AIブームが始まって以来、大きく話題になったプログラミング言語Python。ソフトウェア系エンジニアの方であれば誰でも一度は耳にしたことがあるのではないでしょうか。その認知度が高くなればなるほど、飛び交う情報の数も多くなり、何が正しい情報なのかも分からなくなってくるものと思います。

そんな中で、Pythonは難しいと考えているエンジニアの方も多いのではないでしょうか。本記事では、**Pythonが難しいと思われてしまうその理由を解説しつつ、習得しやすい言語である理由を説明していきます**。　

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

## プログラミング経験者ならハードルは低い

前述の通り、結論から言うとPythonは確かにプログラミング未経験者からすれば難しいと感じる部分があるのは事実です。しかしながら、*プログラミング経験者の視点に立てば、難しいと思われるところはほとんどなく、むしろ習得のハードルは低いと言えます*。Pythonはその豊富なライブラリから様々な分野で活躍できる言語であるので、積極的に習得し、自身のキャリアアップを狙っていきたいところです。

プログラミング言語を一覧でチェック！種類別・難易度別で紹介

本題に入る前にPythonのプログラミング言語としての立ち位置を見ていきましょう。Pythonがそもそもどのような言語であるかについては本記事では省略し、もう少し掘り下げたことについてを説明していきます。

Pythonにはいくつかの資格試験があり、それらの合格率から見て難易度はどの程度なのでしょうか。以下の2つを例にとってみます。

*Python3 エンジニア認定基礎試験*

Pythonの文法について基礎的な知識が求められる資格試験です。合格率は2018年のデータですが、80.3%となっています。内訳として受験者数は約3700人と伝えられています。

*Python 3 エンジニア認定データ分析試験*

こちらはより実用的なデータ分析の方法を評価する資格試験となっており、数学や統計学の知識も要求されるようです。合格率は約86%であり、比較的高めです。

このように、*Pythonの難易度を資格合格率から見てみると、そこまで難易度が高くない言語であると言うことができるでしょう*。

【参考】：[Python3 エンジニア認定基礎試験](https://jqos.jp/minkan/python3)

【参考】：[Python 3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/archives/news/python-3-data-3000)

### 仕事で使えるレベルはどのくらいか

Pythonの難易度を考えたときに、仕事で使えるレベルになるためにはどの程度のスキルが必要となるのでしょうか。ご存知のように、単にPythonの文法を理解し、コードを書けるだけでは仕事に使えるレベルとは言えません。

Pythonが様々な分野で使われている理由に「豊富なライブラリ」があり、*取り組む仕事分野に合ったライブラリを使いこなせることが、仕事で使えるための最低レベルと言えるでしょう*。しかしながら、Pythonのライブラリは対応するメソッドやその引数の仕様を理解すれば使えるものばかりなので、難易度はそう高くないと言えます。

pipとは？Pythonのライブラリ管理方法を分かりやすく解説！

Pythonの難易度を考えたとき、その学習過程で挫折する可能性はあるのでしょうか。多くの言語と同じく、最初から難しいことをやろうとしたり、目標を立てずに学習を進めてしまうとPythonで挫折する可能性はあります。

また、文法が難しくて挫折してしまうことも考えられますが、後述のようにPythonは文法が比較的シンプルで分かりやすいため、その可能性は低いと言えるでしょう。どちらかというと、*PythonをAIで活用する際に必須となる数学や統計学の難易度の高さから、挫折してしまう可能性が高いと言えます*。

## Pythonが難しいと思われている理由

客観的に見てPythonの難易度はそこまで高くなく、むしろ易しいのでは、と考えられるレベルと言えるでしょう。しかし、難しいという声が上がっているのも事実です。その理由については以下が考えられます。

### 開発環境の構築がややこしい

Pythonが難しいと思われる理由に開発環境構築があります。Pythonの代表的な統合開発環境にAnacondaがありますが、このIDEは全て英語であり、AnacondaがサポートするエディタのSpyderでもそのままでは日本語を上手く使用することができず、英語がある程度できないと使いこなすことが難しい事情がありました。こうしたことから、*Pythonの環境構築は英語が必要で日本人にとってはややこしいと思われてしまったと考えられます*。

