[【関連記事】【Pythonのライブラリ管理ツール】pipインストールを徹底解説！Windowsでも簡単？](https://and-engineer.com/articles/YcJyaRAAACMAl3BX)

[【関連記事】PythonのコードをEXE化するには? PyInstallerやその他ツールの特徴や使い方](https://and-engineer.com/articles/ZDZ41BEAAH-qRRlT)

[【関連記事】Pythonで自動化できること7選！面倒な作業を効率化してより便利に](https://and-engineer.com/articles/YRn2KRAAACIA6YPW)

**Pythonは、データサイエンスや機械学習などのAI領域で活用されており、その用途の1つに画像認識があります。**ここでは、画像認識の概要とともに、実際にPythonの代表的な画像認識ソフトウェアであるOpenCVを用いてコードを作成して理解を深めていきます。

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

*画像認識とは、画像に写っている情報が何なのか認識する技術を表します。*ここでいう情報とは人や物などで、これらを識別する情報処理の分野として、パターン認識と呼ぶ場合もあります。パターン認識には、広く音声や画像、文字テキストなども含まれますが、ここでは画像を対象に解説していきます。

### 人間の脳と機械やコンピュータとの違い

人間は脳に蓄積されている情報から、画像を見るとそれが何なのか、記憶や経験から識別することができます。機械やコンピュータでは画像の情報が単なるドットの集合体ですので、それが何を意味するのかそのままでは識別できません。

そのために、*画像の特徴やパターンを学習させておき、対象となる画像がどの分類に近いかの識別や、どのパターンに近いか適合の状況を表示させます。*

これらにより、人物の顔の部分を特定したり、生産工場の品質検査で異常がある製品を判別したりすることができます。

### Pythonの代表的な画像認識ソフトウェア

Pythonの代表的な画像認識ソフトウェアとして、次の2点が挙げられます。

*◼︎OpenCV*
OpenCVは、インテルが開発した画像認識ライブラリです。画像処理や解析、パターン認識、機械学習に広く利用することができます。学習済みのモデルが用意されており、自作に適しています。

【参考】：[OpenCV](https://opencv.org/)

*◼︎TensorFlow*
TensorFlowは、Googleが開発した機械学習用ライブラリです。機械学習のみならず、画像認識にも対応します。合わせてTensorFlowのコアライブラリでサポートされるニューラルネットワークライブラリ、Kerasを使うことも可能です。

【参考】：[TensorFlow](https://www.tensorflow.org/?hl=ja)
【参考】：[Keras: Pythonの深層学習ライブラリ](https://keras.io/ja/)
【参考】：[TensorFlow Core チュートリアル：Keras](https://www.tensorflow.org/guide/keras?hl=ja)

ここからは、Pythonの画像認識ソフトウェアとして利用者の多いOpenCVを使い、さらに詳しく解説していきます。

<center>[エンジニア転職を成功させるため 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>

## 画像認識や処理を行うエンジニア

Pythonを主言語として扱うエンジニアをPythonエンジニアと呼びますが、Pythonなどの技術を使って画像認識・画像処理の業務をメインに担当するエンジニアのことを「画像処理エンジニア」と言います。ここでは、画像処理エンジニアの仕事内容や年収事情について紹介します。

画像処理エンジニアとは、*デジタル画像技術に関するアプリ・システムなどの分析や開発、運用を行うエンジニアを指します。*画像処理の技術はあらゆる分野で活用されており、自動車や医療機器メーカー、映像技術、工業分野などさまざまです。

仕事内容としては、画像処理に関する知見を求められたり、プログラミングを行なったりします。大まかな流れは通常のシステム開発と変わらず、クライアントのヒアリングから要件定義を行い、そこで画像処理に必要な技術や工程を特定します。

また、画像処理の技術に関しては「画像処理エンジニア検定」という資格試験でスキルを証明することができます。学習の過程で知識を深めることができるため、画像処理の仕事に携わるエンジニアには取得をおすすめします。

【参考】：[画像処理エンジニア検定](https://www.cgarts.or.jp/v1/kentei/about/img_engineer/index.html)

<center>[*画像処理エンジニアの転職・求人情報を見る　＞*](https://mynavi-agent.jp/jobsearch/job3_0214058/result.php?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv18)</center>

