大豆とコーン

トピックス

植物資源の利用、食生活に関する文献、ウェブに公開されているデータとその解析、DX・データサイエンスに関する話題、データ解析に用いたプログラムのコード(主にPython)などを紹介します。

世界での"tofu"に関するトレンド調査

カテゴリー：　大豆蛋白・大豆ミート

投稿日： 2022-08-15

健康、蛋白質供給、環境負荷などから国内では大豆による代替肉、すなわち"大豆ミート"への関心が高まっています。
忘れてならない伝統的大豆タンパク質食品に豆腐があります。 今回は、"tofu"の世界的な関心のトレンドをグーグルトレンドで調べてみました。

調査・解析方法

  • 情報源：　Googleトレンド
  • GoogleトレンドのデータはPythonのPytrendsを使用して取得（コードを記載）
  • 検索ワード： "tofu", "tofu near me", "air fryer tofu", "cheese", "meat", "beef"
  • Pytrendsのパラメーター:
    • 言語設定　英語　hl='en-US'
    • タイムゾーン　米国標準時間　tz=360
    • 検索地域 すべての国　geo=''
    • 検索期間　timeframe='2012-01-01 2022-07-31'
    • カテゴリー　フード、ドリンク　cat=71

Googleトレンド

Goolgeトレンドとは、Googleにおける検索頻度の相対的動向をチェックできるGoogleが提供するツールです。
検索行動から関心の高さのトレンドが推定できます。食品としての関心トレンドに絞り込むために検索カテゴリーを"Food & Drink”に設定しています。

"tofu"のGoogleトレンドを"cheese", "meat", "beef"と比較

cheese,meat,beefなどの動物性タンパク質食品と比べて、tofuも意外に健闘している印象です。直近１２ヶ月での比は、tofu:8、cheese:63、meat:37、beef:42です。

tofu,cheese,meet,beefのGoogleトレンド

"tofu"のGoogleトレンドをトレンド変動、季節変動、残渣変動の各成分に分ける

Pythonで作成したプログラムで、Googleトレンドのような時系列データの変動は簡単に、トレンド変動、季節変動、残渣変動に分けることができます。
トレンド変動を見ると、"tofu"への関心は2020年まで持続的に増加傾向でしたが、2020年にピークアウトしています。米国発のbeyond meatやimpossible meatなどの植物性の代替肉の出現のためかもしれません。季節変動としては年末に一旦減少して、1月に入って大きく急上昇しています。

tofuのトレンドの各成分

"tofu"トレンドの国別ランキング（右側の数字は相対的な検索頻度）

アジア２カ国、北米２カ国、オセアニア２カ国、ヨーロッパ４カ国と英語のtofuの検索頻度では欧米、オセアニアが目立ちます。

  1. シンガポール 100
  2. カナダ 83
  3. ニュージーランド 56
  4. オーストラリア 56
  5. フィリピン 51
  6. アメリカ合衆国 43
  7. スロバキア 37
  8. スイス 37
  9. フィンランド 36
  10. チェコ 34

"tofu"に関係する検索ワードの頻度ランキング（右側の数値は相対的検索頻度）

検索頻度が高いのは圧倒的にtofuの料理レシピです。

  1. tofu recipe 100
  2. tofu recipes 100
  3. fried tofu 29
  4. tofu soup 27
  5. tofu stir fry 25

"tofu"に関係する検索ワードの急上昇頻度ランキング（右側の数値は上昇比です）

  1. tofu near me 50000
  2. air fryer tofu 40400
  3. tofu keto 11550
  4. is tofu keto 9050
  5. air fry tofu 8950

急上昇ランキング１位は"tofu near me"で、２位は"air fryer tofu"でした。
実際にChromeの検索設定の言語を英語に、地域を米国に設定してGoogle検索してみると、"tofu near me"　では豆腐料理を食べられる店舗サイトが、"air fryer tofu"ではレシピサイトがヒットしました。
豆腐料理への関心が海外でも高いことが伺えます。

"tofu near me"、"air fryer tofu" のGoogleトレンド

"tofu near me"は2015年頃から、"air fryer tofu"は2018年頃から継続的に上昇傾向です。

tofuに関する急上昇ワードのトレンド
ページトップへ戻る

Pythonによるプログラムのコード

上記Googleトレンドのプロット作成に用いたPythonのコードです。
Googleトレンドのデータ取得には、ウエブページ上で検索してcsvファイルにダウンロードする方法と、Pythonのライブラリである Pytrendsを使う方法があります。今回はPytrendsを使うコードを掲載しました。PytrendsはGoogleトレンドの非公式なAPIですので、一度に多量な検索は慎みましょう。