ただし、IDEと言ってもAnacondaやSpyderだけでなく日本語をサポートしたものが多数あり、選択肢は非常に多いです。*きちんと調べれば、環境構築はややこしいものではないというのが実情となっています*。

Pythonの環境構築：公開ソフトウェアを活用した環境整備を解説

### オブジェクト指向がベースとなっている

Pythonの文法はオブジェクト指向がベースであり、クラスやメンバ変数などを使うことが前提となっています。Javaを始めとしたオブジェクト指向言語を既に習得した方にとっては問題ないかもしれませんが、*C言語など手続き型のみを習得している方から見ると、習得はやや難しいと感じるでしょう*。

多数公開されているライブラリも同様に、クラスを実体化したり、メンバ変数や関数を利用することが必須となるため、余計に難しい印象を与えてしまっていると言えます。

オブジェクト指向言語とは？基本的な概念と代表的な言語を解説

### ライブラリを使いこなすのが難しい

Pythonを上手く使いこなすためには、公開されているライブラリを使いこなすことが必須と言えます。そうしたライブラリを使っていく際、有名なものであれば日本語の説明や解説サイトがあったりと、使用するのに不便はないかもしれません。

しかし、特定分野のライブラリの中には英語の説明しか用意されていないことも珍しくないため、使いこなすことが難しいと感じる方もいるでしょう。*このように文法を理解できてもライブラリ自体を使いこなせないことが難しいと思われてしまう原因と考えられます*。

上記でPythonが難しいと思われてしまう理由を説明しましたが、いずれも一般的なプログラマーから見れば大きな理由ではないことがわかります。ここからは逆に、Pythonは難しくなくむしろ習得しやすい言語であることを解説していきます。

### 文法がシンプルで分かりやすい

Pythonの文法がシンプルでかつ分かりやすいことが習得しやすい理由の1つです。オブジェクト指向をベースにしているため、JavaやC++を習得済みの方であればすぐに理解できるでしょう。*そうでない方であっても、オブジェクト指向の難しい部分を理解せずにPython自体は使いこなせるようになっています*。

さらに、他の言語では必須であるカッコを使わないルールとなっています。そのため、IfやFor文の処理を記載する際にはインデントを使って表現する形となっており、*無駄な行数を使わずシンプルなコードを記述することが可能です*。

### ライブラリだけで様々なことができる

Pythonはその特徴である豊富なライブラリ自体が習得しやすさを引き上げていると言えます。通常の言語であれば、やりたいことを行うために複数のライブラリを使いこなさなければならず、ライブラリ間のやりとりを上手く実装するために言語自体を熟知していなければならないことも少なくありません。

一方、Pythonでは1つのライブラリを使いこなすだけでも様々なことができるようになっており、複数使う場合でもその組み合わせを意識した作りになっていることが多くなっています。*やりたいことが学習の早い段階でできるということは、学習のモチベーションを上げるだけでなく、言語自体の理解も促進するため、習得しやすさに貢献しています*。そうして様々なことができるようになれば幅広いキャリアを選択することも可能です。

【参考】：[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_medium=content-text&utm_campaign=acv07)

### インタプリタ型でデバッグが容易

デバッグをしやすいインタプリタ型であることも習得のしやすさに貢献しています。コンパイラ型は完全なプログラムを設計しなければデバッグを始めることができませんが、Pythonでは設計途中のコードであっても途中まで実行し、デバッグをすぐに行うことが可能です。

他のインタプリタ型と同様に、*デバッグのしやすさにつながり、コーディングの早い段階でミスなどに気づけたり、デバッグコードをすぐに埋め込むことができるため、学習効率も大きく上がります*。

## Pythonを活用したエンジニアになるために

難しいと思われているPythonですが、とても習得しやすい言語であることがわかりました。**Pythonを習得すれば、その豊富なライブラリから様々な分野で活躍できるだけでなく、元の経歴と組み合わせれば、より付加価値の高いエンジニアとしてアピールすることも可能です**。しかし、多くの求人からPythonのスキルを活用できるものを探すのは簡単ではありません。