画像処理エンジニアは、システムエンジニアやプログラマーなどの職種に比べて確立された1つの職種というよりも、業務の一環として捉えられるケースが多くみられます。「画像処理エンジニア」と題した求人を出している企業が少ないため、ここではシステムエンジニアの年収を例に紹介します。

「マイナビエージェント 職種図鑑」でのシステムエンジニアの平均年収は431万円（※2024年9月執筆時点）であり、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/プログラマでは、平均年収592万円でした。

国税庁2020年発表の「民間給与実態統計調査」における民間企業の平均年収は433万円なので、*画像処理エンジニアを含むシステムエンジニアは平均年収よりも高めの年収を目指せます。*

画像処理エンジニアとして今後キャリアを積む場合、前述した画像処理エンジニア検定やPythonに関する資格を取得することで、自身の市場価値を高められるでしょう。

【参考】：[マイナビエージェント 職種図鑑/システムエンジニア](https://mynavi-agent.jp/it/jobindex/04.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)

*OpenCVは、PythonのほかC++やJavaでも利用できるポピュラーな画像認識ソフトウェアです。*画像処理の機能が豊富で、他のソフトウェアを追加せずに多くの処理をこなすことができます。英語ですが、豊富なドキュメントが公開されています。

【参考】：[OpenCV](https://opencv.org/)
【参考】：[Introduction to OpenCV](https://docs.opencv.org/4.x/df/d65/tutorial_table_of_content_introduction.html)
【参考】：[OpenCV-Python 4.8.0 Tutorials](https://docs.opencv.org/4.8.0/d6/d00/tutorial_py_root.html)

*OpenCVの公式サイトは英語のドキュメントが中心です。*英語が心配な方は、日本のOpenCVユーザの方々が有志で日本語のドキュメントやサンプルコードを掲載していますので、そちらを利用しましょう。

日本語サイトは公式サイトにもリンクが掲載されていますが、掲載情報はOpenCV2.4.2までなので注意が必要です。

【参考】：[OpenCV.jp](http://opencv.jp/)

*Pythonで利用するには、 ”pip install opencv-python” などでインストールを行います。*同様に、NumpyもPythonの配列処理に活用しますので、 ”pip install numpy” でインストールしておくと良いでしょう。

インストールについて、WindowsやLinuxなどOS別のインストール手順は必要に応じて以下のリンク先を確認しましょう。

【参考】：[OpenCV installation overview](https://docs.opencv.org/4.x/d0/d3d/tutorial_general_install.html)
【参考】：[Install OpenCV-Python in Windows](https://docs.opencv.org/4.8.0/d5/de5/tutorial_py_setup_in_windows.html)
【参考】：[Install OpenCV-Python in Fedora](https://docs.opencv.org/4.8.0/dd/dd5/tutorial_py_setup_in_fedora.html)
【参考】：[Install OpenCV-Python in Ubuntu](https://docs.opencv.org/4.8.0/d2/de6/tutorial_py_setup_in_ubuntu.html)

ここでは、OpenCVの基本操作を学んでいきます。手順は以下の通りです。

*①ライブラリのインポートと画像の読み込み*
PythonでOpenCVを使う場合は、 ”import cv2” でライブラリをインポートします。取り扱う画像データは、JPEGやPNG、BMP・PBMなどの主要なフォーマットに対応します。

配列処理を行う場合は、必要に応じて ”import numpy” などを行い、ライブラリをインポートしておきます。画像の読み込みですが、静止画の場合はcv2.imread()、動画の場合はcv2.VideoCapture()を使って読み込みます。

実際の使い方は、次のように行います。なお、NumPyを使用しない場合は、OpenCVのみインポートしてください。

```import numpy
import cv2
image = cv2.imread('picture.jpg')```

*②画像の前処理*
前処理として画像の処理を行います。認識精度向上のために、cv2.cvtColor()でグレースケールや二値化によるモノクロ化、トリミングなどを行います。BGRの分離やマージも行うことができます。

ここで言うBGRは、青緑赤で通常のRGBとは逆の順番となることに注意します。GBRからRGBへの変換は、cv2.cvtColor()を用います。

次の例は、グレースケールに変換する場合の指定です。

```grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)```

*③画像の画面表示と保存*
処理した画像を画面に表示するには、cv2.imshow()を使います。保存するには、静止画はcv2.imwrite()、動画はcv2.VideoWriter()で出力します。

