/
e-Stat（政府統計の総合窓口）の API と統計GIS から取得した政府統計データです。中心となるのは社会・人口統計体系（SSDS）で、都道府県・市区町村それぞれ11分野の統計指標を共通のテーブル構造で収録しています。加えて消費者物価指数、統計表のメタデータ、令和2年国勢調査の市区町村別・小地域（町丁・字等）集計、昼夜間人口と通勤・通学流動、境界データ、地方財政状況調査の決算収支と財政力、小売物価統計調査の調査品目の年平均価格、社会福祉施設等調査の施設数・定員・在所者数・従事者数、介護サービス施設・事業所調査の市区町村別の介護保険施設数・定員と都道府県別の居宅サービス等の事業所数、就業構造基本調査の就業状態・雇用形態別の15歳以上人口、賃金構造基本統計調査の都道府県別・産業別の賃金、学校基本調査の小学校・中学校の学年別児童生徒数、学校保健統計調査の都道府県別の身長・体重、建築着工統計調査の市区町村別・用途別の建築着工を収録します。
出典: e-Stat / 社会・人口統計体系（SSDS）
| スキーマ | 内容 |
|---|---|
| ssds | 社会・人口統計体系。11分野 × 都道府県/市区町村 = 22テーブル + 指標定義 item_catalog + 指標別の収録年 series_coverage |
| cpi | 消費者物価指数 price_index |
| main | 統計表カタログ stats_catalog |
| census | 令和2年国勢調査 小地域集計 census_small_area_*（年齢・世帯・住宅・産業）、市区町村別 基本集計 census_municipality、市区町村別 就業状態等基本集計 census_municipality_labor_force / census_municipality_employment_status、昼夜間人口 census_municipality_daytime_population、通勤・通学流動 census_commuting_flow、1kmメッシュ別昼間人口 daytime_population_mesh_1km、250mメッシュ別 人口・世帯 population_mesh_250m |
| boundary | 令和2年国勢調査 町丁・字等別境界 small_area、1kmメッシュ境界 mesh_1km |
| code | 統計に用いる標準地域コード municipality と、その変更（廃置分合）履歴 municipality_change |
| manufacture | 工業統計調査 市区町村別・産業中分類別の製造業統計 municipality_industry |
| migration | 住民基本台帳人口移動報告 市区町村別の転入・転出・転入超過 municipality_migration |
| local_finance | 地方財政状況調査 決算収支 settlement_balance と市区町村の財政力 fiscal_capacity |
| retail_price | 小売物価統計調査 調査品目の年平均価格 item_price |
| welfare_facility | 社会福祉施設等調査 施設数・定員・在所者数・従事者数 facility_statistics |
| kaigo_service | 介護サービス施設・事業所調査 市区町村別の介護保険施設数・定員 insurance_facility と都道府県別の居宅サービス・地域密着型サービスの事業所数 service_establishment |
| employment_structure | 就業構造基本調査 就業状態・雇用形態別の15歳以上人口 employment_status |
| wage_structure | 賃金構造基本統計調査 都道府県別の賃金 prefecture_wage と都道府県・産業別の賃金 prefecture_industry_wage |
| school | 学校基本調査 小学校・中学校の学年別児童生徒数 enrollment_by_grade |
| school_health | 学校保健統計調査 都道府県別・年齢別の身長・体重の平均値と標準偏差 growth_by_prefecture |
| building_starts | 建築着工統計調査 市区町村別・用途別の建築着工 municipality_use |
11分野（A〜K）の詳細は各カテゴリのガイドを参照してください。市区町村・都道府県を並べて比べたいときは市区町村別 基本集計、働いているかどうかや働き方で比べたいときは就業状態等基本集計、昼間に人が集まる街を見たいときや通勤・通学の行き先を見たいときは昼夜間人口と通勤・通学流動、市区町村より細かい粒度で見たいときは小地域集計、昼と夜で人の分布を見分けたいときは1kmメッシュ別 昼間人口、地図に載せるときは境界データ、市区町村の製造業を産業別に見たいときは市区町村別 製造業統計、街に人が入ってきているか出ていっているかを見たいときは市区町村別 転入・転出、自治体そのものの決算規模や財政力を見たいときは決算収支と財政力、品物の値段を市どうしで比べたいときは調査品目の年平均価格、保育所や障害者支援施設がどれだけあるかを見たいときは社会福祉施設の施設数・定員・従事者数、特別養護老人ホームや介護老人保健施設が市区町村ごとにどれだけあるかを見たいときは介護保険施設の施設数・定員、都道府県や大きな市で有業率や非正規の割合を比べたいときは有業率と非正規の割合、都道府県や産業ごとの賃金水準を比べたいときは都道府県・産業別の賃金、学年ごとの子どもの数や私立に通う割合を都道府県で比べたいときは学年別の児童生徒数、子どもの身長・体重を年齢ごとに都道府県で見たいときは都道府県別の身長・体重、工場や住宅がどの市区町村でどれだけ建ち始めているかを見たいときは市区町村別・用途別の建築着工を参照してください。
ssds スキーマの22テーブルはすべて同じ9カラムです。指標を cat01（分類事項コード）で絞り込み、area_name（地域）と year（年）で必要な行を取り出すのが基本です。
A1101 = 総人口）A1101_総人口）00000、都道府県は 13000 のような5桁）全国 / 東京都 など）2020年度）人）unit は指標ごとに違います（人 / 世帯 / 千円 / ％ など）。cat01 を絞らずに value を合計しても意味を持ちません。
ssds の22テーブルは cat01 × area × time_name で一意です。同じ指標・同じ地域・同じ時点の行は1行しかないので、SUM や JOIN の前に重複を取り除く必要はありません。
2026年7月まで、同一条件で値の等しい行が最大3行返ることがありました。現在は解消しています。MAX(value) や DISTINCT で重複を除いている既存のクエリは、1行に対する演算になるだけなのでそのままでも正しく動きます。
なお area_name には集計行が含まれます。都道府県テーブルには 全国、市区町村テーブルには政令指定都市の市全体（例: 愛知県 名古屋市）と 東京都 特別区部 が入っており、個別の地域と一緒に SUM すると二重計上になります。
市区町村テーブルは政令指定都市の合計行（01100 札幌市）と行政区（01101 中央区）が同居します。市区町村単位で数えるときは code.municipality の is_municipality で絞ります。
項目符号は総務省の定義で桁数が決まっています。分野1文字 + 大分類1桁 + 小分類1桁 + 項目2桁 の5桁が項目で、その下に副区分が付いたものが7桁以上です。副区分は1階層だけなので、5桁を超えるコードの親は先頭5桁になります。
A1101 総人口 （項目 = 5桁）
A110101 総人口（男） （副区分。親は A1101）
項目と副区分は同じ列に並ぶので、LIKE 'J1104%' で絞ると両方返ってきます。cat01_parent で切り分けます。
ただし副区分が親を分割しているとは限りません。系統によって性質が違います。
| 系統 | 親 | 副区分の合計 | 副区分の性質 |
|---|---|---|---|
| A1101 総人口 | 14,047,594 | 14,047,594 | 男女で分割されている |
| J1102 生活保護被保護実世帯数 | 230,706 | 200,729 | 「うち母子世帯」などの部分集合 |
（東京都・2020年度）
副区分を合計して親の代わりにするのは、その系統が分割になっていることを確かめてからにしてください。親の値がある指標は、親をそのまま使うのが安全です。
親自身がデータを持たないこともあります。定義に「大分類、小分類等の分類項目名（データはない）も併せて記載しています」とあるとおりで、A1601（未婚人口）のように副区分だけが公開されている系統があります。
どの cat01 を使えばよいかは item_catalog を item_name で検索して調べます。item_code がそのまま各カテゴリテーブルの cat01 になります。# で始まる item_code は算出指標の定義で、各カテゴリテーブルには収録されていないため除外します。
area_name = '全国' で絞るだけです。cat01 × area × year で1行なので、集約は要りません。
最新年をサブクエリで求め、全国 を除いて並べます。この形はどのカテゴリでも使えます。
指標によって収録の終わる年が違うため、最新年は cat01 ごとに求めます。テーブル全体の MAX(year) を使うと、その年に値のない指標が空になります。
市区町村単位で見たい場合は a_municipal_population 以下の *_municipal_* テーブルを使います。area_name は 茨城県 つくば市 のように県名と市区町村名が入ります。
| 分野 | 都道府県テーブル | 市区町村テーブル |
|---|---|---|
| A 人口・世帯 | a_pref_population | a_municipal_population |
| B 自然環境 | b_pref_land | b_municipal_land |
| C 経済基盤 | c_pref_economy | c_municipal_economy |
| D 行政基盤 | d_pref_administration | d_municipal_administration |
| E 教育 | e_pref_education | e_municipal_education |
| F 労働 | f_pref_labor | f_municipal_labor |
| G 文化・スポーツ | g_pref_culture | g_municipal_culture |
| H 居住 | h_pref_housing | h_municipal_housing |
| I 健康・医療 | i_pref_health | i_municipal_health |
| J 福祉・社会保障 | j_pref_welfare | j_municipal_welfare |
| K 安全 | k_pref_safety | k_municipal_safety |
総人口、年齢別人口、世帯数、婚姻、出生・死亡、転入・転出などの指標を収録します。主な出典は国勢調査、人口推計、人口動態統計、住民基本台帳です。
e_stat.ssds.a_pref_population（1975年〜、47都道府県 + 全国）e_stat.ssds.a_municipal_population（1980年〜、廃置分合処理済）項目定義: 社会・人口統計体系 A
| cat01 | 指標 |
|---|---|
| A1101 | 総人口 |
| A110101 / A110102 | 総人口（男）/（女） |