そこでぜひご活用いただきたいのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07)です。

マイナビITエージェント【公式】IT・Webエンジニアの求人・転職エージェント

【マイナビIT AGENT】迷ったら相談すればいいんだ

マイナビIT エージェントは、IT・Webエンジニア向けの無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案致します。

アドバイザーは企業側の人事担当者と直接連携を取れますので、求人票に載っていない企業情報も確認することができます。残業時間や給与面など、働き方などをしっかり確認の上で応募企業を選んでいくのが良いでしょう。

・資格やプログラミングの勉強をしているけれど、企業が求めるレベルに達しているのかわからない
・スキルアップをして市場価値を上げていける企業の選び方を知りたい
・数多くあるITエンジニアの職種の中で、自分に向いている仕事は何か知りたい

こうした悩みを抱えていらっしゃる方は、まずは無料登録でキャリアカウンセリングをおすすめ致します。

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07)</center>

AIブームを発端に知れ渡ったプログラミング言語Python。インターネット上では簡単で習得しやすいという声が上がる一方、難しいという声も聞かれています。本記事ではなぜ難しいと思われているかその理由を解説し、習得しやすい理由も説明していきます。

Pythonは決して難しい言語ではなく、プログラミング経験者からすれば習得しやすいと言える

Pythonが難しいと思われているのは、環境構築やライブラリ使用方法が一部ややこしいことが主な原因

Pythonは文法がシンプルであり、インタプリタ型でデバッグしやすいことからも習得しやすい

Pythonが難しいのは本当？実際は難しいのかデータを基に解説！

**Docker Composeとは一言でいうと、複数のコンテナを定義して実行するツールです。**Docker Composeを利用するには、まずYAMLファイルにサービスの内容を予め設定しておきます。そしてコマンドを実行すると、設定内容に基づき、サービスを生成して起動してくれます。

今回はDocker Composeの入門編として概要と特徴を解説するため、YAMLファイルの記述例などを詳しく知りたい方は、公式サイトをご覧ください。

【参考】：[Docker Compose 概要](https://docs.docker.jp/compose/index.html)

まずはYAMLファイルについて解説します。YAMLファイルとは「YAML Ain’t Markup Language」の略で、設定ファイルなどを作成するときに使われる言語です。ファイルの中には複数の文字列などの要素が並べられています。また拡張子は「yml」という文字列を使用します。

Docker Composeの中には、「docker-compose.ymlファイル」という名前のファイルがあります。実際に設定を記述する際には、docker-compose.ymlファイルを使用しましょう。

またYAMLファイルは、*XMLファイルなどと比較すると、人間が読みやすい形式で書かれているため、人間が編集しやすいという特徴があります。*

YAMLとは？シンプルで使いやすいデータ形式と構造の基本を解説！

*コンテナとは、アプリケーションに必要なものを予めパッケージ化したものを指します。*

コンテナと聞くと、仮想化マシンと同じだと思われる方もいるかもしれませんが、コンテナは仮想化マシンとは異なり、OSレベルからの構築はしません。そのため仮想化マシンと比較すると、より軽量な仮想化環境がコンテナだといえます。

エンジニア初心者でも分かる！Dockerコンテナの超入門！

*Docker Composeの特徴は、1つのホストから複数の環境を分けたり、コンテナ作成時にボリュームデータを保持できたり、変更のあったコンテナのみ再作成できる点が挙げられます。*ここからは、Docker Composeのそれぞれの特徴を詳しく解説します。

### 1つのホストで、複数の環境を管理できる

*Composeは1つのホストで複数の環境を管理できます。*具体的にはプロジェクト名を使って、それぞれの環境を分離しています。プロジェクト名を指定するときにはコマンドラインのオプションか、環境変数を使用します。コマンドラインの詳細などは、公式サイトをご覧ください。

