import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道',
 '青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北',
 '茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東',
 '新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部',
 '三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西',
 '鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国',
 '徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国',
 '福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)
print(d23.groupby('region')['pop'].sum().sort_values(ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

agg = d23.groupby('region')['pop'].agg(['sum','mean','std','max','count']).round(0)
print(agg.sort_values('sum', ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101','A4101','A4200','A1303']].copy()
d23.columns = ['name','pop','birth','death','elderly']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

summary = d23.groupby('region').agg(
    total_pop=('pop','sum'),
    avg_pop=('pop','mean'),
    total_birth=('birth','sum'),
    total_death=('death','sum'),
    pref_count=('name','count'),
).round(0)
summary['nat_change'] = summary['total_birth'] - summary['total_death']
summary['aged_rate'] = (d23.groupby('region').apply(lambda x: x['elderly'].sum()/x['pop'].sum())*100).round(1)
print(summary.sort_values('total_pop', ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'関東' if False else '九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

d23['region_mean'] = d23.groupby('region')['pop'].transform('mean')
d23['dev_pct'] = (d23['pop']/d23['region_mean'] - 1) * 100
print(d23.nlargest(5, 'dev_pct')[['name','region','pop','region_mean','dev_pct']].round(1))
print('--- 関東で最も平均から乖離する県 ---')
print(d23[d23['region']=='関東'].sort_values('dev_pct', ascending=False)[['name','pop','dev_pct']].round(1))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

big = d23.groupby('region').filter(lambda g: g['pop'].sum() > 10_000_000)
print(f'大規模地方の県数: {len(big)} / 47')
print('対象地方:', big['region'].unique())
print(big.groupby('region')['pop'].sum().sort_values(ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

top2 = d23.groupby('region', group_keys=False).apply(
    lambda g: g.nlargest(2, 'pop')
)
print(top2[['region','name','pop']].sort_values(['region','pop'], ascending=[True,False]))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
sub = df[['SSDSE-B-2026','Prefecture','A1101']].copy()
sub.columns = ['year','name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
sub['region'] = sub['name'].map(region_map)
sub = sub[sub['year'].between(2019, 2023)]
piv = sub.groupby(['region','year'])['pop'].sum().unstack('year')
print(piv)
print('\n--- 2019→2023 増減率 (%) ---')
print(((piv[2023]-piv[2019])/piv[2019]*100).round(2))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
tokyo = df[df['Prefecture']=='東京都'][['SSDSE-B-2026','A1101']].copy()
tokyo.columns = ['year','pop']
tokyo['date'] = pd.to_datetime(tokyo['year'].astype(str)+'-01-01')
tokyo = tokyo.set_index('date').sort_index()
quinq = tokyo['pop'].resample('5YE').mean().round(0)
print('東京都の人口（5 年平均）:')
print(quinq)

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)
d23['class'] = pd.cut(d23['pop'], bins=[0,1e6,3e6,1e7,2e7], labels=['<100万','100-300万','300-1000万','>1000万'])

cross = d23.groupby(['region','class'], observed=True).size().unstack(fill_value=0)
print(cross)

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
sub = df[['SSDSE-B-2026','Prefecture','A1101']].copy()
sub.columns = ['year','name','pop']
sub = sub.sort_values(['name','year'])
sub['ma3'] = sub.groupby('name')['pop'].transform(lambda s: s.rolling(3, min_periods=1).mean())

tokyo = sub[sub['name']=='東京都'].tail(5)[['year','pop','ma3']]
osaka = sub[sub['name']=='大阪府'].tail(5)[['year','pop','ma3']]
print('東京都:'); print(tokyo)
print('\n大阪府:'); print(osaka)

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings('ignore')   # 1 県だけの北海道で corr/cov が NaN になる警告を黙らせる
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101','A4101','A4200','A1303']].copy()
d23.columns = ['name','pop','birth','death','elderly']
# 地方区分（都道府県コード順に 北海道1・東北6・関東7・中部9・関西7・中国5・四国4・九州8）
d23['region'] = np.repeat(['北海道','東北','関東','中部','関西','中国','四国','九州'],
                          [1, 6, 7, 9, 7, 5, 4, 8])
# 年次のレシピ（rolling・diff など）には東京都・大阪府の 12 年度分を使う
ts = df[df['Prefecture'].isin(['東京都','大阪府'])][['SSDSE-B-2026','Prefecture','A1101']]
ts.columns = ['year','name','pop']
ts = ts.sort_values(['name','year'])
g, gp, gt = d23.groupby('region'), d23.groupby('region')['pop'], ts.groupby('name')['pop']