あくまで参考です。自己責任で適当に編集して試してください。

開発・実行環境：Google Colaboratory

InstallとImport


# Install
!pip install pytrends
!pip install japanize-matplotlib

# Import
from pytrends.request import TrendReq
import requests
from lxml import etree
from datetime import datetime, timedelta
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import japanize_matplotlib
import seaborn as sns
sns.set(font="IPAexGothic")
import statsmodels.api as sm

検索ワード"tofu", "cheese", "meat", "beef" のGoogleトレンドデータの取得とプロット


# タイムゾーンとキーワード設定  hl='en-US':言語設定　tz=360:US標準時間
pytrends = TrendReq(hl='en-US', tz=360)
kw_list_01 = ['tofu', 'cheese', 'meat', 'beef']

# データ作成　cat=71:フード、ドリンク　geo='':全ての国 cat=71:カテゴリーをフード、ドリンクに
pytrends.build_payload(kw_list_01, cat=71, timeframe='2012-01-01 2022-07-31', geo='', gprop='')

# データ取得
df = pytrends.interest_over_time()
df.info()	#取得したデータフレームの確認

## Plot
Y1 = kw_list_01[0]
Y2 = kw_list_01[1]
Y3 = kw_list_01[2]
Y4 = kw_list_01[3]
fig, ax = plt.subplots(figsize=(16, 8))
plt.xticks(rotation=60)
ax.plot(df.index, df[Y1], label = Y1)
ax.plot(df.index, df[Y2], label = Y2)
ax.plot(df.index, df[Y3], label = Y3)
ax.plot(df.index, df[Y4], label = Y4)
ax.set_title('Googleトレンド ( カテゴリー:　"Food & Drink" )', fontsize=20)
ax.set_xlabel('year', fontsize=16)
ax.set_ylabel('Trend', fontsize=16)
ax.set_ylim(0, 100)
ax.set_yticks([ 0, 50, 100 ])
ax.set_yticklabels([0, 50, 100 ])
plt.legend(fontsize=16)
plt.show()

"tofu"のGoogleトレンドをトレンド変動、季節変動、残渣変動の各成分に分ける


# Pandas.Seriesにデータを格納（データに乗客数、インデックスは日付）
tofu = pd.Series(df['tofu'], dtype='float') 
tofu.index = pd.to_datetime(df.index) 

res = sm.tsa.seasonal_decompose(tofu)
original = tofu # オリジナルデータ
trend = res.trend # トレンドデータ
seasonal = res.seasonal # 季節性データ
residual = res.resid # 残差データ

#plot
## グラフ描画枠作成、サイズ指定
plt.figure(figsize=(8, 8)) 
## オリジナルデータのプロット
plt.subplot(411) # グラフ4行1列の1番目の位置（一番上）
plt.plot(original)
plt.ylabel('Original')
## trend データのプロット
plt.subplot(412) # グラフ4行1列の2番目の位置
plt.plot(trend)
plt.ylabel('Trend')
## seasonalデータ のプロット
plt.subplot(413) # グラフ4行1列の3番目の位置
plt.plot(seasonal)
plt.ylabel('Seasonality')
## residual データのプロット
plt.subplot(414) # グラフ4行1列の4番目の位置（一番下）
plt.plot(residual)
plt.ylabel('Residuals')
## グラフの間隔を自動調整
plt.tight_layout()

"tofu"に関係する検索ワードの頻度ランキングと急上昇ランキング 


df_que = pytrends.related_queries()
print(df_que['tofu']['top'].head(10))
print()
print(df_que['tofu']['rising'].head(10))

"tofu near me", "air fryer tofu"のGoogleトレンド 


# タイムゾーンとキーワード設定
pytrends = TrendReq(hl='en-US', tz=360)
kw_list_02 = ['tofu near me', 'air fryer tofu']

# データ作成
pytrends.build_payload(kw_list_02, cat=71, timeframe='2012-01-01 2022-07-31', geo='', gprop='')

# Plot
Y1 = kw_list_02[0]
Y2 = kw_list_02[1]
fig, ax = plt.subplots(figsize=(16, 8))
plt.xticks(rotation=60)
ax.plot(df.index, df[Y1], label = Y1)
ax.plot(df.index, df[Y2], label = Y2)
ax.set_title('Googleトレンド ( カテゴリー:　"Food & Drink" )', fontsize=20)
ax.set_xlabel('year', fontsize=16)
ax.set_ylabel('Trend', fontsize=16)
ax.set_ylim(0, 100)
ax.set_yticks([ 0, 50, 100 ])
ax.set_yticklabels([0, 50, 100 ])
plt.legend(fontsize=16)
plt.show()
fig.savefig("output/trend_tofu_near_me_air_dryer_tofu.png")
ページトップへ戻る