| A192001 | 全国総人口に占める人口割合 |
その他の指標は item_catalog（table_title = 'Ａ 人口・世帯'）で探せます。
総面積、可住地面積、林野・森林面積、湖沼面積などの土地に関する指標を収録します。
e_stat.ssds.b_pref_lande_stat.ssds.b_municipal_land（廃置分合処理済）項目定義: 社会・人口統計体系 B
| cat01 | 指標 |
|---|---|
| B1101 | 総面積（北方地域及び竹島を除く） |
| B1103 | 可住地面積 |
| B1105 | 林野面積 |
| B1106 | 森林面積 |
県内総生産、事業所数、課税対象所得など、地域の経済活動に関する指標を収録します。
e_stat.ssds.c_pref_economye_stat.ssds.c_municipal_economy（廃置分合処理済）項目定義: 社会・人口統計体系 C
| cat01 | 指標 |
|---|---|
| C120110 | 課税対象所得 |
| C1127 | 県内総生産額（第３次産業）（平成27年基準） |
| C210847 | 事業所数（民営）（宿泊業、飲食サービス業） |
産業別・基準年別に多数の指標があるため、item_catalog（table_title = 'Ｃ 経済基盤'）での検索が有効です。
地方公共団体の職員数や財政に関する指標を収録します。
e_stat.ssds.d_pref_administratione_stat.ssds.d_municipal_administration（廃置分合処理済）項目定義: 社会・人口統計体系 D
| cat01 | 指標 |
|---|---|
| D1201 | 一般行政部門職員数（都道府県） |
| D1203 | 消防部門職員数 |
| D1204 | 教育部門職員数 |
| D1205 | 警察部門職員数 |
学校数、学級数、教員数、在学者数など、教育に関する指標を収録します。
e_stat.ssds.e_pref_educatione_stat.ssds.e_municipal_education（廃置分合処理済）項目定義: 社会・人口統計体系 E
| cat01 | 指標 |
|---|---|
| E1101 | 幼稚園数 |
| E1301 | 幼稚園教員数 |
| E1401 | 幼稚園定員数 |
学校種別（小学校・中学校・高校など）ごとに指標が分かれます。item_catalog（table_title = 'Ｅ 教育'）で探してください。
労働力人口、就業者数、産業別就業者など、労働に関する指標を収録します。
e_stat.ssds.f_pref_labore_stat.ssds.f_municipal_labor（廃置分合処理済）項目定義: 社会・人口統計体系 F
| cat01 | 指標 |
|---|---|
| F1101 | 労働力人口 |
| F1102 | 就業者数 |
| F1106 | 就業者数・休業者 |
公民館・図書館などの社会教育施設、社会教育・社会体育の職員数など、文化・スポーツに関する指標を収録します。
e_stat.ssds.g_pref_culturee_stat.ssds.g_municipal_culture（廃置分合処理済）項目定義: 社会・人口統計体系 G
| cat01 | 指標 |
|---|---|
| G1201 | 公民館数 |
| G1101 | 社会教育関係職員数 |
| G1103 | 社会教育主事数 |
総住宅数、持ち家、住宅の種類など、居住に関する指標を収録します。
e_stat.ssds.h_pref_housinge_stat.ssds.h_municipal_housing（廃置分合処理済）項目定義: 社会・人口統計体系 H
| cat01 | 指標 |
|---|---|
| H1100 | 総住宅数 |
| H1101 | 居住世帯あり住宅数 |
| H1310 | 持ち家数 |
平均余命、医療施設、医療従事者など、健康・医療に関する指標を収録します。
e_stat.ssds.i_pref_healthe_stat.ssds.i_municipal_health（廃置分合処理済）項目定義: 社会・人口統計体系 I
| cat01 | 指標 |
|---|---|
| I1101 / I1102 | 平均余命（0歳）（男）/（女） |
| I1301 / I1302 | 平均余命（40歳）（男）/（女） |
生活保護、社会保障給付など、福祉・社会保障に関する指標を収録します。
e_stat.ssds.j_pref_welfaree_stat.ssds.j_municipal_welfare（廃置分合処理済）項目定義: 社会・人口統計体系 J
| cat01 | 指標 |
|---|---|
| J1101 | 生活保護被保護実世帯数 |
| J1105 | 生活保護被保護実人員 |
消防、警察、災害、交通事故など、安全に関する指標を収録します。
e_stat.ssds.k_pref_safetye_stat.ssds.k_municipal_safety（廃置分合処理済）項目定義: 社会・人口統計体系 K
| cat01 | 指標 |
|---|---|
| K1101 | 消防本部・署数 |
| K1102 | 消防職員数 |
| K1105 | 消防団員数 |
消費者物価指数（2020年基準）です。品目別の価格指数を全国・地域・都市階級別に月次／年次で収録します。テーブルは e_stat.cpi.price_index。
1 = 指数、ほかに前月比・前年比など）0001 = 総合）全国 など67区分）2024年、月次は 2024年1月 の形式年次データだけを取りたいときは time_name LIKE '____年'、月次は time_name LIKE '%月' で絞り込みます。
米類（0004）の直近12か月の指数を取り出します。
どんな統計表・指標が収録されているかを調べるためのメタデータです。
e_stat.main.stats_catalog: 統計表のカタログ（政府統計名・分野・集計地域区分などで横断検索）e_stat.ssds.item_catalog: 社会・人口統計体系の指標定義（item_code が各カテゴリテーブルの cat01）e_stat.ssds.series_coverage: 指標ごとの収録年（cat01 単位の min_year / max_year）主なカラム: stats_data_id（統計表ID）, stat_name（政府統計名）, gov_org_name（作成機関）, table_title（統計表題名）, main_category / sub_category（統計分野）, collect_area（集計地域区分）, cycle（周期）。
SSDS の各カテゴリテーブルで使う cat01 は、ここで item_name を検索して特定します。item_code がそのまま cat01 です。# で始まる item_code は算出指標の定義で、各カテゴリテーブルには収録されていないため除外します。
収録年は指標ごとに違います。毎年更新される系列と、国勢調査ベースで5年ごとの系列が
同じテーブルに混在するため、テーブル全体の MAX(year) は「どこまで新しいか」の
答えになりません。a_pref_population はテーブルとしては 2025 年まで入っていますが、
2025 年に届く指標は 594 のうち 12 だけで、307 は 2020 年で止まります。
series_coverage は 22 テーブル分の指標をまとめた約 5,000 行の表です。集計対象の
テーブルを走査せずに、指標を指定して収録年を引けます。
year_count は値が入っている年の数です。max_year - min_year + 1 に満たなければ、
その系列は年が飛んでいます。
min_year / max_year は値が入っている年で数えています。元データが「-」「X」で
value が NULL の行は含みません。
収録年は地域をまたいだ和です。max_year は「どこかの地域で」その年まで入っている
ことを表すので、地域を1つに絞って描くときは、その地域にその年の行があるかを
別に確かめてください（c_municipal_economy では199指標中114指標で最新年が
地域ごとに違います）。
町丁・字等の単位で、年齢・世帯・住宅・産業を集計したデータです。市区町村より細かい粒度で人の分布を見たいときに使います。境界データと結合すれば、そのまま地図に載せられます。
| テーブル | 内容 | 主分類（cat01） | value |
|---|---|---|---|
| census_small_area_age | 男女・年齢別人口 | 男女・年齢区分 | 人口 |
| census_small_area_household | 世帯の家族類型別一般世帯数 | 家族類型 | 一般世帯数 |
| census_small_area_industry | 産業大分類別就業者数 | 産業大分類 | 就業者数 |
| census_small_area_housing | 住宅の所有関係別一般世帯数 | 住宅の種類・所有の関係 | 一般世帯数 |
| census_small_area_household_size | 世帯人員別一般世帯数 | 世帯人員 | 一般世帯数・一般世帯人員・1世帯当たり人員 |
| census_small_area_building_type | 住宅の建て方別世帯数 | 住宅の建て方 | 主世帯数 |
| census_small_area_economic_type | 世帯の経済構成別一般世帯数 | 世帯の経済構成 | 一般世帯数 |
7表とも area / area_name / area_level / cat01 / 主分類名 / cat02 / 秘匿区分名 / unit / value の9カラムです。主分類の名称列だけテーブルごとに age_class / family_type / industry / tenure / household_size / building_type / economic_type と名前が違います。
census_small_area_household_size は cat01 によって単位が違います。0010〜0060 は世帯数、0070 は一般世帯人員（人）、0080 は1世帯当たり人員（人／世帯）です。
出典: 統計GIS 小地域集計
area には市区町村・町丁・字等・その内訳が縦に並んでいます。粒度は area_level で判別します。
| area_level | 桁数 | 内容 | 地域数 | 総人口 |
|---|---|---|---|---|
| municipality | 5 | 市区町村 | 1,896 | 126,146,099 |
| small_area | 9 | 町丁・字等 | 102,874 | 126,146,099 |
| small_area_detail | 11 | 丁目など町丁・字等の内訳 | 148,268 | 80,726,789 |
municipality と small_area はどちらも全域を覆い、合計が一致します。small_area_detail は丁目に分かれている地域にしかないため全域を覆いません。
粒度を混ぜて集計すると二重・三重に数えることになります。
census_small_area_age の cat01 は男女と年齢区分をまとめて表します。総数が 0010〜0200、男が 0210〜0400、女が 0410〜0600 です。
各区分の中に「総数、年齢「不詳」含む」と5歳階級と4区分（15歳未満・15〜64歳・65歳以上・75歳以上）が同居しているので、cat01 を絞らずに合計すると何重にも重複します。
