[【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)<br>

*Python*の*インスタンス*とは、**抽象化されたクラスを具現化**したものです。Pythonは*オブジェクト指向プログラミング*ですので、その定義は*オブジェクト指向プログラミング*で用いているクラスとインスタンスと*同等*となります。

### オブジェクト指向プログラミングとは？

*オブジェクト指向プログラミング*とは、*相互に関係するデータとプログラムコード*を**抽象化し、プログラム開発を行う手法**を指します。ここで言う*データ*とは*変数や属性*を指し、*プログラムコード*とは*関数や属するサブルーチン*を指します。

### オブジェクト指向プログラミングのクラスとインスタンスとは？

*オブジェクト指向プログラミング*の*クラス*とは、抽象化するための元となる**モデル設計図やひな形**を指します。同様に、*インスタンス*とは*クラスに基づいて作成する実態*を指します。ちょうど*家の設計図*に基づいて*家が建てられる*のと同じイメージです。

### オブジェクト指向プログラミングのクラスに関連する他の用語は？

クラスについて説明しているドキュメントには関連用語がいくつか使われています。*カプセル化*とは**関連したデータと操作をまとめて抽象化**することを指し、*モジュール化*とも言います。同様に、*既存のクラスの機能や構造を共有する新しいクラス*は*親クラスを継承したクラス*と言います。

### オブジェクト指向プログラミングであるPythonの特徴は？

*オブジェクト指向プログラミング*は、あらかじめ*型を静的に決定するコンパイラー型*と、型を*動的に決定するインタープリター型*に大別されます。*コンパイラー型は、C++やJava・C#*等があります。*インタープリター型は、Python・JavaScript・Ruby*等があります。

**Pythonの特徴は、動的型付け**を行うことです。*メモリー使用効率を高める*ために*ガベージコレクションがサポート*されています。

Pythonはインタープリターですので、比較的*簡単にプログラミング*が行えます。*初心者から専門家*までの幅広い開発者に人気が高く、特に*人工知能（AI）*の分野では*GitHubのソースコード登録*が**Pythonが大多数を占めている**ため、一層活用の度合いが高まっています。

## Pythonでのクラスの宣言と利用方法は？

Pythonで用いる*オブジェクトやクラス・インスタンス等の用語*は、**オブジェクト指向プログラミングの考え方と同等**です。宣言方法はClassの後に任意のクラス名を設定し、最後は”:”で区切ります。

具体的なクラスの宣言は以下の様に行います。

*例：*
class Example(): # クラス名をExampleとする

*宣言したクラスを利用*するためには、**インスタンスを生成（インスタンス化）が必要**となります。詳細は以降で説明します。
参考：[Python 言語リファレンス 3. データモデル](https://docs.python.org/ja/3/reference/datamodel.html)

### Pythonでのインスタンスにメソッドを追加するには？

*メソッド*とは、必要な処理の手順を指します。この一連の処理はメソッド名を持ちますので、メソッドを定義することにより**一連の処理をまとめて実行することが可能**です。定義方法は、defの後に任意のメソッド名を記述します。

*例：*
class Example(): # クラス名をExampleとする
  def test\_method(self): # 任意のメソッド名を定義、ここではtest\_methodとする
     print('2 in test\_method')  # ここに必要な処理を記述する、例として文字列を表示
     return True     # 戻り値を指定、ここでは例としてTrueを返す

### インスタンスの\_\_new\_\_コンストラクタメソッド使用方法は？

*用法：*object.\_\_new\_\_(cls[, ...])

*\_\_new\_\_コンストラクタメソッド*は、クラス cls の**新しいインスタンス作成時に呼び出されます**。第一引数はインスタンス生成のクラスを指定します。残りの引数は、オブジェクトのコンストラクタに渡されます。
 \_\_new\_\_ の戻り値は、新しいオブジェクトのインスタンス（通常は cls のインスタンス）とします。

*例：*
class Example(): # クラス名をExampleとする
  def \_\_new\_\_(cls): 
     print('\_\_new\_\_')    #ここに必要な処理を記述する、例として文字列を表示
        : #ここに必要な処理を記述する
     return object.\_\_new\_\_(cls) 

### インスタンスの\_\_init\_\_コンストラクタメソッド使用方法は？

*用法：*object.\_\_init\_\_(self[, ...])

*インスタンスが \_\_new\_\_によって生成された後*、それが**呼び出し元に返される前**にインスタンス初期化のために*\_\_init\_\_コンストラクタメソッドが呼び出されます*。基底クラスとその派生クラスがともに \_\_init\_\_ メソッドを持つ場合、派生クラスの \_\_init\_\_メソッドは基底クラスの \_\_init\_\_メソッドを明示的に呼び出し初期化する必要があります。

*例：*
class Example(): # クラス名をExampleとする
  def \_\_init\_\_(self): 
     print('\_\_init\_\_')    #ここに必要な処理を記述する、例として文字列を表示
     self.init\_var = ‘Test’ #例としてself.init\_varを初期化
        : #ここに必要な処理を記述する