【参考】：[コマンドライン リファレンス](https://docs.docker.jp/engine/reference/index.html)

### コンテナの作成時に、ボリュームデータを保持してくれる

*Docker Composeは、ボリュームデータを保持してくれます。*ボリュームとはデータを永続化できる場所を指しますが、Docker ComposeではYAMLファイルの中にボリュームも設定することができます。

ボリュームデータを保持していれば、例えば何かしらの不具合でコンテナが落ちてしまった場合に、ボリューム内で作成したデータが失われずに済みます。

### 変更のあったコンテナのみ再作成できる

*Docker Composeでは、コンテナを生成したタイミングで1度キャッシュに情報が保存されます。*また同じ設定内容のサービスが起動された場合、既にあるコンテナを使用します。そのためサービスの再起動を高速に行える点が、特徴の1つといえるでしょう。

**Dockerとは、コンテナにアプリケーションパッケージや必要な機能をまとめて、実行できるプラットフォームです。**このDockerには様々なサービスやツールがあり、Docker ComposeはDockerのツール群の1つという位置づけです。

【参考】：[Docker 概要](https://docs.docker.jp/get-started/overview.html)

*Dockerは再現性の高さと、軽量であることが大きな特徴といえます。*Dockerは環境を1つ作ると、同じ環境をそのまま別のマシンで再現することができます。従来であれば、人が手順書などを見ながら環境を作成しますが、Dockerを使えばその手間は必要ありません。

またDockerのコンテナは軽量で、スピーディーにアプリケーションを実行できます。高い処理負荷も分散できるよう、予め考慮されています。そのため開発者が何かしらの処理を走らせる場合に、処理負荷を心配する必要もありません。

Dockerとは？使いどころやメリット・デメリットについて解説！

**DockerとDocker Composeの違いは、複数のコンテナを操作できるかどうかです。**Dockerは、docker-runコマンドを実行すると、1つのコンテナを起動することができます。例えばアプリケーションを動かすには、データベースやキャッシュなどの複数のコンテナを起動する場合が多いです。

つまりDockerでは複数のコンテナを立ち上げるために、何度もコマンドを打つ必要がありました。立ち上げの際に毎回何度もコマンドを打つことは、非常に手間がかかります。

一方でDocker Composeは、同時に複数のコンテナを操作出来るのが特徴です。予めYAMLファイルに設定しておくことで、1度コマンドを打てば複数のコンテナを起動できます。コマンドを打つ回数を減らせれば、作業時間やミスも削減できるので効率的に開発できます。

Docker入門！メリットや用途を交えて基本情報を解説！

## Docker Composeのインストール方法


**Docker Composeのインストール方法は、OSごとに異なります。**またインストールをする前には動作条件の確認も必要ですので、こちらも併せて解説します。

【参考】：[Docker Compose のインストール](https://docs.docker.jp/compose/install/index.html)

### インストール前に確認すべきこと

*インストール前に、PCのOSやスペックを確認しましょう。*Docker ComposeはmacOS・Windows（64 ビット）・Linuxのいずれかで動作します。

**Docker Composeは、Docker Desktopの中に含まれていますので、まずはDocker Desktopをインストールします。**こちらをインストールすると、Docker Composeが利用できる状態になります。

ちなみにDocker Desktopは企業で使用する場合、利用条件がありますので注意しましょう。利用条件については、公式ドキュメントのページを参照してください。

【参考】：[Docker Desktop 概要](https://docs.docker.jp/desktop/index.html)
【参考】：[Docker Desktop を通して Compose をインストール](https://docs.docker.jp/compose/install/compose-desktop.html)

*■Docker Desktop のインストール*
ご自身の環境にあったDocker Desktop をインストールしましょう。下記URLには、それぞれのOSごとにシステム要件やインストール手順などが記載されています。またOSごとに参照するURLが異なりますので、注意しましょう。

また実際にインストールする際には、最新のバージョンを確認してからインストールしましょう。

【参考】：[Mac に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/mac-install.html)
【参考】：[Windows に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/windows-install.html)
【参考】：[Linux に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/linux-install.html)
【参考】：[Compose インストールのシナリオ](https://docs.docker.jp/compose/install/index.html)