列名が sex の列は男女ではなく秘匿・合算区分です（他の3表の secrecy と同じもの）。名前が実態と合っていませんが、公開済みのため変えていません。
cat02 は秘匿・合算区分です。1=無し、2=合算、3=秘匿。
秘匿（cat02 = 3）の行は value が 0 で入りますが「0人」ではなく非公表です。実数は合算（cat02 = 2）の地域に含まれています。そのまま合計すると実態より小さくなります。census_small_area_age では全行の 2.8% が秘匿です。
area は boundary.small_area の key_code と同じ体系です。
ここが間違えやすいところで、結合するときは area_level で絞らないでください。 boundary.small_area は末端の区画だけを1行ずつ持っていて、丁目に分かれている地域は 11桁の行しかありません。small_area（9桁）に絞ってから結合すると、全国 1億2614万人のうち 4,530万人（36%）しか残りません。
area = key_code でそのまま結合すれば、末端の区画が自然に選ばれます。全国で 220,603 行・1億2603万人になります（境界の無い小地域が 30,539 件あるぶん 0.09% 足りません）。
市区町村の単位で足したいだけなら、境界を経由せず area_level = 'municipality' の行をそのまま使います。
area の先頭5桁が標準地域コードです。code.municipality や SSDS の市区町村テーブルと突き合わせられます。
市区町村・都道府県の単位で、人口・世帯・5年間の増減・面積・人口密度をまとめたテーブルです。小地域集計より粗い粒度で、人口ランキングや増減率の比較のように地域を並べて見たいときに使います。
テーブルは census_municipality の1つです。原典の3つの統計表（第1-1-1表 男女別人口、第1-1-2表 世帯の種類別世帯数及び世帯人員、第1-1-3表 人口増減・面積・人口密度）を地域1行の横持ちにまとめてあります。同じ粒度で就業の側面を見るときは就業状態等基本集計、昼間の人口や通勤・通学の行き先を見るときは昼夜間人口と通勤・通学流動を使います。
| 列のグループ | 列 |
|---|---|
| 地域 | area / area_name / area_level / parent_area |
| 人口 | population / population_male / population_female |
| 世帯 | households / households_general / households_institutional |
| 世帯人員 | household_members / household_members_general / household_members_institutional |
| 5年間の増減 | population_2015 / households_2015 / population_change_5y / population_change_rate_5y / household_change_5y / household_change_rate_5y |
| その他 | sex_ratio / area_km2 / population_density |
出典: 令和2年国勢調査 人口等基本集計
area には全国・都道府県・市区町村・区・2000年（平成12年）の市区町村が縦に並んでいます。粒度は area_level で判別します。
| area_level | 内容 | 地域数 | 人口の合計 |
|---|---|---|---|
| national | 全国 | 1 | 126,146,099 |
| prefecture | 都道府県 | 47 | 126,146,099 |
| city | 市・特別区部 | 793 | 115,757,942 |
| town_village | 町村 | 926 | 10,388,157 |
| ward | 政令指定都市の区・特別区 | 198 | 37,532,334 |
| former_municipality | 2000年（平成12年）市区町村 | 2,121 | 53,303,248 |
日本全域をちょうど1回覆うのは prefecture だけ、または city と town_village の組だけです。
ward は city の内訳です。札幌市中央区は札幌市の、千代田区は特別区部の内訳にあたります。former_municipality は現行の市区町村を2000年の区域で組み替えた再掲で、地域コードは現行と重複しません（「（旧：戸井町）」のように名前で見分けられます）。どちらも city や town_village と一緒に足すと二重に数えます。
東京23区は city ではなく ward です。city に入るのは23区をまとめた「特別区部」（13100）1行で、23区は parent_area = '13100' の ward として別にあります。23区を1つずつ並べたいときは ward を使います。
population_2015 は平成27年国勢調査の人口を2020年の市区町村の区域に組み替えた値です。市町村合併があっても2020年の区域どうしで比較できます。
東日本大震災で全町避難が続いた富岡町・大熊町・双葉町・浪江町の4町は、2015年の人口・世帯数と増減率が原典で「-」のため NULL です。増減数（population_change_5y / household_change_5y）のほうは原典が2015年を0として出しているので、増減としては読めません。上のクエリのように population_2015 IS NOT NULL で外します。
双葉町は2020年の人口・世帯数も非公表で NULL です。人口密度だけ 0.0 が入りますが、0人という意味ではありません。
area_km2 は北方領土と竹島を含みます。一方 population_density は原典の公表値で、分母はそれらを除いた面積です。population / area_km2 を人口密度として使うと値がずれます。
| 地域 | area_km2 | 人口密度の分母（逆算） | 差 |
|---|---|---|---|
| 全国 | 377,976.41 | 372,992.6 | 4,983.81 |
| 北海道 | 83,424.44 | 78,447.66 | 4,976.78 |
| 根室市 | 506.25 | 411.29 | 94.96 |
| 隠岐の島町 | 242.82 | 242.47 | 0.35 |
人口密度は公表値の population_density をそのまま使ってください。
households は一般世帯と施設等の世帯の合計です。施設等の世帯は寮・病院・施設・自衛隊営舎などに住む世帯で、1世帯当たり人員のような指標を出すときは一般世帯だけを使います。
household_members（世帯人員の総数）は全行で population と一致します。国勢調査が世帯を単位に人を数えているためで、別の指標ではありません。
area は標準地域コード（5桁）です。code.municipality の area_code、census_small_area_* の市区町村行、boundary.small_area の key_code の上位5桁と同じ体系です。
小地域集計と突き合わせるときは、census_small_area_* の9桁コードの上位5桁で結合します。
小地域集計は政令指定都市を区の単位で持っています。北海道でいうと 01101 札幌市中央区の
行はありますが、市全体の 01100 札幌市はありません。政令指定都市と特別区部の行
（area_level = 'city' のうち下位に ward を持つもの）はこの結合では落ちるので、
ward を含めた粒度で突き合わせてください。
lg_code や address_br が使う全国地方公共団体コードは6桁で、末尾にチェックデジットが付く別の体系です。結合するときは桁と体系を揃えてください。
市区町村・都道府県の単位で、働いているかどうか（労働力状態）と、働き方（従業上の地位）を持つ2つのテーブルです。市区町村別 基本集計が人口と世帯を扱うのに対し、こちらは就業の側面を扱います。働く場所・通う場所の側から見るときは昼夜間人口と通勤・通学流動を使います。地域を並べて労働力率や非正規雇用の割合を比べたいときに使います。
| テーブル | 内容 | 区分の列 | 値 |
|---|---|---|---|
| census_municipality_labor_force | 男女・労働力状態別 15歳以上人口 | labor_status_code / labor_status | 人口 |
| census_municipality_employment_status | 男女・従業上の地位別 就業者数 | employment_status_code / employment_status | 就業者数 |
どちらも縦持ちで、1地域あたり census_municipality_labor_force が 39行（男女3 × 労働力状態13）、census_municipality_employment_status が 36行（男女3 × 従業上の地位12）です。年齢は総数のみで、年齢階級別の内訳は含みません。
出典: 令和2年国勢調査 就業状態等基本集計（第1-2-1表・第3-2表）
area は 市区町村別 基本集計 と同じ標準地域コード（5桁）で、そこから2000年（平成12年）市区町村の再掲を除いた1,965地域です。粒度は area_level で判別します。
| area_level | 内容 | 地域数 | 15歳以上人口の合計 |
|---|---|---|---|
| national | 全国 | 1 | 108,258,569 |
| prefecture | 都道府県 | 47 | 108,258,569 |
| city | 市・特別区部 | 793 | 99,161,646 |
| town_village | 町村 | 926 | 9,096,923 |
| ward | 政令指定都市の区・特別区 | 198 | 31,968,922 |
日本全域をちょうど1回覆うのは prefecture だけ、または city と town_village の組だけです。東京23区が city ではなく ward に入る点も基本集計と同じで、city に入るのは23区をまとめた「特別区部」（13100）1行です。
区分の列には総数もその内訳も縦に並びます。深さは labor_status_level / employment_status_level に出ています。
| labor_status_code | labor_status | level |
|---|---|---|
| 0 | 総数 | 1 |
| 1 | 労働力人口 | 1 |
| 11 | 就業者 | 2 |
| 111 / 112 / 113 / 114 | 主に仕事 / 家事のほか仕事 / 通学のかたわら仕事 / 休業者 | 3 |
| 12 | 完全失業者 | 2 |
| 2 | 非労働力人口 | 1 |
| 21 / 22 / 23 | 家事 / 通学 / その他 | 2 |
| 3 | 労働力状態「不詳」 | 1 |
合計に使えるのは labor_status_level = 1 かつ labor_status_code <> '0' の3行（労働力人口・非労働力人口・労働力状態「不詳」）で、その和が総数に一致します。男女（sex_code）も総数・男・女が同じ列に並ぶので、併せて絞ります。