### インスタンスの\_\_del\_\_デストラクタメソッド使用方法は？

*インスタンス*が*破棄されるときに呼び出されます*。 これは*ファイナライザやデストラクタ*とも呼ばれます。 **全ての参照オブジェクトが削除された段階**で、*\_\_del\_\_メソッドが呼ばれます*。
基底クラスが \_\_del\_\_メソッドを持っている場合は、派生クラスの \_\_del\_\_メソッドは、基底クラスの \_\_del\_\_メソッドを明示的に呼び出して削除しなければなりません。

*例：*
class Example(): # クラス名をExampleとする
   def \_\_del\_\_(self):
      print('\_\_del\_\_')    #ここに必要な処理を記述する　例として文字列を表示

### Pythonのインスタンス生成・初期化・破棄の一連の流れは？

ここでは、先に説明した*\_\_new\_\_および\_\_init\_\_コンストラクタメソッド*と*\_\_del\_\_デストラクタメソッド*の一連の流れを見ていきましょう。クラスを宣言した後これらのメソッドを定義しておきます。実際の利用方法は、**必要なクラスを呼び出すだけ**で実行可能です。

*例：*
class Example(): # クラス名をExampleとする
  def test\_method(self): # 任意のメソッド名を定義、ここではtest\_methodとする
     print('2 in test\_method')  # ここに必要な処理を記述する、例として文字列を表示
     return True     # 戻り値を指定、ここでは例としてTrueを返す
  def \_\_new\_\_(cls): 
     print('\_\_new\_\_')    # ここに必要な処理を記述する、例として文字列を表示
     return object.\_\_new\_\_(cls) 
  def \_\_init\_\_(self): 
     print('\_\_init\_\_')    # ここに必要な処理を記述する、例として文字列を表示
     self.init\_var = 'Test' # 例としてself.init\_varを初期化
  def \_\_del\_\_(self):
     print('\_\_del\_\_')    # ここに必要な処理を記述する、例として文字列を表示

test=Example() # クラス Exampleを呼び出す
print('1 test.init\_var=',test.init\_var)   # \_\_init\_\_で初期化された値を表示
print('2 test\_method=',test.test\_method())  # 任意に作成したメソッド、test\_methodの実行
Alt=test # インスタンスを別名にコピーする
print('3 Alt.init\_var=',Alt.init\_var) # Altのinit\_varの値を表示
del test # testを削除
print('4 Alt.init\_var=',Alt.init\_var) # Altのinit\_varの値を表示
del Alt # Altを削除

この例では先に述べたメソッドをそれぞれ定義し、順番に実行する例です。実際に実行した結果は、以下の通りです。

*実行結果：*
\_\_new\_\_
\_\_init\_\_
1 test.init\_var= Test
2 in test\_method
2 test\_method= True
3 Alt.init\_var= Test
4 Alt.init\_var= Test
\_\_del\_\_

実行結果を見ると*最初に\_\_new\_\_*が呼ばれ、*次に\_\_init\_\_*が呼ばれていることが分かります。引き続き、指定した箇所でtest\_methodが実行されています。同様に、*\_\_del\_\_は全てのオブジェクトが削除された段階*で呼び出されていることが理解できるでしょう。

## Pythonのクラスとインスタンスが理解できるとプログラミング効率が高まります

Pythonは、オブジェクト指向プログラミングですので*コードとデータの抽象化*を行います。そのため、*クラスの宣言と実際のインスタンス*が理解できると**生産性の高いプログラミングが可能**になります。
クラスは1度定義しておけば*再利用可能*ですので、*メンテナンス性*の観点からも**活用をお勧めします**。

Pythonはオブジェクト指向プログラミングなので、オブジェクトを抽象化するための関連用語が多数出てきます。ここでは、インスタンスの利用方法についてクラス定義とともに説明していきます。さらに、実際のPythonのコードを実行しその結果をわかりやすく解説します。

Pythonのインスタンスとは抽象化されたクラスを具現化したものを指します

クラスとは抽象化するための元となるモデル設計図やひな形を指し、インスタンスとはクラスに基づいて作成する実態を指します

Pythonでインスタンスを利用するためにはクラスを宣言し、インスタンスを生成・初期化し利用します

Pythonのインスタンスとクラスに挑戦！利用方法を詳しく解説

データ分析とは蓄積したデータを手法に基づいて解析し、その**データの要素や性質・傾向を定量的・定性的に明らかにしていくこと**です。解析手法としては、*統計学等を用いたプログラミング*が一般的です。

現在データ分析は多岐に用いられており、*金融リスク分析*や*ウェブ・マーケティング分析*、*販売予測*等が代表的な例です。近年統計学やパターン認識を活用した*データマイニング*が進んでおり、人工知能で用いるデータ解析や*機械学習・深層学習*に活用されています。

### データ分析エンジニアとは？

データ分析を担当するエンジニアを、*データ分析エンジニア*または*データアナリスト*と呼びます。データ分析エンジニア（データアナリスト）は、以下の**データ分析手法**等を活用しデータ分析を行います。
・*数学や統計学を用いた数学的手法*
・*計算機科学や情報工学を用いたコンピュータ技法*
・*機械学習やパターン認識等の人工知能技術*

