PythonとWorld Bankデータで世界の産業構造を可視化する方法

はじめに

世界の国々の経済は、どのように変化しているのでしょうか？今回は、World Bank（世界銀行）が提供するオープンデータを使って、各国の産業構造の変化を可視化してみました。

この記事では、Pythonのpandasとmatplotlibを使って、1997年から2024年までの約30年間の産業構造の変化をグラフにする方法を紹介します。

産業構造とは？

経済学では、産業を3つに分類します：

第一次産業：農業、林業、漁業など（自然から直接資源を得る産業）
第二次産業：製造業、建設業など（原材料を加工する産業）
第三次産業：サービス業、金融、小売など（形のないサービスを提供する産業）

国が経済発展すると、第一次産業から第二次産業へ、そして第三次産業へとシフトしていく傾向があります。これを「産業構造の高度化」と呼びます。

使用したデータ

World Bankが提供している以下のデータを使用しました：

第一次産業: Agriculture, forestry, and fishing, value added (% of GDP)
第二次産業: Industry (including construction), value added (% of GDP)
第三次産業: Services, value added (% of GDP)

これらは各産業がGDP（国内総生産）に占める割合を示しています。

分析対象国

今回は、経済発展段階や地域が異なる10カ国を選びました：

日本（JPN）: 先進国・アジア
中国（CHN）: 新興国・急成長
アメリカ（USA）: 先進国・北米
ドイツ（DEU）: 先進国・欧州
インド（IND）: 新興国・南アジア
韓国（KOR）: 先進国・アジア
インドネシア（IDN）: 新興国・東南アジア
ベトナム（VNM）: 新興国・急成長
シンガポール（SGP）: 先進国・都市国家
タイ（THA）: 新興国・東南アジア
ポーランド（POL）: 中所得国・欧州

Pythonコード

以下が実際に使用したコードです。

# 第一次: https://data.worldbank.org/indicator/NV.AGR.TOTL.ZS
# 第二次: https://data.worldbank.org/indicator/NV.IND.TOTL.ZS
# 第三次: https://data.worldbank.org/indicator/NV.SRV.TOTL.ZS
# 産業付加価値GDP

import pandas as pd
import matplotlib.pyplot as plt

# CSVデータ取得
df_1 = pd.read_csv('1.csv', skiprows=3)
df_2 = pd.read_csv('2.csv', skiprows=3)
df_3 = pd.read_csv('3.csv', skiprows=3)

# 国名のマッピング
country_names = {
    'JPN': 'Japan',
    'CHN': 'China',
    'USA': 'United States',
    'DEU': 'Germany',
    'IND': 'India',
    'KOR': 'South Korea',
    'IDN': 'Indonesia',
    'VNM': 'Vietnam',
    'SGP': 'Singapore',
    'THA': 'Thailand',
    'POL': 'Poland',
}

def to_chart(df, codes, begin, end, title, filename):
    plt.figure(figsize=(14, 9))
    
    for code in codes:
        data = df[df['Country Code'] == code]
        years = [str(year) for year in range(begin, end)]
        dict_data = data[years].iloc[0].to_dict()
    
        years = list(dict_data.keys())
        values = list(dict_data.values())
        line = plt.plot(years, values, marker='o', linewidth=2, markersize=4)
        
        # 線の最初（スタート地点）に国名ラベルを表示
        plt.text(years[0], values[0], f'{country_names.get(code, code)} ', 
                verticalalignment='center', horizontalalignment='right',
                fontsize=9, color=line[0].get_color(), fontweight='bold')
    
    plt.xlabel('Year', fontsize=11)
    plt.ylabel('Value (%)', fontsize=11)
    plt.title(f'{title} ({begin}-{end})', fontsize=13)
    plt.grid(True, alpha=0.3)
    plt.xticks(rotation=45)
    plt.tight_layout()
    
    # 画像として保存
    plt.savefig(filename, dpi=300, bbox_inches='tight')
    plt.close()

# 3つのグラフを生成
to_chart(df_1, list(country_names.keys()), 1997, 2024, 
         "第一次産業 (Agriculture, forestry, and fishing)", "chart_primary.png")
to_chart(df_2, list(country_names.keys()), 1997, 2024, 
         "第二次産業 (Industry including construction)", "chart_secondary.png")
to_chart(df_3, list(country_names.keys()), 1997, 2024, 
         "第三次産業 (Services)", "chart_tertiary.png")