具体的には、次のように使用して画像を保存します。

```cv2.imwrite('grayscale.jpg', grayscale)```

ここから、OpenCVを用いた画像の認識を行っていきます。*画像認識には、cv2.CascadeClassifier()で学習済みのモデルを読み込み、cv2.CascadeClassifier.detectMultiScale()で顔などのパターンを検出します。*

なお、OpenCVではあらかじめ認識できるパターンが用意されていますので、それを用いるのが良いでしょう。

ここで用いる学習済みのモデルは、カスケード分類器と言います。同様に学習済みのモデルである、認識パターンの登録済みファイルはカスケードファイルと言い、目や眼鏡、ネコや人の顔、人物の全身・下半身・上半身、左目・右目・証明写真風の顔や笑顔などが用意されています。

格納場所は、 ”Pythonのインストール先\Lib\site-packages\cv2\data” で、17種類の登録ファイルがあります。

【参考】：[OpenCV /data/ haarcascades](https://github.com/opencv/opencv/tree/master/data/haarcascades)
【参考】：[OpenCV Cascade Classifier](https://docs.opencv.org/4.8.0/db/d28/tutorial_cascade_classifier.html)
【参考】：[OpenCV Cascade Classifier Training](https://docs.opencv.org/4.8.0/dc/d88/tutorial_traincascade.html)

### OpenCVを用いた画像認識のサンプルコード

ここまで学んだことを実際のコードにしてみます。*サンプルコードでは、画像から顔（正面）を認識する一連の流れを表します。*顔（正面）の学習済みモデルは、 ”haarcascade\_frontalface\_default.xml" を使います。このファイルをローカルに保存するか、パスを指定して読み込みます。

実際のサンプルコードは、以下の通りです。作成したサンプルコードに注釈を入れておきましたので、参考にしてください。

# NumPyを使う場合インポートします（通常、numpyをnpとして使用します）
#import numpy as np

# OpenCVは必ずインポートします（通常、cv2をcvとして使用します）
import cv2 as cv

# 画像を読み込みます（ここでは'picture.jpg'とします）
imagefile = 'picture.jpg'
image = cv.imread(imagefile)

# グレースケールに変換します
grayscale = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

# 学習済みモデルを読み込みます
# 正式なパスは"Pythonのインストール先\Lib\site-packages\cv2\data"です
cascade = cv.CascadeClassifier("haarcascade_frontalface_default.xml")

# 顔を検出します（検出する最小サイズは50x50とします）
results = cascade.detectMultiScale(grayscale, minSize=(50, 50))

# 検出した場合の処理です
if len(results) > 0:

    # 検出した顔を矩形で囲みます（色は赤、線の太さは2とします）
    for rectangle in results:
        cv.rectangle(image, tuple(rectangle[0:2]),tuple(rectangle[0:2]+rectangle[2:4]), (0, 0, 255), thickness=2)

    # 検出結果を保存します（ここではファイル名の最初に'result-'という文字列を追加します）
    cv.imwrite('result-'+imagefile, image)

    # 検出結果を画面に表示します（ウィンドウタイトルに'imshow:ファイル名'を表示します）
    cv.imshow('imshow: '+imagefile, image)```

<center>[あなたに合った企業選びをサポート致します。 エンジニア転職のご相談はぜひ *『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=acv12_2)</center>

## Pythonを使った画像認識は難しくない

Pythonは用途に応じたライブラリが豊富であり、**画像認識も人や動物などを認識するほか、物体の形状を登録することで生産ラインの品質検査にも応用できます。**その中でも、OpenCVは手間なく環境構築と学習済みモデルを使った画像検出が可能で、簡単に始めるにはおすすめのソフトウェアです。

画像処理技術は年々高度化しており、特に汎用性の高いPythonを使って画像処理を行えるエンジニアの需要はますます増加しています。この技術を習得することで、画像処理エンジニアやAI関連職種へのキャリアパスが広がるでしょう。

今のキャリアを活かした転職を望む場合、いかに自分に合う企業とマッチングできるかが重要です。そのような優良企業を見つけるのは至難の業でしょう。

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=acv12_2)です。 

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>*＼転職するか迷っていてもOK！／* [*マイナビエージェントに無料登録して* *転職サポートを受ける*](https://mynavi-agent.jp/entry/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv17)</center>

Pythonの用途の1つに画像認識があります。もちろん公開されているソフトウェアを活用して、AI全般に利用することもできます。ここでは、画像認識の概要とともに、実際にPythonの代表的な画像認識ソフトウェアを用いてコードを作成して理解を深めていきます。

画像認識では、画像の特徴やパターンを学習させておき、対象となる画像の分類を識別します

Pythonの場合は、OpenCVを用いて画像認識や検出に使用することが多いです

OpenCVでは、学習済みモデルを使った画像検出が可能のため、すぐに利用することができます

Pythonを使った画像認識！概要からサンプルコードも紹介

**Pythonの実行環境とは、Pythonのプログラムコードを実行するための環境を指します。**作業の流れは、Pythonの動作環境をローカルに構築してPythonを実行します。ここでは、Pythonの実行環境の概要からおすすめの実行環境まで解説していきます。

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

Pythonの実行環境はプログラムコードを実行するにあたって必要であるため、Python自体の動作環境である必要があります。PythonはWindowsやmacOS、Linuxなど多くのプラットフォームでサポートされており、macOSやLinuxでは、プリインストール版のPythonがそのまま使えます。

同様に、プログラムコードは単体のソースコードのみならず、内部でimportするライブラリやモジュールが必要です。*そのライブラリやモジュールを導入するには、ソフトウェア開発環境を実行環境に構築するのが互換性を高めるメリットもあり、使用している開発環境を実行環境に導入するのが簡単で確実な方法です。*

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

### Pythonの開発環境に必要な要素

*Pythonは、実行するプログラムをテキスト編集と同じ要領で作成します。*OSに付属する単純なテキストエディタがあれば動作しますが、プログラム用のコードエディタあるいは統合開発環境（IDE）があればソフトウェア開発を効率的に行えます。

同様にPythonのプログラム自体もパッケージマネージャから導入することで、環境を一元管理が可能です。Pythonの実行環境を構築する場合も、パッケージマネージャを使用して同じバージョンをデプロイ（配布）すると、問題発生時の環境確認がスムーズになります。

IDEとは？詳細やメリット、おすすめのIDEを紹介します！

### 環境構築せずにPythonを利用することも可能

*PythonはローカルのサーバあるいはPCが実行環境として必要ですが、クラウド環境ではローカルに実行環境を持たずに使用できます。*

ウェブブラウザを使ったオンラインエディタやGoogle Colab（Google Colaboratory）は、Pythonがインストール不要で簡単にコードの開発や実行が可能です。このように使用用途に応じた環境を選択できるメリットもあります。

さらに、Pythonの構築されていない環境でPythonアプリケーションを実行する、Pyinstallerのようなビルダもリリースされています。


Pythonは、パッケージを管理するパッケージマネージャを使用してインストールするのが一般的です。同様に統合開発環境を使用したり、コードエディタを使用したりすることもできます。ソフトウェアの配布や管理を考えると、Pythonの開発環境と実行環境を同じ手順で構築しておくと良いでしょう。

ここでは、*パッケージ管理、統合開発環境、コードエディタに分類しておすすめを紹介していきます。*また、インストール不要なブラウザ利用についても解説します。