### データ分析の一連の流れは？

データ分析は以下の一連の流れにより進められます。
（1） *ビジネス課題の抽出*
（2） *データ収集の準備・収集*
（3） *データ分析*
（4） *ビジネス課題の解決*

この一連の流れ全般を担当するエンジニアを、*データサイエンティスト*と呼びます。データサイエンティストは**データ分析工程に特化した専門家**です。そのため、データ分析手法を*学術的に研究し実践する*ことに強みがあり、複雑な分析を*高度な技法を活用して分析*していきます。

## Pythonを用いたデータ分析は？

*データ分析の工程*を詳しく見ていきます。例えば、機械学習の場合は以下の**分析フェーズ**に処理を分解できます。

（1）*データの読み込み*
　　自社データあるいはオープンデータの統計データを読み込みます
　　WebスクレイピングあるいはWeb APIを用いてウェブデータを取込むこともできます
（2）*データの前処理・加工*
　　欠損値を平均値・中央値等あるいは重回帰分析で補正代入します
　　文字データから解析可能な定量データに変換します
（3）*データの可視化*
　　グラフ描画ツールや他のBIツールを併用し、データを可視化します
（4）*モデルの作成*
　　各種変数を統計モデルを用いて入力します
（5）*モデルの評価*
　　モデルの妥当性を検証します
（6）*分析結果の可視化*
　　グラフ描画ツールや他のBIツールを併用し、データ分析結果を可視化します

### Pythonのデータ分析の特徴は？

Pythonの特徴は、*プログラム記述がシンプルなこと*が挙げられます。そのためPythonは記述しやすく、かつ判読しやすいので**メンテナンス性に優れています**。さらに、オブジェクト指向プログラミングにより*高機能なプログラムが簡単に記述できる*メリットがあります。

加えて、Pythonはインタプリタのため*デバッグが簡単*です。コード開発が順次行われておりライブラリー共有が進んでいます。このことから、分析アルゴリズムが共通化しやすいAIでは*機械学習や深層学習のライブラリーが数多く提供されています*。特に、Pythonはオープンソースですので各データ分析フェーズに対応した*ライブラリーが充実している*ことが特徴です。

以上の理由により、**AI分野での開発言語はPythonが標準的に用いられています**。

### データ分析に有効なPythonのライブラリーは？

Pythonでは、ライブラリーを*import*することで*標準ライブラリー*や*パッケージライブラリー*が**簡単に利用できます**。先にお話ししたデータ分析工程に代表的なライブラリーを当てはめてみます。

（1）*データの読み込み*　　　：　NumPy、SciPy、Pandas
（2）*データの前処理・加工*　：　NumPy、SciPy、Pandas
（3）*データの可視化*　　　　：　Matplotlib、seaborn、Altair
（4）*モデルの作成*　　　　　：　scikit-learn、TensorFlow、PyTorch
（5）*モデルの評価*　　　　　：　scikit-learn、TensorFlow、PyTorch
（6）*分析結果の可視化*　　　：　Matplotlib、seaborn、Altair

以下に各ライブラリーの特徴を説明します。
・*数学・科学技術計算用*
　「NumPy」 　　 多次元配列オブジェクトをPythonに実装し多数の演算関数を提供
　　　　　　　　　参考：[NumPy](https://numpy.org/)
　「SciPy」 　　　NumPyをベースにした科学計算ライブラリー
　　　　　　　　　参考：[SciPy](https://scipy.org/scipylib/)
　「Pandas」 　　 数表や時系列データに強みを持つデータ操作解析ライブラリー
　　　　　　　　　参考：[Pandas](https://pandas.pydata.org/)

・*データの可視化用*
　「Matplotlib]　　NumPyをベースにしたグラフ描画ライブラリー
　　　　　　　　　参考：[Matplotlib](https://matplotlib.org/)
　「seaborn」 　　Matplotlibを用いた可視化ライブラリー
　　　　　　　　　参考：[seaborn](https://seaborn.pydata.org/)
　「Altair」 　　　 簡単な文法で視覚効果を高めた可視化ライブラリー
　　　　　　　　　参考：[Altair](https://altair-viz.github.io/index.html)

・*機械学習・深層学習用*
　「scikit-learn」  分類・回帰・クラスタリングによる機械学習ライブラリー
　　　　　　　　　参考：[scikit-learn](https://scikit-learn.org/stable/)
　「TensorFlow」 Googleが開発した機械学習・深層学習・数値解析ライブラリー
　　　　　　　　　参考：[TensorFlow](https://www.tensorflow.org/)
　「PyTorch」　　Facebookが開発した機械学習ライブラリー、深層学習へ適用拡大
　　　　　　　　　参考：[PyTorch](https://pytorch.org/)