分析結果

第一次産業（農業・林業・漁業）

第一次産業のGDP比率

主な傾向：

先進国は1%未満：日本、アメリカ、ドイツ、シンガポール、韓国などはほぼ横ばいで1%前後
新興国は減少傾向：中国（17% → 7%）、ベトナム（26% → 12%）、インド（24% → 16%）は大きく減少
途上国は高め：インドネシアやタイは約8-13%を維持

これは、経済発展に伴い農業中心から工業・サービス業へとシフトする典型的なパターンです。

第二次産業（製造業・建設業）

第二次産業のGDP比率

主な傾向：

中国の工業化：約45-47%で高水準を維持（世界の工場としての地位）
インドネシアも高水準：約40-45%で推移
先進国は減少傾向：日本（34% → 29%）、アメリカ（23% → 18%）、ドイツ（28% → 27%）
シンガポールの激減：約32% → 22%（金融・サービス中心へ転換）

興味深いのは、ベトナムやタイなどが約30-35%で安定していることです。これらの国々は製造業を維持しながら発展しています。

第三次産業（サービス業）

第三次産業のGDP比率

主な傾向：

アメリカが最高：約72-78%とサービス経済の典型
先進国は高い：日本（65% → 70%）、ドイツ（62% → 64%）、シンガポール（64% → 73%）
新興国は増加傾向：中国（35% → 56%）、インド（39% → 49%）、ベトナム（42% → 43%）

全ての国でサービス業の比率が増加または維持されており、「サービス経済化」が世界的なトレンドであることがわかります。

データから読み取れること

1. 経済発展のパターン

経済発展は以下のような段階を経ることが多いです：

農業中心：第一次産業が主体（途上国）
工業化：第二次産業が成長（新興国）
サービス経済化：第三次産業が主体（先進国）

今回のデータでも、この流れが明確に見て取れます。

2. 中国の特異性

中国は経済規模が巨大でありながら、第二次産業の比率が約45%と非常に高い状態を維持しています。これは「世界の工場」としての役割を反映しています。

3. 先進国の脱工業化

日本、アメリカ、ドイツなどの先進国では、製造業の比率が徐々に低下しています。これは：

製造拠点の海外移転
サービス業（IT、金融、医療など）の成長
高付加価値産業へのシフト

といった要因が考えられます。

4. 新興国の急速な変化

ベトナムや中国では、わずか20-30年で産業構造が大きく変化しています。これは急速な経済成長と工業化を反映しています。

World Bankデータの素晴らしさ

今回使用したWorld Bank Open Dataは、データ分析の練習に最適です：

標準化されたデータ：国際比較が容易
長期時系列：数十年分のデータが利用可能
無料でオープン：誰でもダウンロード可能
豊富なカテゴリ：経済、教育、健康、環境など
簡単にアクセス：CSV、Excel、API対応

他にも以下のようなデータソースがあります：

OECD.Stat: 先進国中心の詳細データ
IMF Data: 金融・為替系データ
Our World in Data: 美しい可視化
UN Data: 国連の統計

まとめ

Pythonとpandasを使えば、世界経済のような大きなテーマでも、簡単にデータを可視化して分析できます。

今回わかったことは：

世界的に「サービス経済化」が進んでいる
新興国は急速に産業構造を転換している
先進国は製造業からサービス業へシフトしている
中国は「世界の工場」として高い工業比率を維持

「当たり前」のことでも、実際にデータで確認すると新しい発見があります。World Bankのデータは宝の山なので、ぜひ色々なテーマで分析してみてください！

はじめに#

産業構造とは？#

使用したデータ#

分析対象国#

Pythonコード#

分析結果#

第一次産業（農業・林業・漁業）#

第二次産業（製造業・建設業）#

第三次産業（サービス業）#

データから読み取れること#

1. 経済発展のパターン#

2. 中国の特異性#

3. 先進国の脱工業化#

4. 新興国の急速な変化#

World Bankデータの素晴らしさ#

まとめ#

参考リンク#

はじめに

産業構造とは？

使用したデータ

分析対象国

Pythonコード

分析結果

第一次産業（農業・林業・漁業）

第二次産業（製造業・建設業）

第三次産業（サービス業）

データから読み取れること

1. 経済発展のパターン

2. 中国の特異性

3. 先進国の脱工業化

4. 新興国の急速な変化

World Bankデータの素晴らしさ

まとめ

参考リンク