。

import pandas as pd
class GetStatsData:
    def __init__(self, appId):
        self.appId = appId
        self.url = None
        self.urls = {"xml": None, "json": None, "csv": None}
        self.data_types = ["xml", "json", "csv"]
        
    def set_url(self, url):
        url_sp = url.split("appId=")
        self.url = url_sp[0] + "appId=" + self.appId + url_sp[1]
        u_head = self.url[:self.url.find("/app/")] + "/app/"
        u_tail = self.url[self.url.find("?appId="):]
        self.urls["xml"] = u_head + "getStatsData" + u_tail
        self.urls["json"] = u_head + "json/getStatsData" + u_tail
        self.urls["csv"] = u_head + "getSimpleStatsData" + u_tail
            
    def get_dataFrame(self, max_col=100):
        df = pd.read_csv(self.urls["csv"], names=range(max_col))
        idx = df[df[0]=="VALUE"].index[0]
        header = df.iloc[idx+1].values
        df_val = pd.DataFrame(df[idx+2:].values, columns=header)
        df_meta = df[:idx].set_index(0)
        df_val = df_val.dropna(axis=1, how="all")
        df_meta = df_meta.dropna(axis=1, how="all")
        return df_val, df_meta
    
    def get_url(self, dtype):
        return self.urls[dtype]
appId = ### アプリケーションID ###
URL = "http://api.e-stat.go.jp/rest/3.0/app/getSimpleStatsData?appId=&lang=J&statsDataId=0003317642&metaGetFlg=Y&cntGetFlg=N&explanationGetFlg=Y&annotationGetFlg=Y§ionHeaderFlg=1&replaceSpChars=0"
get_df = GetStatsData(appId)
get_df.set_url(URL)
val, meta = get_df.get_dataFrame()

ライブラリのインポート

import pandas as pd

データ取得のしくみ

e-Statでは、URLのパラメータをいじることでデータを取得することができます。

URLのパラメータというのは、URLの中の「？」以降（下に太字で示した）の部分を言います。

http://api.e-stat.go.jp/rest/3.0/app/getStatsData?appId=&lang=J&statsDataId=0003283047&metaGetFlg=Y&cntGetFlg=N&explanationGetFlg=Y&annotationGetFlg=Y&sectionHeaderFlg=1&replaceSpChars=0

よく見ると、
○○○＝△△△△△
という形が「＆」を介して繋がっています。

例えば
statsDataId=0003283047
は、統計表のIDを表しています。

他にもたくさんのパラメータを設定できますが、詳細はe-StatのAPI仕様をご覧ください。

e-StatのAPI仕様

URLを取得する方法

パラメータを指定することで、データを取得することができるのですが、一つ一つ設定しているのも面倒です。

なのでe-Statのサイトで直接、目的の統計データを検索して取得してしまいましょう。

例えば、交通事故の発生状況に関するデータを検索したら下のような画面になります。

そして「API」のボタンをクリックすると、次のような画面が出ます。

これをコピペしてデータにアクセスできます。

URLにappIDを埋め込もう

先ほど取得したURLをコピペして、そのままアクセスしても認証エラーとなります。

認証するためには、URLのパラメータappIDを指定する必要があります。

手動でコピーしたappIdを、下のように貼り付けてアクセスすることも可能です。

http://api.e-stat.go.jp/rest/3.0/app/getSimpleStatsData?appId={ここにアプリケーションIDをコピペ}&lang=J&statsDataId=0003317642&……

…しかし、いろいろな統計データにアクセスする場合には面倒になります。

なので、以下のように認証済みURLを生成するプログラムで自動化します。

URL = "http://api.e-stat.go.jp/rest/3.0/app/getStatsData?appId=&lang=J&statsDataId=0003283047&metaGetFlg=Y&cntGetFlg=N&explanationGetFlg=Y&annotationGetFlg=Y§ionHeaderFlg=1&replaceSpChars=0"
appId = ### ここにアプリケーションIDを入力 ###

url_sp = url.split("appId=")
url = url_sp[0] + "appId=" + appId + url_sp[1]
print(url)

CSVデータを読み込もう

URLを取得できたら、そこにアクセスしてPandasで読み込めばOK！

…と言いたいところですが、そのままpd.read_csv()として読み込んでも次のようなエラーが出てしまいます。

ParserError: Error tokenizing data. C error: Expected 2 fields in line 10, saw 3

「（CSVの）10行目に2列分のデータがあると思ったけど、3列も見つかっちゃいました！」

と言っているみたいです。どうやら、DataFrameの列数はCSVの1行目で決まるみたいです。

このエラーは、pd.read_csvの引数namesを指定することで解消できます。

# DataFrameの列名を「0,1,2, … ,99」と指定する
df = pd.read_csv(URL, names=range(100))

何列あるかはデータによってさまざまなので、上のコードでは大きめに見積もって100列分読み込む設定にしました。

こうして、CSVファイルをDataFrame化することができます。

「データ」と「統計表情報」を分割しよう

CSVを読み込むことはできましたが、先頭の十数行にはメタデータが記載されており、データ処理するときには邪魔になります。（下図参照）

なので、データが含まれる部分とそうでないメタデータ部分を分割する処理を施す必要があります。

幸い、CSVデータの中には分割する目印となるものがあります。

上図のように、VALUEが含まれる行より上は「メタデータ」で、VALUEより下は「データ」となっています。これを利用して分割します。

idx = df[df[0]=="VALUE"].index[0]
df_meta = pd.DataFrame(df[:idx]).set_index(0)
df_val = pd.DataFrame(df[idx+2:].values, columns=df.iloc[idx+1].values)

あとは、余分な部分（NaN）を消してやれば任務完了です！！

df_meta = df_meta.dropna(axis=1, how="all")
df_val = df_val.dropna(axis=1, how="all")
この記事は役に立ちましたか？
  • 役に立った 
  • ふつう 
  • 役に立たなかった 
▼▼よろしければこちらもご覧ください▼▼

記事への意見・感想はコチラ

タイトルとURLをコピーしました