*Pythonのライブラリー*は各*公式サイト*または*GitHub*で入手可能です。用途に応じて色々と試してみましょう。

NumPyとは？効率的なPythonのデータ分析手法を解説！

Pythonや機械学習ライブラリーを動作させるには*自身のPCをセットアップ*したり、*GPUを用意*したり何かと**事前準備が必要**です。Googleが提供する*Colaboratory*（略称 Colabo）は**Python実行環境を無料提供**してくれます。さらに**GPUの利用も無料**です。

Colaboは*Googleのクラウド上で実行される*ため、ウェブブラウザのみ用意できれば実行確認ができます。なお、利用にはGoogleアカウントが必要です。*Pandas*や*Tensorflow*についての紹介情報も記載されており、さらに未導入のライブラリーも手動でインストール可能です。
参考：[Colaboratory へようこそ](https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja)

## データ分析エンジニアの資格は？

データ分析能力を高めるためには**資格取得が有効**です。データ分析エンジニアは*ITスキル・データ分析スキル*が求められます。さらに、データ収集のための*データベーススキル*やプログラム言語である*Pythonのスキル*が求められます。

以降で詳細を説明していきます。

### データ分析エンジニアにおすすめのデータ分析資格は？

データ分析エンジニアは、*学術的な知識と技術スキル*をデータ分析に活用していきます。そのため、**数学や統計の専門知識**が求められます。

最初に、統計自体の能力を証明するために、*統計質保証推進協会*の*統計検定*をおすすめします。この資格はデータに基づいて客観的に事象を判断し、科学的に問題を解決する能力を証明します。
参考：[一般財団法人 統計質保証推進協会の統計検定](https://www.toukei-kentei.jp/about/)

次に人工知能全般の能力を証明するために、*日本ディープラーニング協会*の検定を紹介します。*G検定*はジェネラリスト向けの検定で、*E資格*はエンジニア向けです。E資格はディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有するエンジニアレベルを検定します。
参考：[一般社団法人 日本ディープラーニング協会のG検定、E資格](https://www.jdla.org/)

### データ分析エンジニアにおすすめのデータベース資格は？

データ分析の前段の*データ収集工程*では、**データベース**の専門スキルが要求されます。

一般知識として、*情報処理推進機構（IPA）*の*情報処理技術者試験*の区分である*データベーススペシャリスト試験（DB）*をおすすめします。データ収集の環境構築に必要なデータベースの汎用的な設計・開発・構築・運用の能力が証明されます。
参考：[情報処理推進機構(IPA) データベーススペシャリスト試験(DB)](https://www.jitec.ipa.go.jp/1_11seido/db.html)

*オープン系データベース*向けの資格、*OSS-DB技術者認定試験*を紹介します。データ分析システムではオープンシステムを活用することが多いためおすすめの資格です。同様に*商用データベース*向けの資格は、市場占有率の高い*オラクル社*の*Oracle Master*をおすすめします。
参考：[OSS-DB技術者認定試験](https://oss-db.jp/)
参考：[Oracle 認定資格一覧](https://www.oracle.com/jp/education/certification/allcertification-172551-ja.html)

### データ分析エンジニアにおすすめのPython資格は？

Python資格はまず**Pythonの文法基礎**を認定する資格で、*Python 3 エンジニア認定基礎試験*を紹介します。オライリー・ジャパン「*Pythonチュートリアル 第3版*」が出題範囲となっており、70%以上の正答率で合格です。初心者向けの資格です。
参考：[Python 3 エンジニア認定基礎試験](https://www.pythonic-exam.com/exam/basic)

続いて、**分析計アプリケーションのプログラミング能力**を証明するために、*Python 3エンジニア認定データ分析試験*が用意されています。この資格ではPythonの言語能力のみならず、確率や統計の数学技術とライブラリーを用いた分析実践能力が試され、上級者向けの資格です。翔泳社「*Pythonによるあたらしいデータ分析の教科書*」が出題範囲となっており、70%以上の正答率で合格です。
参考：[Python 3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/exam/analyist)

データベーススペシャリストの年収は高い？資格試験についても解説！

## Pythonのデータ分析で高精度の分析作業を行いましょう

Pythonはシンプルな言語構造で人気があります。さらに、データ分析に必要な*数学・科学技術計算ライブラリー*や*可視化ライブラリー*、および*機械学習・深層学習ライブラリー*が揃っています。Pythonの言語を理解できたら、次は*データ分析*に挑戦してみましょう。*Pythonを活用する*ことで**分析作業の効率が上がる**ため、積極的な利用をおすすめします。

Pythonはライブラリーが利用できるため、広範囲な統計分析手法を活用する機械学習や深層学習等のデータ分析にはうってつけです。ここでは、データ分析の工程とPythonおよびライブラリーの活用方法を説明します。さらにデータ分析の資格についても紹介していきます。

データ分析とは蓄積データを解析し、そのデータの要素や性質・傾向を定量的・定性的に分析することを指します

Pythonは利用者が多く、AIをはじめとするデータ分析に活用されています

データ分析は多用途に活用されており、データ分析エンジニアの活躍の場が広がっています

Pythonによるデータ分析：入門情報から資格取得まで解説！

*Pythonは構文が簡単*で、大変人気があります。*豊富なライブラリーが公開されている*ため、特にAI分野での機械学習・深層学習では**標準言語**となっています。