census_municipality_employment_status の区分は総数・大区分（雇用者・役員・業主・家族従業者・家庭内職者・不詳）と、雇用者の内訳（正規の職員・従業員／派遣社員／パート・アルバイト・その他）です。
これに加えて「（再掲）雇用者（役員を含む）」（R1）があります。level は大区分と同じ 1 ですが、雇用者と役員を足し直した再掲なので、一緒に合計すると二重に数えます。is_reprint で分けてあるので、合計するときは employment_status_level = 1 AND employment_status_code <> '0' AND NOT is_reprint の7行を使います。
同じ地域名の市町村が複数の県にあります（川上村は長野県と奈良県、東村は沖縄県）。並べるときは area も一緒に出してください。
census_municipality_employment_status の総数（employment_status_code = '0'）は、census_municipality_labor_force の就業者（labor_status_code = '11'）と全行で一致します。働き方の内訳を労働力状態の側から見るときは、この2つで結合します。
年齢は総数のみです。年齢階級別（5歳階級）の労働力状態は原典にはありますが、このテーブルには含みません。
census_municipality_labor_force の総数（labor_status_code = '0'）は年齢が判明した15歳以上人口で、全国で 108,258,569 です。census_municipality の population（全国 126,146,099）との差 17,887,530 には15歳未満と年齢「不詳」が含まれます。就業に関する比率の分母には、population ではなくこのテーブルの総数を使ってください。
原典が「-」の区分は NULL です。内訳の合計が総数と一致することから、「-」は該当者がいない（0人）ことを表します。全町避難が続いた双葉町だけは全行が「-」で、全項目が NULL になります。
area は標準地域コード（5桁）です。census_municipality の area、code.municipality の area_code、census_small_area_* の市区町村行、boundary.small_area の key_code の上位5桁と同じ体系です。
産業別の就業者数は市区町村の粒度でも小地域集計の census_small_area_industry にあります（area_level = 'municipality'）。ただしそちらは政令指定都市を区の単位で持つので、市全体の行はありません。
lg_code や address_br が使う全国地方公共団体コードは6桁で、末尾にチェックデジットが付く別の体系です。結合するときは桁と体系を揃えてください。
市区町村・都道府県の単位で、昼夜間人口と通勤・通学の流動を持つ2つのテーブルです。市区町村別 基本集計と就業状態等基本集計が「どこに住んでいるか」を扱うのに対し、こちらは「どこに住む人がどこへ従業・通学しているか」を扱います。昼間にどれだけ人が集まる街かを見たいとき、通勤・通学の行き先を見たいときに使います。
| テーブル | 内容 | 区分の列 | 値 |
|---|---|---|---|
| census_municipality_daytime_population | 男女・常住地／従業地・通学地別 人口 | location_code / location | 人口 |
| census_commuting_flow | 常住地 → 従業地・通学地（都道府県）別 通勤者・通学者数 | destination_area / destination_area_name | 通勤者・通学者数 |
どちらも縦持ちで、census_municipality_daytime_population が 112,005行（1,965地域 × 男女3 × 常住地従業地19区分）、census_commuting_flow が 294,750行（常住地1,965 × 従業地・通学地50 × 男女3）です。年齢は総数のみで、年齢階級別の内訳は含みません。
出典: 令和2年国勢調査 従業地・通学地による人口・就業状態等集計（第1-1-1表・第6-1表）
area は 市区町村別 基本集計 と同じ標準地域コード（5桁）で、そこから2000年（平成12年）市区町村の再掲を除いた1,965地域です。census_commuting_flow では area が常住地を指します。粒度は area_level で判別します。
| area_level | 内容 | 地域数 | 夜間人口の合計 |
|---|---|---|---|
| national | 全国 | 1 | 126,146,099 |
| prefecture | 都道府県 | 47 | 126,146,099 |
| city | 市・特別区部 | 793 | 115,757,942 |
| town_village | 町村 | 926 | 10,388,157 |
| ward | 政令指定都市の区・特別区 | 198 | 37,532,334 |
日本全域をちょうど1回覆うのは prefecture だけ、または city と town_village の組だけです。東京23区が city ではなく ward に入る点も基本集計と同じで、city に入るのは23区をまとめた「特別区部」（13100）1行です。
census_municipality_daytime_population は、夜間人口（常住地による人口）側と昼間人口（従業地・通学地による人口）側が同じ列に縦に並びます。どちら側かは population_base、階層の深さは location_level に出ています。
| location_code | location | level | population_base |
|---|---|---|---|
| 0 | 常住地による人口（夜間人口） | 1 | nighttime |
| 001 | 従業も通学もしていない | 2 | nighttime |
| 002 | 自市区町村で従業・通学 | 2 | nighttime |
| 0021 / 0022 | 自宅で従業 / 自宅外の自市区町村で従業・通学 | 3 | nighttime |
| 003 | 他市区町村で従業・通学 | 2 | nighttime |
| 0031 / 0032 / 0033 / 0034 | 自市内他区 / 県内他市町村 / 他県 / 従業・通学市区町村「不詳・外国」 | 3 | nighttime |
| 004 | 従業地・通学地「不詳」 | 2 | nighttime |
| 0R1 | （再掲）流出人口 | 2 | nighttime |
| 1 | 従業地・通学地による人口（昼間人口） | 1 | daytime |
| 101 | うち他市区町村に常住 | 2 | daytime |
| 1011 / 1012 / 1013 | 自市内他区 / 県内他市町村 / 他県に常住 | 3 | daytime |
| 102 | うち従業地・通学地「不詳」等で当地に常住している者 | 2 | daytime |
| 1R1 | （再掲）流入人口 | 2 | daytime |
夜間人口の合計に使えるのは location_level = 2 AND population_base = 'nighttime' AND NOT is_reprint の4区分（001 / 002 / 003 / 004）で、その和が夜間人口に一致します。population_base を落とすと昼間人口側の 101 と 102 が混ざります。男女（sex_code）も総数・男・女が同じ列に並ぶので、併せて絞ります。
昼夜間人口比率は昼間人口 ÷ 夜間人口 × 100 です。原典の第1-1-2表の公表値と一致するので、比率の表は別に持っていません（千代田区は 903,780 ÷ 66,680 × 100 = 1355.39892）。
0R1（再掲）流出人口と 1R1（再掲）流入人口は location_level が大区分と同じ 2 ですが、他の区分の一部を足し直した再掲なので、一緒に合計すると二重に数えます。is_reprint で分けてあります。
どこまでを地域の外とみなすかは area_level で変わります。
| area_level | 流出人口 | 流入人口 |
|---|---|---|
| ward / town_village / 政令指定都市以外の city | 0031 + 0032 + 0033 | 101（= 1011 + 1012 + 1013） |
| 政令指定都市・特別区部 | 0032 + 0033 | 1012 + 1013 |
| prefecture | 0033 | 1013 |
| national | NULL | NULL |
粒度によらず成り立つのは次の恒等式で、全1,965地域・男女3区分で確認しています。
昼間人口 = 夜間人口 − 流出人口 + 流入人口
census_commuting_flow は1行が「常住地 → 従業地・通学地」1組にあたる OD（起終点）行列です。従業地・通学地は都道府県までで、市区町村どうしの流動は含みません。
destination_area_level は total（総数1区分）・prefecture（都道府県47区分）・unknown（従業・通学市区町村「不詳・外国」99998 と従業地・通学地「不詳」99999）の3つです。total の値は prefecture と unknown の和に等しいので、絞らずに合計すると2倍になります。
常住地と同じ都道府県のセルには、自市区町村内で従業・通学する人（自宅外）も入ります。「県外へ出る人」を数えるには、destination_area が常住地の都道府県コードと違う行だけを取ります。
census_commuting_flow が数えているのは自宅外で従業・通学する人だけで、自宅で従業する人（0021）と従業も通学もしていない人（001）は含みません。母集団は次の関係でつながります（全1,965地域・男女3区分で成立）。
flow の総数 − flow の従業地・通学地「不詳」（99999）
= daytime の 自宅外の自市区町村で従業・通学（0022） + 他市区町村で従業・通学（003）
flow の従業・通学市区町村「不詳・外国」（99998） = daytime の同区分（0034）
年齢は総数のみです。年齢階級別（5歳階級）の従業地・通学地は原典にはありますが、このテーブルには含みません。従業地・通学地の市区町村どうしの流動も原典にはありますが、含みません。
原典が「-」の区分は NULL です。census_municipality_daytime_population は112,005行のうち11,360行、census_commuting_flow は294,750行のうち175,672行が NULL で、いずれも該当者がいない（0人）ことを表します。
area は標準地域コード（5桁）です。census_municipality の area、code.municipality の area_code、census_small_area_* の市区町村行、boundary.small_area の key_code の上位5桁と同じ体系です。
市区町村より細かい粒度で昼間人口を見たいときは1kmメッシュ別 昼間人口を使います。そちらは按分による推計値で、公的統計として昼間人口が公表されているのはこのテーブルの市区町村までです。