*■Docker Desktop を使用しない方法について*
Docker Desktopを使用せずにDocker Composeを利用するには、Docker CLIを利用します。Docker CLIをインストールすると、Docker Composeをプラグインとして利用できます。

しかし公式ドキュメントに記載の通り、基本的にはDocker Desktopの利用を推奨しているため、Docker Desktopを利用できる方はそちらを利用しましょう。Docker CLIの詳細については、公式サイトを参照してください。

【参考】：[Docker Compose CLI プラグインのインストール](https://docs.docker.jp/compose/install/compose-plugin.html)

Docker Desktop 4.2の新機能とインストール方法

## Docker Composeを利用してみよう


Docker Composeは、Dockerをより便利に活用できるため、インフラ業界をはじめIT技術者から注目を集めているツールです。**Docker Composeは先述の通り、コマンド1つでコンテナを複数操作できる特徴があります。**

また、Docker Desktopをインストールすれば、すぐに使うことができるのもメリットの1つです。その他にも小規模のチームや個人で使用する場合、基本的にはDocker Composeは無料で使えます。

アプリケーションの開発環境をどれにしようか検討されている方は、Docker Composeを使ってみてはいかがでしょうか。

Windows・Linux・MacOSのDockerインストール

Dockerの環境構築は？理解を深める作業の流れを解説！

Docker Composeは、複数のコンテナを定義・実行するツールです。Docker ComposeではYAMLファイルに設定した内容を、コマンド実行で生成・起動できます。この記事では、Docker Composeの概要やDockerとの違いなどを解説します。

DockerとDocker Composeの概要が分かります

DockerとDocker Composeを利用すると、コンテナ操作時の操作ミスを防いだり、効率的にアプリケーション開発ができます

Docker ComposeはDockerと異なり、複数のコンテナを同時に操作できます

Docker Composeとは？インストール方法やDockerとの違いも解説！

## Pythonでオーバーロードを実装する

Pythonは、データサイエンス分野で広く用いられており活用の機会も増えています。作成したコードをライブラリとして共有し、効率的なソフトウェア開発を実践することができます。*ここでは作成する関数をより柔軟に使用するために、オーバーロードの実装方法を解説していきます。*

【参考】：[Python](https://www.python.org/)

Pythonとは？人気の理由と基本知識をわかりやすく解説！

*オーバーロードとは、オブジェクト指向プログラミングで用いる手法です。*具体的には、同じ名前の関数あるいはメソッドを使って、異なる引数のタイプや数でも単一の処理を行う実装の方法を指します。

多重定義という場合もあります。例えばC++やC#などでは、オーバーロードを一般的な関数定義の手法として用いることができます。

類似の用語でオーバーライドという機能があります。これは親クラス（スーパークラス）のメソッドを子クラス（サブクラス）で上書きし、定義しなおす手法です。オーバーロードと混同しないようにしましょう。

【参考】：[Python Docs: 用語集](https://docs.python.org/ja/3/glossary.html)

*オーバーロードは、異なる目的の処理も同一の関数やメソッドに定義できるので、いちいち異なる関数名を指定せずに引数を渡すことができます。*オーバーロードに対応していないプログラミング言語では、それぞれの定義を条件分岐などで振り分けたりする必要があり、その不便さから解消されます。

### オーバーロードのデメリット

オーバーロードのデメリットですが、*複数の処理を気にせずに使える反面、どの処理にどの引数を渡すべきかわからなくなる場合があることです。*コードのデバッグの際にも引数のタイプや数の組み合わせの妥当性や、コードが見にくくならないようにコーディングルールを整備するなどが求められます。

## Pythonでオーバーロードを実装するには

Pythonは型を持たないので、C++と同じようなオーバーロードを実装することができません。Pythonでは標準ライブラリにfunctoolsが提供されており、その中の1つの機能にsingledispatchがあります。*実際には、このsingledispatchデコレータを使うことでオーバーロードに相当するコードが実現できます。*