recipes = {
  'R01 groupby + sum':            lambda: gp.sum(),
  'R02 groupby + mean':           lambda: gp.mean(),
  'R03 groupby + count':          lambda: gp.count(),
  'R04 groupby + size':           lambda: g.size(),
  'R05 groupby + median':         lambda: gp.median(),
  'R06 groupby + std':            lambda: gp.std(),
  'R07 groupby + var':            lambda: gp.var(),
  'R08 groupby + min':            lambda: gp.min(),
  'R09 groupby + max':            lambda: gp.max(),
  'R10 groupby + first':          lambda: g['name'].first(),
  'R11 groupby + last':           lambda: g['name'].last(),
  'R12 groupby + nunique':        lambda: g['name'].nunique(),
  'R13 agg リスト集約':           lambda: gp.agg(['sum', 'mean']),
  'R14 agg dict 集約':            lambda: g.agg({'pop': 'sum', 'birth': 'mean'}),
  'R15 named aggregation':        lambda: g.agg(total=('pop', 'sum'), births=('birth', 'sum')),
  'R16 transform mean':           lambda: gp.transform('mean'),
  'R17 transform rank':           lambda: gp.rank(ascending=False),
  'R18 transform zscore':         lambda: gp.transform(lambda s: (s - s.mean()) / s.std()),
  'R19 filter 条件':              lambda: g.filter(lambda x: x['pop'].sum() > 10_000_000),
  'R20 apply 任意関数':           lambda: g[['birth', 'pop']].apply(lambda x: x['birth'].sum() / x['pop'].sum() * 1000),
  'R21 apply nlargest':           lambda: g[['name', 'pop']].apply(lambda x: x.nlargest(1, 'pop')),
  'R22 apply 自作集計':           lambda: g[['elderly', 'pop']].apply(lambda x: x['elderly'].sum() / x['pop'].sum()),
  'R23 複数キー groupby':         lambda: d23.groupby(['region', d23['pop'] > 2_000_000])['pop'].sum(),
  'R24 sort=False で高速':        lambda: d23.groupby('region', sort=False)['pop'].sum(),
  'R25 observed=True で空回避':   lambda: d23.groupby(pd.Categorical(d23['region']), observed=True)['pop'].sum(),
  'R26 dropna=False で NaN 維持': lambda: d23.groupby(d23['region'].where(d23['name'] != '北海道'), dropna=False)['pop'].sum(),
  'R27 as_index=False で平坦化':  lambda: d23.groupby('region', as_index=False)['pop'].sum(),
  'R28 unstack で pivot':         lambda: d23.groupby(['region', d23['pop'] > 2_000_000])['pop'].sum().unstack(fill_value=0),
  'R29 stack で逆 pivot':         lambda: d23.groupby(['region', d23['pop'] > 2_000_000])['pop'].sum().unstack(fill_value=0).stack(),
  'R30 reset_index で flatten':   lambda: gp.sum().reset_index(),
  'R31 groupby + rolling':        lambda: gt.rolling(3).mean(),
  'R32 groupby + expanding':      lambda: gt.expanding().max(),
  'R33 groupby + ewm':            lambda: gt.transform(lambda s: s.ewm(span=3).mean()),
  'R34 groupby + cumsum':         lambda: gp.cumsum(),
  'R35 groupby + cumprod':        lambda: ts.assign(r=ts['pop'] / gt.shift(1)).groupby('name')['r'].cumprod(),
  'R36 groupby + diff':           lambda: gt.diff(),
  'R37 groupby + pct_change':     lambda: gt.pct_change(),
  'R38 groupby + shift':          lambda: gt.shift(1),
  'R39 groupby + fillna':         lambda: gt.shift(1).fillna(gt.transform('mean')),
  'R40 groupby + interpolate':    lambda: gt.transform(lambda s: s.where(s.index % 2 == 0).interpolate()),
  'R41 groupby + describe':        lambda: gp.describe(),
  'R42 groupby + quantile':       lambda: gp.quantile(0.5),
  'R43 groupby + idxmax':         lambda: d23.loc[gp.idxmax(), 'name'],
  'R44 groupby + idxmin':         lambda: d23.loc[gp.idxmin(), 'name'],
  'R45 groupby + corr':           lambda: g[['pop', 'birth']].corr(),
  'R46 groupby + cov':            lambda: g[['pop', 'birth']].cov(),
  'R47 groupby + value_counts':   lambda: g['name'].apply(lambda s: s.str[-1].value_counts()),
  'R48 groupby + head(n)':        lambda: g.head(1),
  'R49 groupby + tail(n)':        lambda: g.tail(1),
  'R50 groupby + sample(frac=)':  lambda: g.sample(frac=0.5, random_state=0),
}
shapes = {k: np.shape(f()) for k, f in recipes.items()}   # 50 個すべて実行する
print(f'実行したレシピ数: {len(shapes)}')
for k in ['R01 groupby + sum', 'R16 transform mean', 'R19 filter 条件', 'R31 groupby + rolling', 'R43 groupby + idxmax']:
    print(f'  {k:<24} → 結果の形 {shapes[k]}')
print('R01 の結果（地方別人口合計、上位 3）:')
print(recipes['R01 groupby + sum']().sort_values(ascending=False).head(3).to_string())
print('R43 の結果（各地方の人口最大県）:', ' '.join(recipes['R43 groupby + idxmax']().tolist()))

import pandas as pd
df = pd.DataFrame({
  '部署':['営業','営業','技術','技術','営業','技術'],
  '性別':['M','F','M','F','M','F'],
  '給与':[500, 450, 700, 680, 520, 710]
})
print(df.groupby(['部署','性別'])['給与'].mean())