lg_code や address_br が使う全国地方公共団体コードは6桁で、末尾にチェックデジットが付く別の体系です。結合するときは桁と体系を揃えてください。
令和2年国勢調査の町丁・字等別の境界ポリゴンと、人口・世帯数を収録します。テーブルは e_stat.boundary.small_area。境界と集計データは key_code で結合できる形になっています。
水面調査区は除外、同一 key_code に複数境界がある場合は代表（飛び地等を除外）のみを残しています。
geometry は空間型のため、テキストで確認したいときは ST_AsText(geometry) を使います。緯度経度だけなら x_code / y_code が手軽です。
key_code は町丁・字等が9桁、丁目に分かれている地域はその内訳が11桁です。同じ地域が両方の桁で入ることはなく、末端の区画だけが1行ずつ入っています。だから全行を素直に SUM して構いません。
| key_code の桁数 | 行数 | 人口 |
|---|---|---|
| 9 | 72,371 | 45,312,627 |
| 11 | 148,232 | 80,833,449 |
| 2 | 87 | 0 |
2桁の 87 行は町丁・字等が割り当てられていないポリゴン（合計 27.4 km²）で、名称が空・人口0です。集計に混ぜたくないときは LENGTH(key_code) > 2 で外します。
この構造は census スキーマと違います。census の area は市区町村・町丁字・その内訳の3階層すべてを持つので、結合するときは census 側を粒度で絞らないでください。詳しくは小地域集計を参照してください。
標準地域メッシュ（JIS X 0410）の3次メッシュ（1kmメッシュ）の区画です。テーブルは e_stat.boundary.mesh_1km。統計値は持たず、メッシュ単位の統計を地図化するときの器として使います。
1区画は緯度方向30秒・経度方向45秒。陸域を含む1次メッシュ 176 区画分を収録しています。
census.daytime_population_mesh_1km は1kmメッシュごとの昼間人口・夜間人口・昼夜間人口比率です。商圏分析で「そこに何人いるか」を昼と夜で見分けるための表です。
夜間人口は令和2年国勢調査の実測値ですが、昼間人口は推計値です。公的統計として昼間人口が公表されているのは市区町村までで、それより細かい単位は存在しません（市区町村の公表値は昼夜間人口と通勤・通学流動にあります）。小地域集計にも地域メッシュ統計にも従業地・通学地の項目はありますが、どちらも「当地に常住する就業者・通学者」＝ そこから出ていく側だけで、外から入ってくる側は市区町村止まりです。
公表されている市区町村の昼間人口には内訳があります。
| 項目符号 | 内容 |
|---|---|
| A6101 | 従業も通学もしていない人口 |
| A6102 | 自市区町村で従業・通学している人口 |
| A6103 / A6104 | 流出人口（県内他市区町村 / 他県） |
| A6105 / A6106 | 流入人口（県内他市区町村 / 他県） |
| A6107 | 昼間人口 |
実データでは次の恒等式が市区町村1,913件のうち1,911件で厳密に成り立ちます（残り2件は令和2年時点で存在しない浜松市の新設区で、元データがありません）。
夜間人口 = A6101 + A6102 + A6103 + A6104 + 不詳
昼間人口 = A6101 + A6102 + A6105 + A6106 + 不詳
不詳は従業地・通学地がわからない常住者で、昼夜とも同じ値です。つまり常住地に留まる扱いになっています。そこで昼間人口を性質の違う2つに割り、それぞれ別のウェイトでメッシュへ配ります。
その場に残る人 = A6101 + 不詳 → メッシュの夜間人口で按分
そこで従業・通学する人 = A6102 + A6105 + A6106 → メッシュの従業者数で按分
ウェイトは市区町村の中で正規化するので、メッシュを市区町村ごとに合計すると公表昼間人口に一致します。千代田区で確かめると 12,064 + 22,282 + 18,510 + 463,702 + 387,222 = 903,780 で公表値と同じになります。
mesh_code は境界データ boundary.mesh_1km と同じコード体系なので、そのまま結合できます。
夜間人口が少ないのに昼間人口が多いメッシュがオフィス街です。夜間人口が極端に少ないメッシュは比率が跳ねるので、下限を切って見ます。
逆に daytime_night_diff が大きく負のメッシュは、昼間に人がいなくなる住宅地です。
city_code はメッシュの中心点が属する市区町村です。境界をまたぐメッシュは中心点のある側へ丸ごと入ります。ウェイトは市区町村の中で正規化されるので、市区町村ごとの合計が公表値と一致することには影響しませんcity_code が NULL で、昼間人口 = 夜間人口 になります出典: 総務省統計局 令和2年国勢調査／平成28年経済センサス‐活動調査に関する地域メッシュ統計、社会・人口統計体系。
市区町村ごとの製造業を、産業中分類別に毎年数えた表です。製造品出荷額等が市区町村×産業の粒度で毎年そろうのはこの調査だけで、2008年から2020年までの10年分を収録しています。ある街のものづくりが何で成り立っているか、どの産業が減ってどの産業が残ったかを見るときに使います。
| テーブル | 内容 | 区分の列 | 主な値 |
|---|---|---|---|
| municipality_industry | 都道府県・市区町村・区別、産業中分類別の製造業統計 | survey_year / amount_reference_year / area / industry_code | establishments / employees / shipment_value_10k_yen |
従業者4人以上の事業所が対象です。201,323行あり、1地域につき製造業計 + 該当のある産業中分類の縦持ちです。
出典: 工業統計調査 確報 市区町村編／地域別 市区町村別、産業中分類別統計表
| 年 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 収録 | ○ | ○ | ○ | — | ○ | ○ | ○ | — | — | ○ | ○ | ○ | ○ |
2011年・2015年・2016年は経済センサス‐活動調査の実施年で、工業統計調査が行われていません。2020年確報が最後で、以降この調査は行われていません。
2007年以前は収録していません。日本標準産業分類 第12回改定（2008年適用）で繊維工業と衣服製造業が統合され、以降の中分類コードが1つずつ繰り上がったためです。同じコードが2007年と2008年で別の産業を指し（26 は2007年が一般機械器具製造業、2008年以降が生産用機械器具製造業）、コードで時系列を引くと黙って別の産業が混ざります。
2017年調査から調査期日が12月31日から翌年6月1日に変わり、事業所数・従業者数は調査年の6月1日現在、現金給与総額・製造品出荷額等などの経理事項は前年1〜12月の実績になりました。2020年確報の製造品出荷額等は2019年実績です。2014年までは12月31日現在と当年1〜12月の実績で、調査年と実績年が同じでした。
同じ1行の中で件数と金額の対象期間がずれます。金額を年で並べるときは survey_year ではなく amount_reference_year を使います。
| survey_year | 2008 | … | 2014 | 2017 | 2018 | 2019 | 2020 |
|---|---|---|---|---|---|---|---|
| 件数の時点 | 2008-12-31 | … | 2014-12-31 | 2017-06-01 | 2018-06-01 | 2019-06-01 | 2020-06-01 |
| amount_reference_year | 2008 | … | 2014 | 2016 | 2017 | 2018 | 2019 |
金額の実績年は 2008〜2010・2012〜2014・2016〜2019 で、2015年の実績はどの年にも入りません。
内訳が入るのは市区町村と区の行だけです。都道府県・政令指定都市・東京特別区の行は製造業計（industry_code = '00'）しか持ちません。政令指定都市の内訳はその区の行にあります。事業所の少ない市町村も内訳が秘匿されていて入りません。
2020年で内訳を持つのは市区町村772・区198の計970地域です。その事業所数の合計は159,720で、全国181,876事業所の88%にあたります。内訳の無い市町村は929あり、事業所数の中央値は16です。
政令指定都市を同じように引くと0行になります。区の行を足すか、製造業計の行を読みます。
全国の行はありません。47都道府県の和が全国計に一致します（2008年の事業所数 263,061 は、同じ調査の産業編「従業者4人以上の事業所に関する統計」の全国計と同値です）。
| area_level | 内容 | 地域数（2020年） | 事業所数（2020年） |
|---|---|---|---|
| prefecture | 都道府県 | 47 | 181,877 |
| municipality | 市・町村・東京特別区（13100） | 1,701 | 181,876 |
| ward | 政令指定都市の行政区・特別区 | 198 | 35,367 |
日本全域をちょうど1回覆うのは prefecture だけ、または municipality だけです。ward は municipality の内訳で、足すと二重に数えます。23区の合計にあたる東京特別区（13100）は municipality に置いています。
地域の名称は年で書き方が変わります。2012年までは政令指定都市の区が市名を含まず（中央区）、2013年以降は含みます（札幌市中央区）。年をまたぐ集計は名称ではなく area で束ねます。
area は市区町村別 基本集計や code.municipality と同じ標準地域コード（5桁）です。全国地方公共団体コード（6桁）とは別体系なので、lg_code や address_br と結合するときは桁と体系を揃えます。
事業所数（establishments）と従業者数（employees）は欠測がなく、産業中分類24区分の和が製造業計に一致します。市区町村の和も都道府県に一致します（長野県の2020年だけ1事業所ぶんずれます）。
金額の項目（cash_earnings_10k_yen / material_cost_10k_yen / shipment_value_10k_yen / gross_value_added_10k_yen）は事業所が少ない区分を秘匿するため NULL が入り、値が入るのは全体の70%です。製造品出荷額等の中分類の和は製造業計の中央値で94%にとどまります。総数を出したいときは内訳を足さず、製造業計の行・都道府県の行をそのまま読みます。
原典が「-」（該当数字なし）・「X」（秘匿）の区分は NULL になり、2つの意味は区別できません。その他収入額（other_income_10k_yen）と有形固定資産年末現在高（tangible_fixed_assets_10k_yen）は2014年までの統計表にしかなく、2017年以降は NULL です。粗付加価値額は負の値をとる行があります。
経済センサス‐活動調査の economic_census.establishment_industry とは母数が違います。あちらは全産業を産業大分類で見た2021年の断面で、事業所の規模を絞りません。こちらは製造業だけを産業中分類で見た毎年の系列で、従業者4人以上に限ります。同じ「製造業の事業所数」でも数え方が違うので、そのまま1本の時系列にはできません。