デコレータとは、関数の前後に特定処理を追加するための機能で、Pythonではこのデコレータを用いてオーバーロードに相当する機能を実現することができます。

【参考】：[Python Docs: What's New In Python 3.4](https://docs.python.org/ja/3/whatsnew/3.4.html)

*singledispatchは、オブジェクトの操作を行う関数のfunctoolsモジュールに搭載されています。*functoolsはPythonの標準ライブラリで、singledispatchはPython 3.4に追加されたジェネリック関数となります。

用途は、異なる型に対し同じ操作をすることを目的としており、オーバーロードの機能と合致するものです。

【参考】：[Python Docs: functools --- 高階関数と呼び出し可能オブジェクトの操作](https://docs.python.org/ja/3/library/functools.html)

*singledispatchは、”import singledispatch”で読み込んで使用します。*

関数の定義は、”@singledispatch”デコレータを使用します。基本的な使用方法は以下の通りです。

```
from functools import singledispatch
@singledispatch
def func_name(arg):
    print(arg)```

この例では、1行目の”from functools import singledispatch”で、singledispatchを読み込んでいます。2行目の”@singledispatch”でsingledispatchデコレータを宣言し、3～4行目に”def”で始まる関数の定義を行っています。

なお、関数ではなくメソッドで用いるには、”@singledispatch”を”@singledispatchmethod”デコレータに置き換えて使用することができます。

### 関数にオーバーロード属性を追加する

*関数にオーバーロード属性を追加するには、ジェネリック関数の register属性を使用します。*以下が使用方法です。

```
@func_name.register
def _(arg: int):
    # 実際の操作を追加
    print(arg)
 
@func_name.register
def _(arg: list):
    # 実際の操作を追加
        print(arg)```

上の例では、引数の型別に処理を追加する際の振り分けが可能です。”arg: int”で整数型を、”arg: list”でList型を宣言します。

### Pythonのオーバーロードのサンプルコード

Pythonのオーバーロードのコードを実際に作成してみます。以下がサンプルコードです。*先ほどの基本用法に従って、引数を文字列型、整数型、List型を受け付けて定義別に結果を出力します。*どれにも当てはまらない場合は、"このタイプは表示できません。"と表示します。

```
from functools import singledispatch
 
@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    print("このタイプは表示できません。")
 
@func_name.register           # オーバーロード属性を追加します
def func_name_str(arg: str):  # 文字列型を定義します
    print("文字列型：",arg)
 
@func_name.register           # オーバーロード属性を追加します
def func_name_int(arg: int):  # 整数型を定義します
    print("整数型：", arg)
 
@func_name.register           # オーバーロード属性を追加します
def func_name_list(arg: list):# List型を定義します
    print("List型：", arg)
 
# サンプルデータを処理する（引数を変えて関数をコールします）
func_name("文字列を表示")      # 文字列として処理します
func_name(15)                 # 整数型として処理します
func_name([1, 2, 3])          # List型として処理します
func_name(3.14)               # 浮動小数点の数値は未登録です```

サンプルコードでは、次のように引数を”func_name()”に与えますが、その型を変えて順に呼び出しています。なお、引数の”3.14”は浮動小数点の型です。*このサンプルでは意図的に浮動小数点の型を定義しておらず、例外処理のチェック関数で処理しています。*

```# サンプルデータを処理する（引数を変えて関数をコールします）
func_name("文字列を表示")      # 文字列として処理します
func_name(15)                 # 整数型として処理します
func_name([1, 2, 3])          # List型として処理します
func_name(3.14)               # 浮動小数点の数値は未登録です```

実際にコードを実行すると、次の結果が得られます。

```文字列型： 文字列を表示
整数型： 15
List型： [1, 2, 3]
このタイプは表示できません。```

先ほどのサンプルコードの例外処理は、次のようにprint()表示させるだけの簡易なものでした。

```@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    print("このタイプは表示できません。")```