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', skiprows=1, encoding='cp932')
df = df[df['年度'] == 2023].reset_index(drop=True)
# '地域' という列は SSDSE-B-2026 に無いので、地域コードから作る
def _region(code):
    n = int(str(code).lstrip('R')) // 1000
    if n == 1: return '北海道'
    if n <= 7: return '東北'
    if n <= 14: return '関東'
    if n <= 23: return '中部'
    if n <= 30: return '近畿'
    if n <= 35: return '中国'
    if n <= 39: return '四国'
    return '九州沖縄'
df['地域'] = df['地域コード'].apply(_region)
# 地域別の平均と標準偏差
result = df.groupby('地域')['合計特殊出生率'].agg(['mean', 'std', 'count'])
print(result)
# 元の行数のまま地域平均を列に追加
df['region_mean'] = df.groupby('地域')['合計特殊出生率'].transform('mean')

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101','A4101']].copy()
d23.columns = ['name','pop','birth']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

br = d23.groupby('region').apply(lambda g: g['birth'].sum()/g['pop'].sum()*1000).round(2)
print('地方別 粗出生率（人口 1000 対）:')
print(br.sort_values(ascending=False))

import pandas as pd, numpy as np
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101']].copy()
d23.columns = ['name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)
d23['z'] = d23.groupby('region')['pop'].transform(lambda s: (s-s.mean())/s.std())
out = d23[d23['z'].abs() > 1.5][['name','region','pop','z']].sort_values('z', ascending=False)
print('z > |1.5| の外れ値県:')
print(out.round(2))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101','A4101','A4200']].copy()
d23.columns = ['name','pop','birth','death']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)
d23['change'] = d23['birth'] - d23['death']

agg = d23.groupby('region').agg(
    pop=('pop','sum'), birth=('birth','sum'),
    death=('death','sum'), change=('change','sum'),
).round(0)
agg['rate_per_1k'] = (agg['change']/agg['pop']*1000).round(2)
print(agg.sort_values('rate_per_1k', ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
sub = df[['SSDSE-B-2026','Prefecture','A4101']].copy()
sub.columns = ['year','name','birth']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
sub['region'] = sub['name'].map(region_map)
sub = sub[sub['year'].between(2019,2023)]
piv = sub.groupby(['region','year'])['birth'].sum().unstack('year')
print('地方 × 年の出生数:')
print(piv)
print('\n--- 5 年合計 ---')
print(piv.sum(axis=1).sort_values(ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
sub = df[['SSDSE-B-2026','Prefecture','A1101']].copy()
sub.columns = ['year','name','pop']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
sub['region'] = sub['name'].map(region_map)
sub = sub[sub['year']==2023]

top1 = sub.loc[sub.groupby('region')['pop'].idxmax()][['region','name','pop']]
print('各地方の人口最大県（2023 年）:')
print(top1.sort_values('pop', ascending=False))

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', header=0, encoding='cp932', skiprows=[1])
d23 = df[df['SSDSE-B-2026']==2023][['Prefecture','A1101','H1800']].copy()
d23.columns = ['name','pop','housing']
region_map = {'北海道':'北海道','青森県':'東北','岩手県':'東北','宮城県':'東北','秋田県':'東北','山形県':'東北','福島県':'東北','茨城県':'関東','栃木県':'関東','群馬県':'関東','埼玉県':'関東','千葉県':'関東','東京都':'関東','神奈川県':'関東','新潟県':'中部','富山県':'中部','石川県':'中部','福井県':'中部','山梨県':'中部','長野県':'中部','岐阜県':'中部','静岡県':'中部','愛知県':'中部','三重県':'関西','滋賀県':'関西','京都府':'関西','大阪府':'関西','兵庫県':'関西','奈良県':'関西','和歌山県':'関西','鳥取県':'中国','島根県':'中国','岡山県':'中国','広島県':'中国','山口県':'中国','徳島県':'四国','香川県':'四国','愛媛県':'四国','高知県':'四国','福岡県':'九州','佐賀県':'九州','長崎県':'九州','熊本県':'九州','大分県':'九州','宮崎県':'九州','鹿児島県':'九州','沖縄県':'九州'}
d23['region'] = d23['name'].map(region_map)

agg = d23.groupby('region').agg(
    pop=('pop','sum'), housing=('housing','sum')
)
agg['per_1000'] = (agg['housing']/agg['pop']*1000).round(2)
print(agg.sort_values('per_1000', ascending=False))