市区町村ごとに、何人が入ってきて何人が出ていったかを毎年数えた表です。住民票の異動届にもとづく実績なので、将来推計人口と違って推計値ではありません。テーブルは e_stat.migration.municipality_migration。
| テーブル | 内容 | 区分の列 | 主な値 |
|---|---|---|---|
| municipality_migration | 全国・都道府県・市区町村・区別の転入者数・転出者数・転入超過数 | area / year / sex_code / nationality_code | inflow / outflow / net_inflow |
2010年から2025年までの210,927行です。市区町村をまたぐ移動だけを数えるので、同一市区町村内の引っ越しと国外との出入りは入りません。全国の転入超過数は、どの移動も転入と転出の両方に数えられるため定義上 0 になります。
出典: 住民基本台帳人口移動報告 年報（2020年以降 / 2019年以前）
national / prefecture / municipality / ward / county / urban_rural_part）0 = 総数、1 = 男、2 = 女）60000 = 移動者、61000 = 日本人移動者、62000 = 外国人移動者）net_inflow は inflow - outflow に等しく、負の値は転出超過を表します。
area には市区町村のほかに集計行が縦に並びます。area_level を絞らずに合計すると何重にも数えます。
| area_level | 内容 | 地域数 |
|---|---|---|
| national | 全国 | 1 |
| prefecture | 都道府県 | 47 |
| municipality | 市・町村・政令指定都市・東京都特別区部 | 1,736 |
| ward | 政令指定都市の区・特別区 | 201 |
| county | 郡・北海道の振興局・東京の支庁 | 332 |
| urban_rural_part | 市部・郡部 | 96 |
日本全域をちょうど1回覆うのは municipality だけです。ward はその内訳（千代田区は東京都特別区部の内訳、中央区は札幌市の内訳）、county は町村の合計、urban_rural_part は市と町村を別の切り方でまとめた合計です。
地域数は年によって変わります。2025年は county と urban_rural_part の行がありません。市区町村と区を合わせた行がある地域は2025年で1,913です。
| nationality_code | 区分 | 収録 |
|---|---|---|
| 61000 | 日本人移動者 | 2010年〜 |
| 60000 | 移動者（日本人と外国人の合計） | 2018年〜 |
| 62000 | 外国人移動者 | 2020年〜 |
2017年以前まで遡る時系列は 61000 で引きます。60000 で引くと2018年から始まる系列になり、2017年と2018年の間に外国人の分だけ段差ができます。
ORDER BY net_inflow に変えると転出超過の多い順になります。
新宿区（13104）を2010年から引きます。日本人移動者で引くと16年分そろいます。
2020年から2025年まで一度も転出超過にならなかった市区町村です。
国外との出入りは入らないので、ここに出るのは国内で都道府県をまたいだ移動だけです。
area は code.municipality の area_code や census 系の area と同じ標準地域コード（5桁）です。census.census_municipality と結合すると人口あたりの転入超過を出せます。全国地方公共団体コード（6桁）とは別体系なので、lg_code と結合するときは桁を揃えます。
同じ住民票の異動から作られる数が resident_registry.population にもあります（moved_in_domestic / moved_out_domestic）。対象期間は2014年以降どちらも暦年で同じですが（住基のほうは調査期日1月1日の直前1年間なので、year = 2026 の行が2025年にあたります）、別々に集計された統計なので値は一致しません。2025年の全国・日本人の国内転入は、この表が4,528,254人、住基の動態が4,523,542人です。
全国で転入と転出が一致するのはこの表だけです。住基の動態は同じ2025年の全国・日本人で国内転入4,523,542人・国内転出4,544,769人と差が残ります。転入超過を見るならこの表、国外との出入りや出生・死亡まで含めて人口の増減を追うなら resident_registry.population を使い、系列は片方で通します。
原典には年齢別の表もありますが、年齢区分が年代で違います（2019年以前は3区分、2020年以降は5歳階級）。同じ列に積むと区分の意味が年で変わるため、この表は年齢の総数だけを収録しています。
原典が欠測値としている市区町村と年があります。転出者数が入らないのは矢祭町（07482）の2010年〜2014年と国立市（13215）の2010年〜2011年、転入超過数が入らないのはその翌年まで（矢祭町は2015年、国立市は2012年）です。転入者数はどの年もあります。都道府県と全国の値もその分を欠いたまま積まれているので、市区町村の和は都道府県の値と一致します。
政令指定都市に移行した年だけは、市の値が通年で区の値が4月以降になるため、区の和が市に届きません（相模原市の2010年・熊本市の2012年）。
都道府県・市区町村がその年度にいくら入れていくら出したか、地方交付税の算定でどれだけの財政力があると見られているかの表です。全団体が報告する全数調査で、標本ではありません。いわゆる「決算カード」の原資料にあたります。
| テーブル | 内容 | 区分の列 | 主な値 |
|---|---|---|---|
| settlement_balance | 都道府県・市区町村・一部事務組合の決算収支 | fiscal_year / survey_scope / entity_kind / area_code | revenue_total / expenditure_total / real_balance / real_single_year_balance |
| fiscal_capacity | 市区町村の財政力指数と標準財政規模 | fiscal_year / area_code | fiscal_capacity_index / standard_fiscal_scale / standard_revenue / standard_demand |
settlement_balance は1989年度から2024年度までの156,892行、fiscal_capacity は2014年度から2024年度までの19,151行です。金額の単位はすべて千円です。
出典: 地方財政状況調査（総務省）
市町村分の調査表には、市区町村（2024年度で1,741）のほかに一部事務組合と広域連合（同1,321）の行が入ります。市区町村が組合に出す負担金は市区町村の歳出にも組合の歳入にも立つので、絞らずに合計すると二重に数えます。
| entity_kind | 内容 | 2024年度の団体数 |
|---|---|---|
| prefecture | 都道府県 | 47 |
| municipality | 市区町村 | 1,741 |
| association | 一部事務組合・広域連合 | 1,321 |
| total | その調査表の「合計(全国)」 | 2（調査表ごとに1本） |
total の行はその調査表に載る全団体の単純な合計です。市町村分の合計は組合を含むので市区町村の合計ではありません（2024年度の市町村分の合計は73.6兆円、市区町村だけの和は71.4兆円）。
area_code は5桁の標準地域コードで、code.municipality や census 系の area と同じ体系です。6桁の全国地方公共団体コードは lg_code に別に入っています。一部事務組合は市区町村ではないので、area_code で code.municipality を引いても当たりません。
原典の側で合わない行が156,892行中7行あります（2012年度の世田谷区、2023年度の諏訪広域公立大学事務組合と宇和島地区広域事務組合、2024年度の川南町と、それぞれを含む合計の行3本）。原典の値をそのまま収録しています。
市区町村の行数は1989年度の3,268から2024年度の1,741まで減ります。平成の大合併で市町村そのものが減ったためで、収録の欠けではありません。年度をまたいで同じ団体を追うときは、code.municipality_change の廃置分合履歴で読み替えます。
fiscal_capacity は調査表の表紙から取っています。列に名前が付くのは市町村分の2014年度決算以降で、それ以前は「列001」…という無名の90列になり、同じ位置が年度によって別の項目を指します（2005年度決算の列009は財政力指数、2009年度決算の列009は臨時財政対策債発行可能額）。位置から当てにいくと黙って別の値が入るので取っていません。都道府県の表紙は財政力の列を持たないため、この表は市区町村だけです。
一部事務組合と広域連合は地方交付税の算定対象ではなく、原典でも全項目が0で入るので落としています。code.municipality が市区町村として数える1,747件のうち、北方領土の6村は調査の対象外で行がありません。
fiscal_capacity_index は基準財政収入額を基準財政需要額で割った値の3か年平均で、小数第2位までです（2024年度で1を超えるのは1,741市区町村のうち74）。3か年平均なので、普通交付税の交付・不交付を単年度で判定した結果とは一致しません。
同じ品物が市によっていくらで売られているかを、指数ではなく円のまま収録します。テーブルは e_stat.retail_price.item_price。2000年から2025年までの1,207,312行です。
出典: 総務省統計局 小売物価統計調査（動向編） 調査品目の年平均価格
01021 = 1021 食パン）13100 = 特別区部）2024年 の形式地域は都道府県庁所在市及び人口15万以上の市で、1年に載るのは71〜81市です。47都道府県すべてに1市以上ありますが、全国計の行はありません。
食パン（01021）の2024年の価格を高い順に並べます。2024年は那覇市の718円が最も高く、函館市の304円が最も安い値です。
area は5桁の標準地域コードそのものなので、code.municipality と直接つなげます。
価格は品目ごとに決められた数量（1kg当たり・100g当たりなど）に対する額ですが、その数量はこの表に入っていません。value を品目間で並べても意味を持ちません。比べられるのは同じ品目の市どうしか、同じ品目・同じ市の年どうしです。数量の規格は統計局の調査品目及び基本銘柄にあります。
unit は全行「円」ですが、火災・地震保険料の5品目（03182〜03184, 03186, 03187）は保険料率で、実際の単位は割合です。見分けられるのは item_note の【表章単位：割合】だけです。value が 0 の行（公立高校授業料や保育料の無償化）と、負の行（電気代の燃料費調整単価）もあります。
市と品目の組合せの22%は value が NULL です。調査を終えた品目も掲載を終えた市も行としては残るので、その年に実際に値がある組合せだけが必要なら value IS NOT NULL で絞ります。