### （パッケージ管理）Python Package Index

Pythonには、バージョン3.4から標準でpipコマンドが同梱されています。*「Python Package Index」と呼ばれる公開サービスを使用して、pipコマンドからソフトウェアの導入管理を行います。*

これは、追加のインストールせずに標準で使えるので、最初の選択肢となります。Pythonに同梱されているIDLEと呼ばれる統合開発環境を使って、コードの開発から実行までサポートします。

【参考】：[Python Docs: Python モジュールのインストール](https://docs.python.org/ja/3/installing/index.html)

pipとは？Pythonのライブラリ管理方法を分かりやすく解説！

IDLEを使ったPythonのプログラム開発！操作方法を解説

*Anacondaは、データサイエンス向けプラットフォームのディストリビューションです。*ソフトウェアの開発から実行のみならず、ソフトウェア資産の公開までサポートされます。コードエディタのVSCodeも利用可能です。

データサイエンス、特に機械学習を専門で開発する方は、Anacondaのcondaコマンドで管理すると良いでしょう。

condaとpipは共有されませんので、Python Package IndexかAnacondaのいずれかを選択します。2022年10月以降、従業員200名以上の企業に所属している方は、個人利用のオープンソース版であっても有償となるので注意が必要です。

【参考】：[Anaconda](https://www.anaconda.com/)

Anaconda（アナコンダ）とは？Pythonの効果的な開発環境を解説！

Anacondaの使い方は？Python環境の利用方法を解説！

Eclipseは、Java向けの統合開発環境としてリリースされた製品です。*現在は多くのプログラミング言語に対応し、Pythonもサポートされています。*

開発するには、プロジェクトベースでコード開発から実行までをカバーします。プラグインが充実しており、日本語化プラグインが提供されます。Eclipse Public License（EPL）にしたがって、無料で使用できます。

【参考】：[Eclipse](https://www.eclipse.org/)

Eclipseとは？統合開発環境を日本語プラグインで快適に構築する方法を解説！

EclipseをインストールしてJavaの開発環境を整えよう

### （統合開発環境）Visual Studio

Visual Studioは、Microsoftが提供する代表的な統合開発環境です。*コードエディタやデバッガなどが同梱されており、Pythonはプラグイン機能で対応します。*Windows、macOSに対応します。Microsoftが提供するVisual C++や、Visual C#などの言語モジュールやコンパイラなどが同梱されます。

Pythonのみ扱うというよりは、.NETや高水準言語を用いた商用アプリケーションの開発の際に利用すると良いでしょう。ProfessionalやEnterprise、Communityなどのエディションがあり、Community版は学生や個人、オープンソースの共同作成者であれば無料で使用できます。

【参考】：[Visual Studio](https://visualstudio.microsoft.com/ja/)

PyCharmは、データサイエンス向けの統合開発環境です。*インストールによって、Pythonの実行に必要なデータサイエンスモジュールやデータベース、コードエディタやデバッガなどのツールが利用可能になります。*

学生・教員・コミュニティ向けはサブスクリプションが無料で提供されますが、法人や個人の利用は有料です。

【参考】：[PyCharm](https://www.jetbrains.com/ja-jp/pycharm/)

VSCode（Visual Studio Code）は、多くのプログラム言語に対応する無料のコードエディタです。プラグイン機能が充実しており、Pythonにも対応します。*通常のテキストエディタで物足りない方は、VSCodeを利用すると実行環境でもコード編集から実行までVSCodeから操作できます。*

【参考】：[Microsoft Azure: Visual Studio Code](https://azure.microsoft.com/ja-jp/products/visual-studio-code)
【参考】：[Visual Studio Code](https://code.visualstudio.com/)

VSCodeとは？定番のコードエディタを他のエディタと比較して解説

Visual Studio Codeのインストール！日本語化の手順を図解

VSCodeの使い方を図解！画面説明からよくある質問・操作方法まで解説

*Google Colab（Google Colaboratory）は、ブラウザを使ってPythonのコード開発から実行、共有まで対応します。*

Google Colabは、Jupyter Notebookを使ったホスト型サービスで、機械学習などのデータサイエンス、教育向けに有効なサービスです。Googleドライブを使って、ローカル環境とデータを共有します。面倒な環境構築が不要で、GoogleのGPUに追加料金なしにアクセスできます。

【参考】：[Google Colaboratory](https://colab.research.google.com/?hl=ja)
【参考】：[jupyter](https://jupyter.org/)

Google ColabにAIコーディング機能を追加！概要と予定を解説

### 初心者向けのおすすめ実行環境

Pythonの実行環境は選択肢が多く、ここであらためて初心者向けのおすすめ実行環境を整理します。*学習目的で実行環境を用意する場合は、インストール不要なブラウザ環境がおすすめです。*Google Colabを使うと、無料でコード開発や実行が可能です。

ローカルに実行環境を用意する場合は、PythonとコードエディタのVSCodeをインストールすると、手軽にコードの作成・編集・実行が可能です。

統合開発環境はもう少し大規模な開発環境で、無料で利用できるEclipseやVisual Studioが適しています。もちろん、標準パッケージ管理のPython Package Indexもおすすめです。


## Pythonの実行環境は開発環境を決めることから始めます

Pythonはインストールするだけで多くのことが始められます。追加のパッケージの導入やコードエディタでの編集などを考えると、開発環境と同等の環境が実行環境にも求められます。

このことから、**Pythonの実行環境は用途に応じて開発環境を選択し、その環境に合わせて構築すると良いでしょう。**

その他に関連する内容は、下記の記事でもご紹介しています。ぜひ参考にご覧ください。

Pythonのインストール方法：初心者向けインストール方法を1から解説！

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

Pythonでできることは？初心者が作れるものや実用例を紹介

Pythonの用途別ライブラリ14選！おすすめの本も紹介

Pythonのメソッド一覧を紹介！基礎知識についても解説

Pythonで開発を行う際におすすめのツールを徹底解説！

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！

Pythonの関数：基本的な使い方と組み込み関数を解説！

Pythonはゲーム開発も可能！その方法や活用できるツールを紹介

Pythonによるデータ分析：入門情報から資格取得まで解説！

Pythonの仮想環境とは？利用のメリットやおすすめの仮想環境をご紹介

Pythonの実行環境は、Pythonのプログラムコードを実行するための環境です。インストールや追加パッケージの導入、コードエディタでの編集などを考えると、開発環境と同等の環境が実行環境にも求められます。ここでは、おすすめのPython実行環境を解説します。

Pythonの実行環境は、Pythonのプログラムコードを実行するための環境です

実行環境は、編集やデバッグ等を考慮すると、開発環境と同等の環境が望ましいです

初心者はインストール不要なブラウザ環境で試し、ローカルに環境を構築するのが良いでしょう

Pythonの実行環境とは？おすすめのPython実行環境を解説

*Pythonのバージョンは、コマンドラインからオプションを指定したり、プログラムコードから関数を呼び出したりすることで確認できます。*バージョン情報が分かれば、環境のミスマッチや動作の確認などに使用することができます。ここでは、バージョンの確認の仕方を学んでいきます。

なお、Pythonのバージョンの違いは、以下のドキュメントのプルダウンメニューにあるバージョン一覧から必要なバージョンを選択して確認できます。

【参考】：[Python Docs: Python 3.13.0 ドキュメント](https://docs.python.org/ja/3/)

### コマンドラインからバージョンを確認する

Pythonは、コマンドラインオプションからバージョンを確認することができます。Windowsではコマンドプロンプトから、LinuxやmacOSはターミナルから起動します。*使用するには、 ”-V” または ”\-\-version” をPythonの実行オプションに指定します。*

Windowsの実行例は次の通りです。2024年10月時点で最新のPython 3.13.0を使って、実行した結果を表示します。