LinuxやUNIXの多くのディストリビューションでは、**最新のPythonバージョンが同梱**されています。Windows・Mac OS・他のOSでも**簡単にPythonをインストール**して利用することができます。
参考：[Python Getting Started](https://www.python.org/about/gettingstarted/)

PythonはAIに必須！AIエンジニアを目指すならPythonを学ぼう

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

### Pythonを利用するための事前準備は？

Pythonを利用するための事前準備として、**Pythonの情報を入手しておき適宜参照する**のが良いでしょう。*Python公式サイトの日本語ドキュメント*は、以下のリンクから参照できます。
参考：[Python 3.9.4 ドキュメント](https://docs.python.org/ja/3/)
加えて、「*日本Pythonユーザ会*」においても*インストール方法*を紹介しています。こちらも参考になる情報です。
参考：[日本Pythonユーザ会 Python環境構築ガイド](https://www.python.jp/install/install.html)

その他の情報としては、*Python開発者向け日本語情報のTipsサイトやBlogサイトのリンク*が公式サイトで紹介されています。合わせて確認しておくのが良いでしょう。
参考：[Python JapaneseLanguage](https://wiki.python.org/moin/JapaneseLanguage)

### Pythonをダウンロードするには？

Pythonのソースコードやインストーラは、*Python公式サイトのDownloadリンク*にあります。現在**Python 3.9.6が最新**で、バージョンを指定してダウンロードすることが可能です。同様に、*プラットフォーム固有情報も整理されている*ため、Windows・Mac OS・他のプラットフォーム分類での情報が提供されています。
参考：[Python Download](https://www.python.org/downloads/)

## PythonをWindowsで利用するには？

Pythonの*Windowsリリース情報*は以下のダウンロードサイトで提供されています。現在WindowsのPython最新版は、**Python 3.9.6**です。
参考：[Python Relase for Windows](https://www.python.org/downloads/windows/)

### PythonのWindows版をダウンロードする方法は？

実際のモジュールやインストーラのダウンロードは**バージョンごと**にまとめられているため、最新版のダウンロードは*Python 3.9.6のダウンロードサイト*を用います。このサイトでは、リリースノートとダウンロードのリンクが掲載されています。
参考：[Python 3.9.6 Download](https://www.python.org/downloads/release/python-396/)

### PythonのWindows版をインストールする方法は？

PythonのWindows版をインストールするには、次の**2通りの方法**があります。

・*Python公式サイトから完全版インストーラをダウンロードする方法*
Windows版のPythonは、**zip形式のパッケージ並びにexe形式のインストーラが提供**されています。簡単にインストールすることが可能なため、インストーラをダウンロードしましょう。参考までに、Windows32ビット版/64ビット版のリンク情報をお伝えします。
参考：[Python 3.9.6 Download Windows installer (32-bit)](https://www.python.org/ftp/python/3.9.6/python-3.9.6.exe)
参考：[Python 3.9.6 Download Windows installer (64-bit)](https://www.python.org/ftp/python/3.9.6/python-3.9.6-amd64.exe)

・*Microsoft Storeからインストールする方法*
Microsoft Storeでpythonを検索すると、各バージョンの公式版Pythonが表示され、希望するバージョンのPythonがインストール可能です。Microsoft Storeを利用する方法は初心者でも簡単にインストールできます。

しかし、Microsoft Store提供版では、Pythonの最新バージョンを自動実行する*Python ランチャー（Python Launcher）*が同梱されていません。また、*Microsoft Storeのアクセス制限*によりTEMPへの書き込みやレジストリ書き込みが制限されています。これによって、使用する*Pythonアプリケーション動作に不具合が生じることもある*ため、本格利用には注意が必要です。
参考：[マイクロソフト Docs Windows での Python の使用についてよく寄せられる質問](https://docs.microsoft.com/ja-jp/windows/python/faqs)
参考：[Python 3.9.4 ドキュメント 3. Windows で Python を使う](https://docs.python.org/ja/3/using/windows.html)

## PythonをMac OSで利用するには？

Pythonの*Mac OSリリース情報*は以下のダウンロードサイトで提供されています。現在Mac OSのPython最新版は、**Python 3.9.6**です。
参考：[Python Relase for Mac OS X](https://www.python.org/downloads/mac-osx/)

### PythonのMac OS版をダウンロードする方法は？

PythonのMac OS版は、*Mac OSにプリインストール*されています。しかし、プリインストール版は*バージョンがPython 2.7やPython 3.7と古い*ため、**最新版をダウンロード**するのが良いでしょう。

実際の*モジュールやインストーラのダウンロードはWindows版と同じ考え方*で、バージョンごとにまとめられており、最新版のダウンロードは*Python 3.9.6のダウンロードサイト*を用います。このサイトではリリースノートとダウンロードのリンクが掲載されています。
参考：[Python 3.9.6 Download](https://www.python.org/downloads/release/python-396/)