code.municipality とつながるのは95コード中88件です。つながらない7件は政令指定都市になる前のコードで、area_note に有効期間が入ります。
浦和市 11204（〜2001年4月） → さいたま市 11244（2001年5月〜2003年3月） → さいたま市 11100
新潟市 15201（〜2007年3月） → 新潟市 15100
市の時系列を通して見るときは、コードではなく市の名称で寄せるか code.municipality_change で対応させます。
cpi.price_index は地域ごとに2020年 = 100 に揃えた指数なので、市どうしの水準は比べられません。比べられるのは同じ地域の時間変化です。円の水準で市を並べられるのはこの表です。地域コードの体系も違い、cpi.price_index は 01A01 形式、household.expenditure は 01003 形式で、どちらも area_name の先頭5桁がこの表の area にあたります。
全国統一価格品目（たばこ・郵便料金など）は市別に調査しないのでこの表にはありません。
保育所・障害者支援施設・児童養護施設・養護老人ホームなどの施設数・定員・在所者数・常勤換算従事者数を、都道府県別・施設の種類別・経営主体別に収録します。テーブルは e_stat.welfare_facility.facility_statistics。2011年から2024年までの864,063行で、調査日は毎年10月1日です。
出典: 厚生労働省 社会福祉施設等調査
1セル1行の縦持ちです。指標を measure で選び、地域と施設の種類で絞ります。
type / group / detail / reprint / total）総数 / 公営 / 私営）基本票 / 詳細票）facility_count / capacity / occupants / fte_workers）2024年の保育所等の定員は東京都が321,215人で最も多く、愛知県162,053人、神奈川県156,176人と続きます。
2017年調査までは指定都市と中核市が都道府県とは別の行に並び、都道府県の行はその市の分を含みません。2018年調査からは市の行が無くなり、都道府県の行が県全体になります。area_kind = 'prefecture' だけで年をまたぐと、2018年に実体のない跳ねが出ます。
束ねると 2017年 13,525 → 2018年 14,454 と続きますが、area_kind = 'prefecture' だけで数えると 7,821 → 14,454 になります。差は指定都市と中核市の分です。
国が設置する施設は area_kind = 'state' の行にあり、どの都道府県にも属しません（prefecture_code が NULL）。上のクエリはこれを外しています。
施設の種類の見出しは段になっていて、そのまま足すと二重に数えます。足し合わせて全体になるのは facility_level = 'type' の段だけです。
type: 足し合わせて全体になる段group: 保護施設・老人福祉施設・児童福祉施設等などの大分類の小計detail: 保育所等を幼保連携型認定こども園・保育所・保育所型認定こども園に割った内訳、地域型保育事業所を小規模保育事業所などに割った内訳reprint: 再掲total: 全体の総数facility_level = 'type' の行で facility_group が NULL になるのは、大分類に属さない婦人保護施設（2024年調査からは女性自立支援施設）だけです。大分類そのものの行（group）・総数の行（total）・再掲の一部は facility_group を持たないので、facility_level で絞らずに GROUP BY facility_group すると NULL の束にそれらが混ざります。2014年調査までの定員・在所者数の表は原典が大分類を印字しませんが、施設の種類の符号から同じ年の別の表の大分類を当てて補ってあるので、年をまたいでまとめても落ちません。
2012年調査から、全施設に配る基本票と一部が標本の詳細票の2本立てになりました。定員は両方にあるので、survey_form を指定しないと1つの地域・施設に2行返ります。
2024年の全国の総数は、基本票の定員が3,770,139人、詳細票の定員が3,506,823人、在所者数が2,971,644人、常勤換算従事者数が1,018,802人です。定員に対する在所者数を見るときは、分母も詳細票の定員にそろえます。
2011年調査は票が1種類しか無いので survey_form は NULL です。
在所者数は定員と同じものを数えていません。通所で利用する人を含む施設の種類では、在所者数が定員を上回ります（2024年の全国で、児童発達支援センターは定員25,043人に対し在所者数47,619人、障害者支援施設は定員135,475人に対し在所者数145,488人）。母子生活支援施設は定員が世帯数、在所者数が世帯人員数で、そもそも単位が違います。都道府県 × 施設の種類で見ると、在所者数が定員を超える組合せは19.4%あります。定員に対する割合として読めるのは、入所・入園の定員で運営する種類（保育所等は2024年の全国で84.6%）だけです。
2023年調査から幼保連携型認定こども園が調査の対象外になりました。保育所等の定員は2022年の2,939,776人から2023年は2,259,096人に、施設数の総数は83,821から77,803に下がります。減ったのではなく数える範囲が変わったので、2022年をまたぐ比較はこの施設を外してそろえます。
定員と在所者数の総数には母子生活支援施設が入りません。2011年調査の定員はさらに助産施設も外れます。原典の集計がそうなっているので、facility_level = 'type' を足した値は総数より母子生活支援施設の分だけ大きくなります。
単位が人でない施設もあります。母子生活支援施設の定員は世帯数、在所者数は世帯人員数、有料老人ホーム（サービス付き高齢者向け住宅であるもの）の定員は戸数、助産施設の定員は認可病床数です。
符号が同じでも名称が変わります。婦人保護施設は2024年調査から女性自立支援施設、情緒障害児短期治療施設は2017年調査から児童心理治療施設です。2011年調査は障害者総合支援法より前の区分で、知的障害者援護施設・身体障害者更生援護施設・精神障害者社会復帰施設という大分類があり、2012年調査以降の障害者支援施設等とは範囲が違います。
特別養護老人ホーム（介護老人福祉施設）・介護老人保健施設・訪問介護事業所などの介護保険の施設は、この調査ではなく介護サービス施設・事業所調査の対象です。介護保険施設の施設数と定員は介護保険施設の施設数・定員にあります。
事業所1件ごとの名簿が必要なときは mhlw データセットの kaigo.establishment と shougai.shougai_establishment を参照してください。あちらは現時点の一覧で、年次の増減はこの表でしか追えません。
その年その地域にその種類の施設が無いか、原典が値を伏せた行は NULL です。値が入るのは年・指標ごとに34.4%〜63.3%の行なので、集計の前に value IS NOT NULL で絞るか、SUM の NULL 無視に任せます。
介護老人福祉施設（特別養護老人ホーム）・介護老人保健施設・介護医療院・介護療養型医療施設の施設数と定員を、市区町村別・施設の種類別に収録します。テーブルは e_stat.kaigo_service.insurance_facility。2001年から2024年までの534,444行で、調査日は毎年10月1日です。
1セル1行の縦持ちです。指標を measure で選び、地域と施設の種類で絞ります。
基本票 / 詳細票）facility_count / capacity / fte_workers）2024年の介護老人福祉施設の定員は横浜市が18,037人で最も多く、大阪市13,715人、名古屋市8,439人と続きます。全国1,741市区町村のうち、介護保険施設が1つも無いのは86です。
政令指定都市は市の合計行（designated_city）と行政区の行（ward）が両方並びます。足し合わせて全国になるのは municipality と designated_city だけです。
2024年の介護老人福祉施設の定員は、全国の行も市区町村の合計も604,469人です。行政区を混ぜると724,785人になります。
東京23区は基礎自治体なので municipality です。同じ「区」でも政令指定都市の行政区とは扱いが逆になります。2004年〜2010年調査にはその集計行「特別区」（13100）が並び、これは district です。
2012年調査から、全施設を数える基本票と、回収率の変動を受ける詳細票の2本立てになりました。2017年調査までは両方があり、2018年調査からは基本票だけです。survey_form を指定しないと1つの地域・施設に2行返ります。
基本票でそろえると、介護老人福祉施設の定員は2012年の475,695人から2024年の604,469人へ増え、介護老人保健施設は352,182人から365,939人とほぼ横ばいです。
票をまたぐと実体のない段差が出ます。介護老人福祉施設の施設数は2017年調査が詳細票7,299・基本票7,891で、詳細票から2018年調査の基本票8,097につなぐと1割の跳ねになります。
2011年調査までは票が1種類しか無いので survey_form は NULL です。原典は2010年・2011年調査と2012年〜2017年調査の詳細票に「調査方法の変更等による回収率変動の影響を受けているため、数量を示す施設数等の実数は前年以前と単純に年次比較できない」と注記しています。
介護医療院は2018年調査から表に出ます（62施設 → 2024年調査で917施設）。入れ替わりに介護療養型医療施設が減り（2012年調査1,759施設 → 2023年調査197施設）、2024年調査では表から無くなります。
介護療養型医療施設の定員は原典の見出しが「病床数」ですが、数えているものは同じ枠の数なので measure = 'capacity' に寄せてあります。
area_code は調査した年の標準地域コードです。平成の大合併で消えたコードも入っているので、2001年〜2024年調査に出る3,785コードのうち、現行の code.municipality に残るのは1,960です。
年をまたいで同じ市区町村を追うときは code.municipality_change で新旧のコードをつなぎます。収録は2007年4月2日以降の変更だけなので、平成の大合併のピーク（1999年〜2006年）はつながりません。
全国の行があるのは2004年調査からです。2001年〜2003年調査は都道府県から始まります。
measure = 'fte_workers' が入るのは2017年調査までで、2018年調査からは表にありません。原典が1の位で丸めた値なので、市区町村を足し上げても上位の行と一致しません（全国との最大差は市区町村の合計で118人、都道府県の合計で7人）。
保育所・障害者支援施設・児童養護施設・養護老人ホームなどは、この調査ではなく社会福祉施設等調査の対象です。社会福祉施設の施設数・定員・従事者数を参照してください。
訪問介護・通所介護などの居宅サービス事業所と地域密着型サービスの事業所数は、下の service_establishment にあります。
事業所1件ごとの名簿が必要なときは mhlw データセットの kaigo.establishment を参照してください。あちらは現時点の一覧で、年次の増減はこの表でしか追えません。