```
C:\>python --version
Python 3.13.0
C:\>python -V
Python 3.13.0
```

表示されるバージョンの数字は、メジャー番号、マイナー番号、マイクロ番号の順にドット（”.”）で区切られて表示されます。最新版では、メジャー番号は大規模なバージョン変更で3、マイナー番号は小規模な変更で13、マイクロ番号はバグの修正でこの例では0を示しています。

環境の違いを見ると、メジャー番号が異なると互換性がなく、マイナー番号の違いは軽微な違いにとどまります。マイナー番号固有のプログラミングを行っている場合などは、マイナー番号を確認して動作を指定できます。

なお、一部のWindows環境では、バージョン番号なしの ”Python” のみが表示される場合があります。このようにPythonだけが表示される場合は、「設定」「アプリ」の「アプリ実行エイリアス」を確認してください。

python.exeやpython3.exeの「アプリインストーラ―」を、「オン」から「オフ」に変更することで正しく表示されます。

【参考】：[Python Docs: コマンドラインと環境](https://docs.python.org/ja/3/using/cmdline.html)

### より詳細なバージョンの確認方法

先に学んだように、コマンドラインで ”-V” または ”\-\-version” をオプション追加すると、簡易な3つの番号が戻るのみでした。

ここでは、より詳細なバージョンの確認方法を学んでいきます。*詳細バージョンを確認するには、コマンドラインオプションに ”-VV” と大文字のVを2回入力します。*実行の結果、次のようにバージョン番号の数字に加えて、ビルド情報が表示されます。