### PythonのMac OS版をインストールする方法は？

PythonのMac OS版をインストールするには、次の**3通りの方法**があります。

・*Python公式サイトからインストールパッケージをダウンロードする方法*
Mac OS版のPythonはpkg形式のインストーラが提供されています。参考までに、Intel版とUniversal2版インストーラのリンク情報をお伝えします。
参考：[Python 3.9.6 Download macOS 64-bit Intel installer](https://www.python.org/ftp/python/3.9.6/python-3.9.6-macosx10.9.pkg)
参考：[Python 3.9.6 Download macOS 64-bit universal2 installer](https://www.python.org/ftp/python/3.9.6/python-3.9.6-macos11.pkg)
その他必要とされる追加手順については、以下のサイトに記載されています。
参考：[Python 3.9.4 ドキュメント 4. Macintoshで Python を使う](https://docs.python.org/ja/3/using/mac.html)

・*Homebrewを用いてインストールする方法*
HomebrewとはMac OSのパッケージ管理システムで、Rubyスクリプトを用いて動作しています。Homebrewをインストールするには、Mac OSのターミナル上でbashを用いて以下のコマンドを実行します。
*使用方法：（後述するypenvでもHomebrewを使います）*
$ /bin/bash -c  \\
\"$(curl -fsSL https\://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)\"
次にコマンド実行中に”Press RETURN to continue or any other key to abort”が表示されたらリターンキーを押して処理を継続します。
参考：[Homebrew](https://brew.sh/index_ja.html)

続いて、ターミナル上でインストールコマンド（brew install）を実行します。最新版のPythonをインストールする方法は以下の通りです。
*使用方法：*
$ brew install python3

ここで指定したpython3は最新版を指しますが、希望するバージョンのPythonがインストール可能です。Pythonを起動する際は標準インストールされているPythonではなく、インストールしたPythonのバージョンを指定する必要があります。
*使用例：*
$ python3

・*Homebrewおよびpyenvを併用してインストール管理する方法*
複数バージョンのPythonを使い分ける場合は、Homebrewに加えて**pyenvも追加インストールする**のが良いでしょう。pyenvもHomebrewからインストールできますので先ほどと同様の手順でHomebrew自体をインストールしておきます。Homebrewのインストールが完了したら、pyenvをインストールします。
*使用方法：*
$ brew install pyenv

続いて、pyenvを用いてPythonのインストール管理を行うので、以下のインストールコマンド（pyenv install）を実行しPythonをインストールします。pyenvは “install --list” 引数でインストールできるバージョンを表示することができます。
*使用方法：*
$ pyenv install Pythonのバージョン番号または--list
*使用例：*
$ pyenv install --list
$ pyenv install 3.9.6

続いて、インストールバージョンを全体のデフォルト実行するPythonに設定します。
*使用例：*
$ pyenv global 3.9.6
$ python -V
Python 3.9.6

これでバージョン番号の指定を気にせずにPythonを利用することが可能です。*Homebrewとpyenv*を利用する方法はとても簡単なため、**初心者におすすめの方法**です。

## Pythonインストール後は演習して理解を深めまよう

Pythonのインストールが完了し、Pythonが実行できたら*サンプルコード*を試してみましょう。サンプルコードは、ウェブサイトあるいは参考書籍に多数掲載されています。「習うより慣れろ」のスタイルで、*学習インプット*にめどが立ったら、*コード作成のアウトプット*を実践し**さらにスキルを高める**ことがおすすめです。

Pythonは簡単に記述できるため初心者でも人気が高まっています。ここではPythonのダウンロード方法およびインストール方法を説明します。Windows版およびMac OS版を中心に、必要となるインストール作業について詳しく解説していきます。

Pythonのインストールに関する情報は整備されており、作業は簡単に実施できます

Windows版のPythonは、Python公式サイトやMicrosft Storeからインストール可能です

Mac OS版のPythonは、Python公式サイト並びにフリーパッケージ管理システムを用いてインストールします

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！

## Python入門編！まずは何から学ぶべき？

Pythonは機械学習やWebアプリ開発など、さまざまなシステム開発に活用されている人気のプログラミング言語ですが、Pythonを学ぶにあたって、どういった部分からスタートしたらいいのか分からない方は多いのではないでしょうか。

特にプログラミング初学者にとっては、プログラミングはとても難しそうなイメージがあります。そこで、この記事ではPython入門編として、*効率的に学習できる学習ロードマップをご紹介します。*

**Pythonを習得するには、まずはPythonの基礎から学習する必要があります。**この記事では、後ほどPythonの構文を解説しますので、構文の基本的な考え方を学びましょう。具体的な学習方法は、参考書や学習サイトなどを活用することで、ある程度理解することができます。特に動画配信サイトなどでは無料でPythonについて解説している動画を多く見つけられます。動画を参考に、実際に手を動かしながら学習できるためおすすめです。

それと並行して、学習サイトを活用することで効率的な学習を目指せます。学習サイトはさまざまな種類がありますが、まずは無料プランのものから始めて、学習が進んできたらコンテンツ量が多い有料プランなどに切り替えることをおすすめします。

