交流人口増加による
愛媛県の活性化

# 現行 SSDSE-B-2026 には観光統計 G7101(延べ宿泊者数)・G7102(外国人延べ宿泊者数) が
# 都道府県×年で収録されている。原論文のテーマ「外国人の交流人口」を実データで扱える
# 唯一の入口。データ仕様: cp932・先頭列 SSDSE-B-2026=年度・2行目(コード名/単位)は skiprows。
dfb = pd.read_csv(DATA_B, encoding='cp932', header=0, skiprows=[1])
tour = dfb[['SSDSE-B-2026', 'Prefecture', 'G7101', 'G7102']].copy()
tour.columns = ['年度', '都道府県', '延べ宿泊者数', '外国人延べ宿泊者数']
tour['延べ宿泊者数'] = pd.to_numeric(tour['延べ宿泊者数'], errors='coerce')
tour['外国人延べ宿泊者数'] = pd.to_numeric(tour['外国人延べ宿泊者数'], errors='coerce')
# 全国行を除き、都道府県のみ・外国人延べ宿泊者数が得られる年だけ残す
tour = tour[tour['都道府県'] != '全国'].dropna(subset=['外国人延べ宿泊者数'])

# 原論文は「愛媛は外国人の交流人口が少ないので増やそう」と主張する。その現状を、
# 現行 SSDSE-B の外国人延べ宿泊者数(G7102・2023年)で全国ランキングにして確かめる。
# 愛媛県を強調色にして、47都道府県中の位置づけを可視化する（実データの実再現）。
d23 = tour[tour['年度'] == 2023].sort_values('外国人延べ宿泊者数')
short = d23['都道府県'].map(short_name)
colors = ['#C62828' if p == '愛媛県' else '#3949AB' for p in d23['都道府県']]

fig1, ax1 = plt.subplots(figsize=(10, 12))
ax1.barh(short, d23['外国人延べ宿泊者数'] / 1e6, color=colors, alpha=0.85,
         edgecolor='white', linewidth=0.4)
for y, (v, p) in enumerate(zip(d23['外国人延べ宿泊者数'], d23['都道府県'])):
    ax1.text(v / 1e6 + 0.3, y, f'{v/1e6:.2f}', va='center',
             fontsize=8, color='#C62828' if p == '愛媛県' else '#333',
             fontweight='bold' if p == '愛媛県' else 'normal')
ax1.set_title('図1 外国人延べ宿泊者数 都道府県別ランキング（2023年）\n'
              '【実SSDSE-B-2026・G7102 からの実再現／赤＝愛媛県】',
              fontsize=13, fontweight='bold', pad=12)
ax1.set_xlabel('外国人延べ宿泊者数（百万人泊）', fontsize=11)
ax1.grid(axis='x', alpha=0.3)
plt.tight_layout()
fig1.savefig(os.path.join(FIG_DIR, '2018_H3_fig1.png'), bbox_inches='tight')
plt.close(fig1)

# 原論文の仮説「交流人口(外国人)が増えれば財政力が強化されるのでは」の根拠が表1。
# 財政力指数 上位10県と 外国人訪問者数 上位10県を並べ、7県が一致することを示した。
# 元データ（総務省 財政力指数／観光庁・JNTO 訪問者数）は SSDSE に無いため、
# ここは原論文 表1 の報告値を転記して可視化する（再計算ではない）。
zaisei = [('東京都', 0.93), ('神奈川県', 0.92), ('愛知県', 0.92), ('千葉県', 0.76),
          ('埼玉県', 0.76), ('大阪府', 0.74), ('静岡県', 0.69), ('茨城県', 0.62),
          ('兵庫県', 0.60), ('福岡県', 0.60)]
gaikoku = [('東京都', 6898247), ('大阪府', 3738251), ('京都府', 2940957),
           ('神奈川県', 1651064), ('千葉県', 1568254), ('愛知県', 1227835),
           ('福岡県', 1195907), ('北海道', 1042728), ('兵庫県', 828799),
           ('山梨県', 644216)]
set_z = {p for p, _ in zaisei}
set_g = {p for p, _ in gaikoku}
both = set_z & set_g  # 財政力・外国人訪問者数の両方で上位10に入る県

