看護師は、人の健康・安全・命を保つうえで非常に重要な役割を担っています。詳しく知らかなったのですが、看護師は医療施設以外にも、幼稚園・保育園、介護施設、産業医、コンサルタントなど様々な場所で活躍しているようです。総務省統計局が発表している「都道府県・市区町村のすがた(社会・人口統計体系)」から、都道府県別の看護師数と医療施設看護師数を表示します。2018年のデータです。
| 都道府県 |
看護師数 |
医療施設看護師数 |
| 北海道 |
64456 |
54809 |
| 青森 |
13048 |
10819 |
| 岩手 |
13637 |
10991 |
| 宮城 |
20086 |
17428 |
| 秋田 |
11311 |
8959 |
| 山形 |
11731 |
9545 |
| 福島 |
17161 |
14024 |
| 茨城 |
22024 |
17816 |
| 栃木 |
16479 |
13643 |
| 群馬 |
19022 |
15395 |
| 埼玉 |
50844 |
41008 |
| 千葉 |
45202 |
38621 |
| 東京 |
109517 |
93412 |
| 神奈川 |
67763 |
57781 |
| 新潟 |
22702 |
17962 |
| 富山 |
12717 |
10264 |
| 石川 |
14616 |
11824 |
| 福井 |
8992 |
7065 |
| 山梨 |
8223 |
6518 |
| 長野 |
22349 |
17935 |
| 岐阜 |
16950 |
14323 |
| 静岡 |
32935 |
26454 |
| 愛知 |
61389 |
51964 |
| 三重 |
16931 |
13565 |
|
| 都道府県 |
看護師数 |
医療施設看護師数 |
| 滋賀 |
14106 |
11442 |
| 京都 |
28238 |
23164 |
| 大阪 |
83016 |
71831 |
| 兵庫 |
54658 |
45533 |
| 奈良 |
12917 |
10629 |
| 和歌山 |
10795 |
8811 |
| 鳥取 |
7180 |
5928 |
| 島根 |
8769 |
6868 |
| 岡山 |
23523 |
19750 |
| 広島 |
31045 |
25630 |
| 山口 |
17311 |
14433 |
| 徳島 |
9091 |
7645 |
| 香川 |
11501 |
9620 |
| 愛媛 |
16839 |
13966 |
| 高知 |
10668 |
9037 |
| 福岡 |
60730 |
53740 |
| 佐賀 |
10937 |
9097 |
| 長崎 |
17691 |
15102 |
| 熊本 |
23012 |
19209 |
| 大分 |
14600 |
12383 |
| 宮崎 |
14033 |
11478 |
| 鹿児島 |
22504 |
18935 |
| 沖縄 |
15357 |
13032 |
|
|
library(leaflet)
library(knitr)
library(kableExtra)
library(dplyr)
library(tidyr)
library(stringr)
dat <- read.csv("http://www.dinov.tokyo/Data/JP_Pref/Pref_data.csv", header = TRUE, fileEncoding="UTF-8")
col_start <- 0.2
col_end <- 0.0
table_df<-data.frame(都道府県=dat$都道府県, 看護師数=dat$看護師数, 医療施設看護師数=dat$医療施設看護師数)
datc_k <- cut(dat$看護師数, hist(dat$看護師数, plot=FALSE)$breaks, right=FALSE)
datc_kcol <- rainbow(length(levels(datc_k)), start = col_start, end=col_end)[as.integer(datc_k)]
datc_m <- cut(dat$医療施設看護師数, hist(dat$医療施設看護師数, plot=FALSE)$breaks, right=FALSE)
datc_mcol <- rainbow(length(levels(datc_m)), start = col_start, end=col_end)[as.integer(datc_m)]
library(NipponMap)
windowsFonts(JP4=windowsFont("Biz Gothic"))
windows(width=1600, height=800)
png("0plot1.png", width = 1600, height = 800)
par(family="JP4")
layout(matrix(1:2, 1, 2))
JapanPrefMap(datc_kcol, main="看護師数")
legend("bottomright", fill=rainbow(length(levels(datc_k)), start = col_start, end=col_end), legend=names(table(datc_k)))
JapanPrefMap(datc_mcol, main="医療施設看護師数")
legend("bottomright", fill=rainbow(length(levels(datc_m)), start = col_start, end=col_end), legend=names(table(datc_m)))
dev.off()
library(clipr)
t1=kable(table_df[c(1:24),], align = "c", row.names=FALSE) %>%
kable_styling(full_width = F) %>%
column_spec(1, bold = T) %>%
collapse_rows(columns = 1, valign = "middle")
t2=kable(table_df[c(25:47),], align = "c", row.names=FALSE) %>%
kable_styling(full_width = F) %>%
column_spec(1, bold = T) %>%
collapse_rows(columns = 1, valign = "middle")
paste(c('<table><tr valign="top"><td>', t1, '</td><td>', t2, '</td><tr></table>'), sep = '') %>% write_clip