また、基礎を学べたら練習問題にチャレンジしてみることで、理解できている箇所と勉強不足な箇所が浮き彫りになります。練習問題についても学習サイトに記載されていたり、練習問題に特化したサイトがあったりするので、うまく利用して学習を進めましょう。

Pythonのスキルは昨今様々な現場で活用頻度が多いため、習得することで活躍の場が広がり、転職にも有利に働きます。

Pythonの独学方法とは？初心者におすすめの学習ロードマップを解説！

<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>

Pythonとは、インタープリタ型のオブジェクト指向のプログラミング言語です。言語仕様がシンプルであるため、メンテナンス性に優れています。同様に、汎用用途での利用に加えてそれぞれの専門分野にライブラリーが公開されているため、多様なアプリケーション開発で利用が加速しています。

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

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

Pythonの特徴は、**プログラム記述がシンプルなことが挙げられます。**記述しやすく、かつ判読しやすいのでメンテナンス性に優れています。さらに、オブジェクト指向プログラミングであるため、高機能なプログラムが簡単に記述できるメリットがあります。

加えて、Pythonはインタープリタであるためデバッグが簡単です。コード開発が順次行われており、ライブラリ共有が進んでいます。このことから、分析アルゴリズムが共通化しやすいAIでは、機械学習やディープラーニング（深層学習）のライブラリが数多く提供されています。

以上の理由により、AI分野での開発言語はPythonが標準的に用いられています。

オブジェクト指向型言語の一覧を紹介！基礎やメリットも解説！

RPAとAIの違いを理解し、エンジニアとしてのスキルアップを図ろう

ディープラーニングとは？機械学習との違いもわかりやすく解説

*Pythonは、Windows・Linux/UNIX・Mac OS X等のOSに対応しています。*対象となる多種多様なシステムにPythonのインストールモジュールをダウンロードし、インストールが可能です。最新バージョンは、3.11.1です。

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

Pythonエンジニアには、Pythonを活用する「AIエンジニア」「Webアプリケーションエンジニア」「データサイエンティスト」などの職種があります。ここでは、データサイエンティストに近いアナリストの年収例を参考に紹介します。

「マイナビエージェント職業別年収ランキング」での平均年収は824万円、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IT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

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、アナリストは一般平均年収よりも、やや高めであることが分かります。

このように、**Pythonのスキルを習得することで高収入が期待できる職種を目指すことができます。**まずはプログラマーやシステムエンジニアからスタートし、キャリアアップ先としてデータサイエンティストやアナリストを目指しましょう。

【参考】：[マイナビエージェント職業別年収ランキング](https://mynavi-agent.jp/helpful/income2020/category/finance01/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2019年12月～2020年5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の特徴や動作環境について分かりましたが、Pythonを活用するには構文を理解できるようにならなければなりません。ここでは、最初の一歩として構文の基本的な考え方を説明します。

一般的な開発言語では構文を、 ;（セミコロン）や {}（波カッコ）を用いて区切るケースが多いです。これは1行で記述しても複数行で記述しても構いませんが、開発者それぞれのコーディングのクセがありますので、担当者が変わるとメンテナンスがしにくいことがあります。

・その1
```#include <stdio.h>
int main(void)
{
　printf(“Hello World!”);
　　　　return;
}```
・その2
```#include <stdio.h>
int main(void)
{ printf(“Hello World!”);return; }```

上記C言語では2つの例とも正しいコーディングルールですが、複数行に記述したりインデントをずらしたりしていますので、開発者ごとに書き方に違いが出てしまいます。

Pythonでは必要最低限のコードで記述でき、コードの区切りを改行としているため、**誰が作成しても判別しやすいコードです。**また、インデントも構文解釈のためにルール化していており、記述しやすく、判別もしやすいです。その他、必要に応じて # から始まるコメントを記述し、メンテナンス性を高めることができます。

### Pythonの基本構文（1）リテラルと変数

リテラルとは、*プログラム言語の直値に相当するものを表す表記法です。*int（整数）・float（小数）・complex（複素数）の数値型、あるいはstr（文字列型）等のリテラルがあります。文字列はシングルクォーテーションまたはダブルクォーテーションで括り、解釈に違いはありません。その他、int（整数）のサブクラスとしてbool（理論値）が用意されています。

変数の役割は他の言語と同様です。Pythonでは変数を特定のオブジェクトに対するラベルとして取り扱います。最初の1文字目が \_ （アンダースコア）、あるいは英字で表し2文字目以降は数字も利用できます。

その他にPython固有のリテラルとして、list（リスト）・tuple（タプル）・set（集合）の複数の要素を格納する型や、dict（辞書）の型が定義されています。これらをさらに詳しく見ていきましょう。

・*リスト型*
リストは複数のデータを保持できるオブジェクトで、複数の要素を配列のように扱うことができます。リストは要素を\[ \]（角カッコ）で括り、中に要素を ,（カンマ）で区切ります。

