交通事故件数が7歳にピークがあるという話を聞いて，検証しようとした。
e-Statで「人口動態調査」を検索して，「ファイル」をクリックすると，こちらの画面になる。最初の「死因」→「年次」をクリックし，最新の「2018年」をクリックすると，こちらの画面になる。「3」の「死亡数，死因（死因簡単分類）・性・年齢（各歳・小学生－中学生再掲）別」の「CSV」をクリックすると，jch030000.csvというCSVファイルがダウンロードされる。これを読んでグラフにしてみる：
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('jch030000.csv', encoding='cp932', skiprows=2, na_values='-')
x = df[df.iloc[:,0].astype(str).str.contains('交通事故')].T
# または x = df.iloc[['交通事故' in str(i) for i in df.iloc[:,0]]].T
plt.plot(range(0,117), x[3:120].astype(float), "o-")
plt.xlabel('年齢')
plt.ylabel('死亡数')
plt.savefig('200206a.svg', bbox_inches="tight")
20歳前後と80歳前後に山があるが，7歳のピークは見えない。なお，上のようなデータフレームの文字列の扱いについては Python Data Science Handbook の Vectorized String Operations が参考になる。
7歳ピークの発端は公益財団法人交通事故総合分析センターのイタルダインフォメーション No.116「子供の歩行中の事故」のようだ。ここに載っている歩行中の交通事故死傷者数のグラフは7歳に鋭いピークがある。
さらに教えていただいたことによれば，元の研究は平成28年 第１９回 交通事故・調査分析研究発表会の「子供の歩行中の交通事故」で，このデータはこちらからPDF形式でダウンロードできる（無料の会員登録が必要）。ほかにもたくさんのデータが1000円〜2000円の値段でダウンロードできるようである。オープンデータではなく，会員規約によれば「提供されたデータは、会員の作成する報告書、論文、パンフレット等にデータの提供元（分析センター）を明示することを条件として使用できるものとします（掲載された時はコピーを１部FAX又は郵送にて分析センターへ提出願います。）」「他社から委託を受けて行う業務などに使用することを禁止します」などの制約がある。
とりあえず上記PDFをいただいてきてCSVに変換し，グラフを描いてみた。1995年には顕著だった7歳の鋭いピークが，2015年ではかなり緩和されていることがわかる。なお，最左端は1歳以下，最右端は81歳以上である。
df = pd.read_csv('19_02data_1.csv')
plt.plot(df['年齢'], df['1995年'], "o-")
plt.plot(df['年齢'], df['2015年'], "o-")
plt.grid()
plt.legend(['1995年','2015年'])
plt.xlabel('年齢')
plt.ylabel('歩行中の交通事故 死傷者数')
plt.savefig('200207a.svg', bbox_inches="tight")
警察庁の警察白書の令和元年版第5章第2節第1項 歩行者の安全確保 の図表5-12にも同様なグラフがあり，データがExcel形式でダウンロードできる。こちらは絶対数ではなく人口10万人あたり，2014〜2018年平均，分母の人口は2016年10月1日のものである。
df = pd.read_excel('v5z05120.xlsx', skiprows=1, skipfooter=1)
df.columns = ['年齢', '歩行中死者数', '歩行中死傷者数']
df['年齢'] = df['年齢'].str.extract('(\d+)').astype(int)
plt.clf()
plt.plot(df['年齢'], df['歩行中死傷者数'], "o-")
plt.grid()
plt.xlabel('年齢')
plt.ylabel('歩行中死傷者数')
plt.savefig('200207b.svg', bbox_inches="tight")
Last modified: