import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from matplotlib.patches import Rectangle
import matplotlib.patches as mpatches

# 日本語フォント設定
plt.rcParams['font.sans-serif'] = ['Noto Sans CJK JP']
plt.rcParams['axes.unicode_minus'] = False

# 1. 日本のスポーツビジネス市場規模の推移データ
years = [2011, 2012, 2015, 2017, 2018, 2019, 2020, 2021, 2022, 2025, 2027, 2032]
market_size_trillion = [9.8, 5.5, np.nan, 4.2, 12.0, 13.0, 8.7, 13.7, 4.6, 15.0, 5.0, 5.6]
gdp_trillion = [7.2, np.nan, np.nan, np.nan, np.nan, 9.2, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]

# データフレーム作成
df_market = pd.DataFrame({
    '年': years,
    'スポーツ市場規模(兆円)': market_size_trillion,
    'スポーツGDP(兆円)': gdp_trillion
})

# 2. 主要分野別市場規模データ（2023-2025年）
sectors_data = {
    '分野': ['スポーツ用品', 'フィットネス・健康サービス', 'eスポーツ', 'スポーツアパレル', 'スポーツ・ニュートリション'],
    '2023年市場規模(億円)': [16493, 4886, 147, 6131, 2400],
    '2024年予測(億円)': [16735, 7100, np.nan, 6256, np.nan],
    '2025年予測(億円)': [17442, np.nan, 200, np.nan, 2870],
    '成長率(%)': [4.2, 45.3, 36.1, 2.0, 19.6]
}

df_sectors = pd.DataFrame(sectors_data)

# 3. 国際比較データ
countries_data = {
    '国': ['日本', 'アメリカ', '中国', 'イギリス', 'ドイツ', 'オーストラリア'],
    '市場規模(億ドル)': [292, 1013, 431, 168, 155, 59],
    '市場規模(兆円)': [4.6, 16.0, 6.8, 2.5, 2.4, 0.9],
    'GDP比率(%)': [0.8, 2.8, 1.2, 0.9, 0.6, 0.4]
}

df_countries = pd.DataFrame(countries_data)

# 4. 可視化開始
fig = plt.figure(figsize=(20, 24))

# サブプロット1: 日本のスポーツ市場規模推移
ax1 = plt.subplot(4, 2, 1)
# 実績データと予測データを分ける
actual_years = [2011, 2012, 2017, 2018, 2019, 2020, 2021, 2022]
actual_market = [9.8, 5.5, 4.2, 12.0, 13.0, 8.7, 13.7, 4.6]
forecast_years = [2022, 2025, 2027, 2032]
forecast_market = [4.6, 15.0, 5.0, 5.6]

plt.plot(actual_years, actual_market, 'o-', linewidth=3, markersize=8, color='#2E86AB', label='実績')
plt.plot(forecast_years, forecast_market, 's--', linewidth=3, markersize=8, color='#A23B72', label='予測')

# スポーツGDP
gdp_years = [2011, 2019]
gdp_values = [7.2, 9.2]
plt.plot(gdp_years, gdp_values, '^-', linewidth=2, markersize=8, color='#F18F01', label='スポーツGDP')

plt.title('日本のスポーツビジネス市場規模推移', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('年', fontsize=12)
plt.ylabel('市場規模（兆円）', fontsize=12)
plt.legend(fontsize=11)
plt.grid(True, alpha=0.3)
plt.xticks(rotation=45)

# 目標値を強調
plt.axhline(y=15, color='red', linestyle=':', alpha=0.7, label='政府目標(15兆円)')
plt.text(2025, 15.5, '政府目標\n15兆円', fontsize=10, ha='center', color='red', fontweight='bold')

# サブプロット2: 主要分野別市場規模（2023年）
ax2 = plt.subplot(4, 2, 2)
sectors = df_sectors['分野']
sizes_2023 = df_sectors['2023年市場規模(億円)']
colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4', '#FFEAA7']

wedges, texts, autotexts = plt.pie(sizes_2023, labels=sectors, autopct='%1.1f%%', 
                                  colors=colors, startangle=90)
plt.title('主要分野別市場規模（2023年）', fontsize=16, fontweight='bold', pad=20)

# 金額を追加表示
for i, (sector, size) in enumerate(zip(sectors, sizes_2023)):
    plt.text(0, -1.3 - i*0.15, f'{sector}: {size:,.0f}億円', 
             fontsize=10, ha='center', transform=ax2.transAxes)

# サブプロット3: 分野別成長率
ax3 = plt.subplot(4, 2, 3)
growth_rates = df_sectors['成長率(%)'].dropna()
sectors_growth = df_sectors[df_sectors['成長率(%)'].notna()]['分野']

bars = plt.bar(range(len(sectors_growth)), growth_rates, 
               color=['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4'])
plt.title('分野別成長率', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('分野', fontsize=12)
plt.ylabel('成長率（%）', fontsize=12)
plt.xticks(range(len(sectors_growth)), sectors_growth, rotation=45, ha='right')

# 数値ラベル追加
for i, v in enumerate(growth_rates):
    plt.text(i, v + 1, f'{v:.1f}%', ha='center', va='bottom', fontweight='bold')

plt.grid(True, alpha=0.3, axis='y')

# サブプロット4: 国際比較（市場規模）
ax4 = plt.subplot(4, 2, 4)
countries = df_countries['国']
market_sizes_usd = df_countries['市場規模(億ドル)']

bars = plt.bar(countries, market_sizes_usd, 
               color=['#FF6B6B' if x == '日本' else '#B0BEC5' for x in countries])
plt.title('スポーツ市場規模国際比較（2020-2022年）', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('国', fontsize=12)
plt.ylabel('市場規模（億ドル）', fontsize=12)
plt.xticks(rotation=45)