```
C:\>python -VV
Python 3.13.0 (tags/v3.13.0:60403a5, Oct  7 2024, 09:38:07) [MSC v.1941 64 bit (AMD64)]
```

なお、Pythonを引数なしに起動すると、起動時にほぼ同等の情報が表示されますので、起動時に確認することも可能です。

```
C:\>python
Python 3.13.0 (tags/v3.13.0:60403a5, Oct  7 2024, 09:38:07) [MSC v.1941 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>
```

### LinuxやmacOSでのバージョン確認方法

多くの LinuxやmacOSではPythonがプリインストールされており、バージョン番号がいくつかあります。*ターミナルから ”python” で起動しない場合は、 ”python3” とメジャー番号の3を末尾に指定してみてください。*Python3がインストール済みの場合は、末尾に3を指定することで起動します。

Windowsの場合も、WSL（Windows Subsystem for Linux）でPythonを起動する場合は、UbuntuにインストールされているPythonを使用しますので、 ”python3” とバージョン番号の3を指定します。

macOSでは、Homebrewを使用している場合も多いでしょう。Homebrewの場合は、 ”brew install python” で最新版をインストールできます。

【参考】：[Windows Learn: Linux 用 Windows サブシステムとは](https://learn.microsoft.com/ja-jp/windows/wsl/about)
【参考】：[Homebrew](https://brew.sh/ja/)

## バージョンが確認できない場合の対処方法

*Pythonのバージョン確認時に、エラーなど何らかのメッセージが表示される場合があります。*ここでは、バージョンが確認できない場合の対処方法について学んでいきます。セットアップ直後などは、何が原因かわからないことがありますが、確認のポイントを解説していきます。

### Pythonがインストールされていない

*Pythonがインストールされていない場合は、実行時にコマンドがない旨のメッセージが表示されます。*Windowsでは、次のようなメッセージが表示されます。