*このコードを、正しく例外処理としてNotImplementedError()で実装すると次のようになります。*

```
@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    raise NotImplementedError("このタイプは表示できません。")```

サンプルコードでは浮動小数点の処理が定義されていないため、例外処理で処理されるコードは、最終行の”3.14”を引数として渡した場合に、NotImplementedError()が呼び出されます。

```
func_name(3.14)                # 浮動小数点の数値は未登録です```

引数を順に変えながら関数を呼び出しますが、”func_name(3.14)”を関数呼び出しした際の、例外処理の実行例は次の通りです。

```
文字列型： 文字列を表示
整数型： 15
List型： [1, 2, 3]
Traceback (most recent call last):
  File "example.py", line 23, in <module>
    func_name(3.14)
  File "example.py", line 4, in process_data
    raise NotImplementedError("このタイプは表示できません。")
NotImplementedError: このタイプは表示できません。```

この場合のように、例外処理として適切ではあるもののプログラムの実行時にランタイムエラーとなり、処理を停止します。致命的な問題の場合は例外処理が有効ですが、影響のないものについては処理を継続させるなどを検討することもできます。

【参考】：[Python Docs: 組み込み例外](https://docs.python.org/ja/3/library/exceptions.html)

## Pythonでオーバーロードの実装は難しくありません

Pythonは色々な用途に利用できますが、オーバーロードで関数の多機能化が簡単に実現できます。引数の数や違いを気にせずにコーディングができるメリットがあります。**オーバーロードの実装は難しくありませんので、テストコードなどで試してみると良いでしょう。**

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

Pythonの学習ロードマップとは？習得のコツやおすすめのサイトを紹介！

オーバーロードは、オブジェクト指向プログラミングで用いる手法です。Pythonでもsingledispatchデコレータを使うことで、同等のコードを実装することができます。ここでは、Pythonのオーバーロードについて、実際のサンプルコードを用いて解説します。

オーバーロードは、同じ名前の関数あるいはメソッドを使って、異なる引数のタイプや数でも単一の処理を行う手法です

Python 3.4に追加されたsingledispatchデコレータを用いて、オーバーロードが実現できます

オーバーロードは難しくありませんので、1度試してみることをおすすめします

Pythonでオーバーロードを使うには？サンプルコードで処理を解説

## Pythonはゲーム開発に不向き？

*Pythonといえば、機械学習や深層学習（ディープラーニング）で注目を集める、AIの分野で活発に利用されているプログラミング言語です。*AIのイメージが強く、また、処理速度が遅いというデメリットから、ゲーム開発には不向きという意見も多いです。

しかし、**実はPythonでもゲームを作ることができます。**この記事では、Pythonを使ってゲームを作るメリットやゲーム開発の際に活用できるライブラリなどを紹介していきます。

**Pythonとはプログラミング言語の一種です。**構文がシンプルで読みやすく書きやすいため、初心者でも比較的学習しやすい言語であるという特徴があります。また、Pythonは機械学習や深層学習・ゲーム開発などさまざまな分野で使用されており、汎用性の高さも特徴です。

Pythonはさまざまな分野で使われているため、*同じPythonエンジニアでも企業や携わる分野などによって年収に差が出てきます。*今回は、Pythonエンジニアを含むプログラマーの年収を参考に見ていきましょう。

プログラマーの年収は「マイナビエージェント職業別年収ランキング/職種図鑑」での平均年収は344万円（※2023年2月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種の「エンジニア/プログラマ」を参考にすると、平均年収592万円と分かりました。

国税庁2020年発表の民間給与実態統計調査における民間企業平均年収は433万円なので、マイナビ調査でのプログラマーの年収は一般平均年収よりもやや低め、経済産業省の調査結果ではやや高めであることが分かります。