# 数値ラベル追加
for i, v in enumerate(market_sizes_usd):
    plt.text(i, v + 10, f'{v}億ドル', ha='center', va='bottom', fontweight='bold')

plt.grid(True, alpha=0.3, axis='y')

# サブプロット5: スポーツGDP部門別構成（2019年）
ax5 = plt.subplot(4, 2, 5)
departments = ['スポーツ活動', '商業・輸送', '教育', 'スポーツ施設運営', '競輪・競馬', 'その他']
dept_values = [2.9, 1.8, 1.5, 1.3, 1.0, 1.7]  # 兆円
dept_colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4', '#FFEAA7', '#DDA0DD']

wedges, texts, autotexts = plt.pie(dept_values, labels=departments, autopct='%1.1f%%',
                                  colors=dept_colors, startangle=90)
plt.title('スポーツGDP部門別構成（2019年）\n総額9.2兆円', fontsize=16, fontweight='bold', pad=20)

# サブプロット6: 年代別市場規模推移（複数調査機関）
ax6 = plt.subplot(4, 2, 6)
# 異なる調査機関のデータ
jspin_years = [2017, 2022, 2027, 2032]
jspin_values = [4.2, 4.6, 5.0, 5.6]

ssa_years = [2011, 2019, 2021]
ssa_values = [9.8, 13.0, 13.7]

plt.plot(jspin_years, jspin_values, 'o-', linewidth=3, markersize=8, 
         color='#2E86AB', label='JSPIN調査')
plt.plot(ssa_years, ssa_values, 's-', linewidth=3, markersize=8, 
         color='#A23B72', label='SSA調査')

plt.title('調査機関別市場規模推移', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('年', fontsize=12)
plt.ylabel('市場規模（兆円）', fontsize=12)
plt.legend(fontsize=11)
plt.grid(True, alpha=0.3)

# サブプロット7: 主要プロスポーツリーグ収益
ax7 = plt.subplot(4, 2, 7)
leagues = ['NPB', 'Jリーグ', 'Bリーグ', 'Tリーグ', 'ラグビー\nリーグワン']
revenues = [66, 1375, 415, 12, 33]  # 億円

bars = plt.bar(leagues, revenues, color=['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4', '#FFEAA7'])
plt.title('主要プロスポーツリーグ収益（2022年度）', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('リーグ', fontsize=12)
plt.ylabel('収益（億円）', fontsize=12)

# 数値ラベル追加
for i, v in enumerate(revenues):
    plt.text(i, v + 20, f'{v}億円', ha='center', va='bottom', fontweight='bold')

plt.grid(True, alpha=0.3, axis='y')

# サブプロット8: 政府目標と現状の比較
ax8 = plt.subplot(4, 2, 8)
categories = ['2012年\n実績', '2022年\n実績', '2025年\n目標']
values = [5.5, 4.6, 15.0]
colors = ['#B0BEC5', '#FF6B6B', '#4ECDC4']

bars = plt.bar(categories, values, color=colors)
plt.title('スポーツ市場規模：政府目標と現状', fontsize=16, fontweight='bold', pad=20)
plt.ylabel('市場規模（兆円）', fontsize=12)

# 数値ラベル追加
for i, v in enumerate(values):
    plt.text(i, v + 0.3, f'{v}兆円', ha='center', va='bottom', fontweight='bold', fontsize=12)

# 目標達成率を表示
achievement_rate = (4.6 / 15.0) * 100
plt.text(1.5, 8, f'目標達成率\n{achievement_rate:.1f}%', ha='center', va='center', 
         fontsize=12, bbox=dict(boxstyle="round,pad=0.3", facecolor="yellow", alpha=0.7))

plt.grid(True, alpha=0.3, axis='y')

plt.tight_layout()

# データ出典情報を追加
fig.text(0.5, 0.02, 
         '出典: スポーツ庁委託事業レポート(JSPIN), 日本版スポーツサテライトアカウント(SSA), 矢野経済研究所, 各種調査機関データ', 
         ha='center', fontsize=10, style='italic')

plt.show()

# 5. 詳細データテーブルの表示
print("=" * 80)
print("日本のスポーツビジネス市場規模推計 - 詳細データ")
print("=" * 80)

print("\n【1. 市場規模推移】")
print(df_market.to_string(index=False))

print("\n【2. 主要分野別市場規模】")
print(df_sectors.to_string(index=False))

print("\n【3. 国際比較】")
print(df_countries.to_string(index=False))

print("\n【4. 主要調査機関による推計値の違い】")
comparison_data = {
    '調査機関': ['JSPIN(スポーツ庁)', 'SSA(日本政策投資銀行)', '矢野経済研究所'],
    '2022年推計': ['4.6兆円', '13.7兆円', '1.6兆円(用品のみ)'],
    '定義・範囲': ['観戦型・体験型スポーツ', 'スポーツ関連全産業', 'スポーツ用品市場'],
    '特徴': ['狭義の定義', '広義の定義', '用品特化']
}
df_comparison = pd.DataFrame(comparison_data)
print(df_comparison.to_string(index=False))

print("\n【5. 政府目標と課題】")
print("• 2025年目標: 15兆円（現状4.6兆円、達成率30.7%）")
print("• 主要課題: 海外展開、人材不足、他産業連携")
print("• 成長分野: スポーツテック、eスポーツ、フィットネス")

print("\n【6. 今後の予測】")
print("• 2027年: 5.0兆円（JSPIN予測）")
print("• 2032年: 5.6兆円（JSPIN予測）")
print("• eスポーツ: 2025年200億円予測")
print("• フィットネス: 2024年7,100億円予測")