その年その市区町村にその種類の施設が無い行は NULL です。値が入るのは年・指標ごとに51.7%〜72.3%の行なので、集計の前に value IS NOT NULL で絞るか、SUM の NULL 無視に任せます。
訪問介護・通所介護・訪問看護ステーション・居宅介護支援・認知症対応型共同生活介護（グループホーム）などの事業所数を、都道府県別・サービスの種類別に収録します。テーブルは e_stat.kaigo_service.service_establishment。基本票の4表（居宅サービス・介護予防サービス・地域密着型サービス・地域密着型介護予防サービス）を1つにしたもので、2013年から2024年までの46,087行です。
nationwide / prefecture / designated_city / core_city）2024年の訪問介護は大阪府が5,811で最も多く、東京都3,265、神奈川県2,258、愛知県2,004と続きます。
行は全国・47都道府県と、その再掲の指定都市・中核市までで、市区町村の粒度はありません。足し合わせて全国になるのは area_kind = 'prefecture' の行だけです。指定都市と中核市は都道府県の内数なので、混ぜると二重に数えます。中核市は年とともに増えます（2013年調査42市 → 2024年調査62市）。
原典の行見出しは地域名だけなので、area_code は code.municipality の現行の名前から当てています。
2016年4月に定員18人以下の通所介護が地域密着型通所介護へ移りました。通所介護は2015年調査43,406から2016年調査23,038へ半減し、地域密着型通所介護が2016年調査21,063で現れます。年をまたいで比べるときは2つを合わせます。
介護予防訪問介護と介護予防通所介護は総合事業へ移り、2017年調査を最後に表から無くなります。原典が「-」（該当なし）のセルは NULL です。
就業状態・従業上の地位・雇用形態別の15歳以上人口を、地域・男女・配偶関係・教育・年齢階級ごとに収録します。テーブルは e_stat.employment_structure.employment_status。調査は5年ごとで、2017年と2022年の2回分、114,480行です。有業率（有業者 ÷ 15歳以上人口）と非正規の割合（非正規 ÷ (正規 + 非正規)）を都道府県や大きな市で比べられます。
出典: 総務省統計局 就業構造基本調査
national / prefecture / urban_part / city）0 総数・1 男・2 女）0 総数・1 うち未婚）0 総数・1 卒業者・2 在学者。在学者は2022年のみ）0 総数・1 15〜34歳・2 35〜54歳・3 55〜74歳・4 75歳以上）2022年の非正規の割合は京都府が40.7%で最も高く、奈良県40.6%、滋賀県40.2%と続きます。最も低いのは富山県の32.3%です。全国は36.9%で、2017年の38.2%から下がりました。
35〜54歳の女性の有業率は、全国で2017年の76.2%から2022年の79.8%に上がりました。
status_code は内訳ではなく「うち」の行です。0 総数 ⊃ 1 うち有業者 ⊃ 11 うち雇用者 ⊃ 111 うち正規 / 112 うち非正規 ⊃ 1121 うちパート・アルバイト。足し上げると何重にも数えます。雇用者には会社などの役員を含むので、正規と非正規の合計は雇用者より少なくなります。
2017年は全国・都道府県とその市部・政令指定都市と東京特別区部の21市、2022年は全国・都道府県と、政令指定都市・県庁所在都市・人口30万以上の86市です。市区町村すべては無く、市を年をまたいで比べられるのは2017年にも載る21市だけです。都道府県の行は市部と市を含むので、area_kind をそろえて比べます。
値は百人単位に丸めた推定値で、男女や年齢階級を足すと総数と最大100〜200人ずれます。原典で「-」（該当数値なし）のセルは NULL です。市や細かい区分ほど標本が小さく、値が NULL になるセルも多くなります。
一般労働者（短時間労働者以外の常用労働者）の賃金を都道府県別に収録します。テーブルは2つです。
e_stat.wage_structure.prefecture_wage: 都道府県別・男女別の所定内給与額・きまって支給する現金給与額・年間賞与その他特別給与額・平均年齢・勤続年数・労働時間・労働者数。864行e_stat.wage_structure.prefecture_industry_wage: 都道府県別・産業（大分類16区分）別・男女別の所定内給与額と年間賞与その他特別給与額。13,824行収録は2020〜2025年調査です。企業規模計（10人以上）の値で、金額は千円単位の平均値です。
出典: 厚生労働省 賃金構造基本統計調査
00000 全国・XX000 都道府県） / 地域名 / 都道府県コード（全国は NULL）0 男女計・1 男・2 女）2025年の所定内給与額は東京都が418.3千円で最も高く、神奈川県368.6千円、大阪府348.9千円と続きます。最も低いのは青森県の263.9千円です。全国は2020年の307.7千円から2025年の340.6千円に上がりました。
prefecture_industry_wage に産業計の行は無いので、prefecture_wage と結合します。
医療，福祉の所定内給与額は、秋田県では産業計の109.7%、東京都では88.4%です。
所定内給与額ときまって支給する現金給与額は調査年の6月分の月額、年間賞与その他特別給与額は調査前年1年間の合計です。
2020年調査で一部の調査事項と推計方法が変わり、厚生労働省はそれまでの公表値との比較には注意が必要としています。収録は2020年からです。
workers は原典の十人単位を10倍した推計値で、男と女の合計は男女計と最大10人、47都道府県の合計は全国と最大50人ずれます。prefecture_industry_wage で原典が「-」のセルは NULL で、鉱業，採石業，砂利採取業（C）の41行だけです。
小学校の学年別児童数と中学校の学年別生徒数を、都道府県別・設置者別・男女別に収録します。
e_stat.school.enrollment_by_grade: 119,808行（小学校 74,880行、中学校 44,928行）収録は2000〜2025年で、毎年5月1日現在の在学者数です。
出典: 文部科学省 学校基本調査
elementary 小学校・junior_high 中学校）0 計・1 国立・2 公立・3 私立）00000 全国・XX000 都道府県） / 地域名 / 都道府県コード（全国は NULL）0 は学年の計）0 男女計・1 男・2 女）。男女計は学年の計の行にだけある全国の小学1年生は2000年の1,192,258人から2025年の897,428人に減りました。秋田県は52.7%減、青森県は49.5%減で、増えたのは東京都（4.5%増）だけです。
2025年は東京都が26.7%で最も高く、高知県18.6%、京都府14.4%と続きます。
設置者の計、全国、学年の計（grade = 0）、男女計（sex_code = '0'）が内訳と同じ列にあるので、絞らずに足すと二重に数えます。学年別の行は男と女だけで、男女計は学年の計の行にだけあります。
義務教育学校、中等教育学校の前期課程、特別支援学校の小学部・中学部の在学者は入りません。
原典で「-」のセルは 0 です。2003年の小学校 公立 福岡県 男 の計は原典で 14656 と1桁欠けているので、男女・学年・都道府県・設置者の合計がそろう 146656 に直しています。
着工した建築物の数・床面積・工事費予定額を、市区町村別・政令指定都市の区別・用途（大分類）別に収録します。
e_stat.building_starts.municipality_use: 505,153行収録は2011〜2024年で、1月から12月までに着工した分の年次の値です。市区町村の行を足すと全国の値に一致します。
出典: 国土交通省 建築着工統計調査
municipality 市区町村・ward 政令指定都市の区）11 計・12 Ａ居住専用住宅・34 Ｆ製造業用建築物など18区分）2024年は合志市の241,342平方メートル（20棟）が最も大きく、浜松市・守山市・宇都宮市・姫路市と続きます。
居住専用住宅は2011年の74,633,440平方メートルから2024年の59,571,227平方メートルへ20.2%減り、建築物全体（18.8%減）より減り方が大きくなっています。
用途の計（use_code = '11'）と政令指定都市の区（area_level = 'ward'）が内訳と同じ列にあるので、絞らずに足すと二重に数えます。用途で足すときは計を除き、地域で足すときは area_level = 'municipality' に絞ります。
着工が1棟も無かった年の地域は行がありません。年ごとの市区町村の数は1,716〜1,735の範囲で動きます。
2020年以降の市区町村別の表には工事費予定額がないので、2020年以降は NULL です。2019年までも原典の「＊」（秘匿）は NULL で、用途の内訳の23%、計の2%にあたります。
合併で消えた市町村のコードと、浜松市の行政区再編（2024年1月）前の区のコードは、それぞれの年の行に残っています。現行の code.municipality にはこれらのコードがありません。
5〜17歳の身長・体重・座高の平均値と標準偏差を、都道府県別・年齢別・男女別に収録します。
e_stat.school_health.growth_by_prefecture: 37,440行収録は1996〜2025年度です。年齢は各年度4月1日現在の満年齢です。
出典: 文部科学省 学校保健統計調査
1 男・2 女）00000 全国・XX000 都道府県） / 地域名 / 都道府県コード（全国は NULL）17歳の全国平均は30年度を通じて男子170.6〜170.9cm、女子157.8〜158.1cmに収まります。
在学者から抜いた標本の集計です。2006〜2025年度の表の注では、1県あたりの調査対象者は1つの年齢・男女で186〜1,284人です。都道府県の平均値の年度差や県どうしの差は標準偏差（身長で4〜9cm）に比べて小さいことが多く、標本の誤差の内側にある差を順位として読まないでください。
健康診断は例年4月1日〜6月30日に行いますが、2020〜2023年度は新型コロナウイルス感染症の影響で年度末まで延長されました。成長の早い時期に測定時期がずれるので、ほかの年度と単純に比較できません。11歳男子の全国の体重は2019年度38.7kg、2020年度40.4kg、2021年度39.6kgです。
座高は2015年度を最後に調査項目から外れたので、2016年度以降は NULL です。2011年度の岩手県・宮城県・福島県は東日本大震災の影響で調査していないため、すべての値が NULL です。
1999・2000・2011年度の原典ファイルには表示より細かい桁を持つセルがあり、公表の桁（平均値は小数1位、標準偏差は小数2位）に四捨五入しています。
津波浸水想定区域と500m四方の将来推計人口を重ねました。28道府県の区域内に住む人は2050年までに17.6%減り、65歳以上は4.6%増えます。
京都市のホテル・飲食店用の新築床面積は2018年の35.2万㎡から2024年は3.3万㎡へ。京都府の2021〜24年の着工は2016〜19年の21%で、47都道府県で最小です。
首都圏と京阪神の8都府県を除く39道府県では、2000年から2025年に中学1年生が29.7%減った一方、私立中学校の1年生は2万2千〜2万6千人台で推移し、割合は2.72%から4.07%になった
有料老人ホームと特養の定員を、都道府県別に2014年から2024年まで比べました。有料老人ホームのほうが多い県は14から36に増え、75歳以上あたりの定員は県によって3.5倍違います。