```
C:\>python
'python' は、内部コマンドまたは外部コマンド、
操作可能なプログラムまたはバッチ ファイルとして認識されていません。

C:\>

WSLやUbuntu、macOSなどでも”python3”の起動実行時に ”Command 'python3' not found” のようなメッセージが表示されます。この場合は、インストール済みのパッケージを確認し、インストールされていないのであれば公式サイトからダウンロードするか、パッケージマネージャを用いてインストールします。

Ubuntuとは？今更聞けないLinuxとの違いや使い方を解説！

### Pythonの実行パスが設定されていない

*Pythonの実行パスが設定されていない場合も、未インストール時と同様に実行時にコマンドがない旨のメッセージが表示されます。*

Windowsの場合は、 ”set PATH=%PATH%;Pythonパス” のようにパスを追加します。このパスは、Pythonのインストーラでインストール先に指定したパスで、 ”C:\Users\User名\AppData\Local\Programs\Python\Python313” などです。

スタートメニューの「設定」の「システム」「バージョン情報」から「システムの詳細設定」を開いて、「システムのプロパティ」の「環境変数」から変更することもできます。

Linuxの場合は、 ”/usr/bin/python3” が実行コードです。macOSでは、通常 ”/usr/local/bin” が用いられますが、XCodeからインストールされるpython3では ”/usr/bin/python3” が使われる場合があります。ファイルやリンクは、誤って削除しないように注意しましょう。

### Pythonのコマンド入力に誤りがある

*Pythonのコマンドラインオプションに誤りがあると、エラーが表示されます。*エラーが表示される場合は、Python自体はインストールされていますので、オプション指定したコマンド入力を確認します。オプション名の大文字と小文字、ハイフンの数が異なると、エラーが表示されます。

”-V” は大文字のVで、ハイフンを2回続けたり小文字のvを指定したりした場合はエラーとなります。同様に、 ”\-\-version” の場合は、ハイフンを2回続けないとエラーとなります。

切り分け方法は、コマンドラインの引数なしに ”python” あるいは ”python3” を実行すると良いでしょう。コマンドラインの引数なしに実行できれば、Python自体は正常に動作しています。

## Pythonのプログラムからバージョンを確認する

*Pythonのプログラムからバージョンを確認するには、提供されるモジュールをimportし、呼び出します。*具体的には、sysとplatformをimportするだけで、バージョン情報を取り込むことができます。sysはシステム情報を取り込み、platformは実行環境に関する情報を取り込みます。

【参考】：[Python Docs: sys --- システム固有のパラメーターと関数](https://docs.python.org/ja/3/library/sys.html)
【参考】：[Python Docs: platform --- 実行中プラットフォームの固有情報を参照する](https://docs.python.org/ja/3/library/platform.html)

### sysとplatformを用いてバージョン情報を取り込む

*Pythonでは、sysとplatformを用いてバージョン情報を取り込むことができます。*取り込んだ結果は、表示したり変数に取り込んで使用したりできます。次のサンプルコードが実行例で、platform.python_version()がシンプルな3つの番号のみ、sys.versionが詳細バージョンです。

Pythonの記事（1ページ目）