プログラマーの年収が低めになっている原因の1つには、プログラマーがエンジニアの登竜門とされているためキャリアがまだ浅い人も多く含まれていることが考えられます。**経験を重ね、より高度な知識やスキルを身につけてキャリアアップすることで、年収も上げることができます。**

【参考】：[マイナビエージェント職業別年収ランキング/職種図鑑](https://mynavi-agent.jp/it/jobindex/05.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2020年1月～2020年12月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

Pythonは豊富なライブラリが公開されているプログラミング言語です。特にAI分野における機械学習・深層学習で活用されていますが、AI分野の他にもさまざまな分野で利用されています。以下に例を挙げますので、目を通してみてください。

・*データサイエンス*
Pythonはデータ分析を得意としており、科学技術計算全般で用いられています。また、データ分析のライブラリが豊富なため、AI（機械学習・深層学習）に加えて金融計算・ブロックチェーン等で広く活用されています。

Pythonによるデータ分析：入門情報から資格取得まで解説！

・*データ収集*
Pythonはデータ分析を得意としていますが、データ分析の前段階であるデータ収集にも対応可能です。そのため、ウェブ情報収集のためのクローニングやスクレイピング、収集した情報の売り上げ分析・需要分析等に活用できます。

・*汎用的な用途*
Pythonは構造がシンプルなため、ちょっとしたプログラムであれば比較的簡単に作成できます。そのため汎用プログラミング言語としても最適です。他にもウェブサイト作成のフレームワークがあるため、多くのコンテンツ作成者が利用しています。世界的なサービスであるYouTube・Dropbox・Instagram・Googleなどでも実績があります。

・*学習・ゲーム*
Pythonは参考サイトや参考書籍、並びにサンプルコードが多数あるため学習がしやすく、利用者にはプログラミング学習初心者も多くいます。大学のカリキュラムでPythonのプログラム講座が設けられていることもあります。

加えてPythonを使用したゲーム開発も盛んに行われています。プログラミング学習のためのゲームから本格的なゲームまで、多種多用なゲームの作成が可能です。ゲーム開発をする上で使用可能なライブラリが多く公開されています。

Pythonの用途とは？できること・実用例・学習方法を紹介！

Pythonはさまざまな分野で活用されていますが、苦手とする分野や他の言語が最適な分野も少なからずあります。以下に挙げるのはあくまで一例です。

・*機種依存性が高いアプリケーション開発*
Pythonは、コードを1行ずつ機械語に翻訳するインタプリタを用いた汎用的なアプリケーション開発に強みがあります。一方で、機種依存性が高いアプリケーション開発には機種固有のライブラリを用いるのがおすすめです。そのためPythonは機種依存性が高いアプリケーションの開発には向いていません。

・*コンパイラが適しているアプリケーション開発*
Pythonは処理速度がそれほど早くありません。そのため、ソースコード全体を一度に機械語へ変換するコンパイラを必要とするようなアプリケーションの開発には、高速処理が可能で事前にコードをコンパイル（変換）するコンパイラ言語の使用が最適です。

基幹業務システムではC言語・C++・COBOLや同等処理が可能なJavaが用いられます。また、レスポンスタイム保証が必要とされる業務においては、C言語・C++・Java等が用いられています。

COBOLとは？今後は衰退ではなく重用される言語に？

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

## ゲーム開発で用いる主な言語は？

ゲーム開発で用いる主要言語は、以下の通りです。それぞれのターゲットや用途に応じて開発言語が選択されています。

・*C\#*　
最大シェアのゲームエンジンUnityとの併用で、ゲーム開発を行う際に最も活用されている言語です。

C#とは？できることやメリット・デメリットについて解説！

・*C++*　
市販ゲーム機でも用いられる言語です。3Dグラフィックスに強みを持ち、UnrealEngineのゲームエンジンを活用することが多く、Open 3D Engine (O3DE)で採用されている開発言語です。

【参考】：[Unreal Engine](https://www.unrealengine.com/ja/)
【参考】：[O3DE](https://www.o3de.org/)

・*JavaScript*　
ブラウザベースのゲームに強みがあります。

JavaScriptとは？特徴・メリット・何ができるのかを解説

・*Swift*　
iOSやMacOS向けの言語です。コンパイラ言語でありながらスクリプト（同時変換）実行が可能で、ソースコードを書けばすぐに実行できます。

言語・開発の記事（67ページ目）