fig2, (axL, axR) = plt.subplots(1, 2, figsize=(13, 7))
zp = [short_name(p) for p, _ in zaisei][::-1]
zv = [v for _, v in zaisei][::-1]
zc = ['#E65100' if p in both else '#90A4AE' for p, _ in zaisei][::-1]
axL.barh(zp, zv, color=zc, alpha=0.9, edgecolor='white')
for y, v in enumerate(zv):
    axL.text(v + 0.005, y, f'{v:.2f}', va='center', fontsize=9)
axL.set_title('財政力指数 上位10県', fontsize=12, fontweight='bold')
axL.set_xlabel('財政力指数', fontsize=10)
axL.set_xlim(0, 1.02)
gp = [short_name(p) for p, _ in gaikoku][::-1]
gv = [v / 1e6 for _, v in gaikoku][::-1]
gc = ['#E65100' if p in both else '#90A4AE' for p, _ in gaikoku][::-1]
axR.barh(gp, gv, color=gc, alpha=0.9, edgecolor='white')
for y, v in enumerate(gv):
    axR.text(v + 0.05, y, f'{v:.2f}', va='center', fontsize=9)
axR.set_title('外国人訪問者数 上位10県（百万人）', fontsize=12, fontweight='bold')
axR.set_xlabel('外国人訪問者数（百万人）', fontsize=10)
fig2.suptitle('図2 財政力指数と外国人訪問者数の上位十県（オレンジ＝両方に入る7県）\n'
              '【原論文 表1 の報告値の可視化（再計算ではない）】',
              fontsize=13, fontweight='bold', y=1.02)
plt.tight_layout()
fig2.savefig(os.path.join(FIG_DIR, '2018_H3_fig2.png'), bbox_inches='tight')
plt.close(fig2)

# 原論文 図9「四国外国人訪問者数推移」で著者は『2014年から香川県と愛媛県の間に開きが
# 現れ始めた』と指摘した。これを現行 SSDSE-B の外国人延べ宿泊者数(G7102)で実再現する。
# 指標（訪問者数 vs 延べ宿泊者数）も年も原論文と異なるが、傾向を実データで確かめる。
shikoku = ['香川県', '愛媛県', '高知県', '徳島県']
piv = (tour[tour['都道府県'].isin(shikoku)]
       .pivot(index='年度', columns='都道府県', values='外国人延べ宿泊者数')
       .sort_index())
style = {'香川県': ('#E65100', 'o'), '愛媛県': ('#C62828', 's'),
         '高知県': ('#2E7D32', '^'), '徳島県': ('#3949AB', 'D')}

fig3, ax3 = plt.subplots(figsize=(11, 7))
for pref in shikoku:
    c, m = style[pref]
    lw = 2.8 if pref in ('香川県', '愛媛県') else 1.6
    ax3.plot(piv.index, piv[pref] / 1e3, marker=m, color=c, linewidth=lw,
             markersize=6, label=short_name(pref), alpha=0.9)
ax3.axvline(2014, color='gray', linestyle=':', linewidth=1.5)
ax3.text(2014.15, ax3.get_ylim()[1] * 0.9, '2014年頃から\n香川と愛媛の差が拡大',
         fontsize=9, color='gray')
ax3.set_title('図3 四国4県 外国人延べ宿泊者数の推移\n'
              '【実SSDSE-B-2026・G7102 からの実再現（原論文 図9 の再表現）】',
              fontsize=13, fontweight='bold', pad=12)
ax3.set_xlabel('年', fontsize=11)
ax3.set_ylabel('外国人延べ宿泊者数（千人泊）', fontsize=11)
ax3.legend(fontsize=11, loc='upper left')
ax3.grid(alpha=0.3)
plt.tight_layout()
fig3.savefig(os.path.join(FIG_DIR, '2018_H3_fig3.png'), bbox_inches='tight')
plt.close(fig3)

# 原論文の方策IIは「四国遍路によるリピーター獲得」。その根拠が図8（外国人歩き遍路
# 達成者の急増）。出典は松山お遍路交流サロンで SSDSE には無いため、原論文 図8 の
# 報告値（2004〜2017年）を転記して可視化する（再計算ではない）。
years = list(range(2004, 2018))
henro = [0, 10, 34, 33, 44, 63, 78, 63, 79, 98, 129, 184, 221, 322]

fig4, ax4 = plt.subplots(figsize=(11, 6.5))
ax4.bar(years, henro, color='#6A1B9A', alpha=0.85, edgecolor='white')
for x, v in zip(years, henro):
    ax4.text(x, v + 4, str(v), ha='center', fontsize=8)
ax4.set_title('図4 外国人歩き遍路 達成者数の推移\n'
              '【原論文 図8 の報告値の可視化（再計算ではない・出典:松山お遍路交流サロン）】',
              fontsize=13, fontweight='bold', pad=12)
ax4.set_xlabel('年', fontsize=11)
ax4.set_ylabel('外国人歩き遍路 達成者数（人）', fontsize=11)
ax4.set_xticks(years)
ax4.grid(axis='y', alpha=0.3)
plt.tight_layout()
fig4.savefig(os.path.join(FIG_DIR, '2018_H3_fig4.png'), bbox_inches='tight')
plt.close(fig4)