（使用例）：
```drink=[‘coffee’, ‘juice’, ‘beer’]
print(drink)```

・*タプル型*
タプルはリストと同様に複数の要素から構成されています。リストは生成した要素を変更できますが、タプルは生成してしまうと変更ができません。タプルは要素を( )（丸カッコ）で括り、中に要素を ,（カンマ）で区切ります。

・*集合型*
集合は数学の集合と同じで集合演算に用います。集合は要素を{ }（波カッコ）で括り、中に要素を ,（カンマ）で区切ります。

・*辞書型*
辞書型はリストと同じように複数の要素からなります。辞書型はキーと値の組み合わせで構成されています。要素を{ }（波カッコ）で括り、中に要素を キー:値の組み合わせとして入力し、 ,（カンマ）で区切ります。

（使用例）：
```mydata = {“banana”:1, “apple”:2, “orange”:3}
print(mydata)```

### Pythonの基本構文（2）演算子とインデント

ここでは、基本構文で用いられる演算子とインデントの扱いについて学んでいきます。

・*演算子*
数値型では "+ - \ /" の四則演算、 "%" の割り算の余り、"//" の割り算の商、"\*\*" の累乗が使用可能です。
文字列型では[str]+[str] の文字列結合、[str] *[int] の文字列繰り返しが実装されています。またキャスト機能が用意されていますので、int(文字列)やfloat(文字列)で文字列から数値に変換できますしstr(変数)で数値から文字列に変換できます。

・*インデント*
インデントとは行の先頭の空白文字で字下げを行うことです。すでにお話しした通り、インデントは構文解釈に用いられており、同じ空白数の処理のかたまりを同一ブロックとして解釈されます。これによって、for文やif文等の複合文の解釈を統一的に行うことができます。

### Pythonの基本構文（3）複合文

Pythonでは、1つの文が1つの処理に対応する文法形式を「単純文」と言います。また、複数の文で構成され、条件に応じて実行制御を伴う文法形式を「複合文」と言います。複合文の代表的なものは、if文・ while文・ for文です。

・*if文（条件分岐）*
if文を用いて条件に応じた処理を行います。else、elifは必要に応じて制御を追加します。

［構文］
```if 条件 :
　実行する文・ブロック
elif 条件 :
　実行する文・ブロック
else :
　実行する文・ブロック```
（使用例）：
```if i%2:
　print(str(i)+"は奇数です")
else:
　print(str(i)+"は偶数です")```

・*while文（繰り返し）*
while文は式の値がTrueである間、処理を繰り返します。elseは必要に応じて制御を追加します。

［構文］
```while 条件 :
　実行する文・ブロック
else :
　実行する文・ブロック```

・*for文（反復処理）*
for文は配列要素に必要な処理を続けて行います。elseは必要に応じて制御を追加します。

［構文］
```for 対象リスト in 条件リスト :
　実行する文・ブロック
else :
　実行する文・ブロック```

range関数を用いると指定回数、または開始数から終了数までの連続した数値を返します。for文等に使うと便利です。

（使用例）：
```for i in range(5):  　 # 開始値0、終了値5未満まで加算（0 1 2 3 4）
　print(i)
for i in range(5, 10): # 開始値5、終了値10未満まで加算（5 6 7 8 9）
　print(i)```

### Pythonの基本構文（4）関数とクラス、ライブラリ

ここでは、コード記述の効率を上げるために用いる関数とクラス並びにライブラリについて学んでいきます。

・*関数*
関数とは一連の処理をまとめたものです。関数を定義する場合はdef を用います。

（使用例）：
```def my\_func(data):
　print("入力値は"+str(data))　　# dataを表示
　print("計算値は"+str(data\*\*2))# dataの2乗を計算、表示
for i in range(3):
　my_func(i)```

・*クラス*
クラスはデータやメソッドを定義したもので、オブジェクト指向プログラミングで用いる定義語です。第1引数はselfで自動的にインスタンス自身が渡されます。

（使用例）：
```class Example():　　　　　　　　# クラスの宣言
　def my\_method(self):　　　　 # 関数を定義
　　print('変数は', self.var)
　　return True
　def \_\_init\_\_(self):　　　 # 最初に呼び出される関数を定義
　　print('\_\_init\_\_')
　　self.var = 1
test=Example() 　　　　　　　　 # クラス Exampleを呼び出す
print('test.var=',test.var)
test.var=test.var+1
test.my\_method()　　　　　　　 # クラス定義した関数を呼び出す```

・*ライブラリー*
ライブラリーとは、複数の機能をまとめたパッケージを指します。Pythonには便利なライブラリが多数あります。import文でライブラリを読み込むことができます。それぞれのライブラリは、各公式サイトあるいは共有サイトであるGitHubからダウンロード可能です。

【参考】：[GitHub](https://github.co.jp/)

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

GitHubとは？メリットや使い方、Gitとの違いも徹底解説！

Pythonには豊富な情報サイトがあります。理解を深めるためにも以下のサイトをご参照ください。

・*Python公式サイト*
Pythonにおける正しい情報を得るには、まずは公式サイトをチェックしましょう。公式ドキュメントは英語・日本語、両方に対応しており、これまでのバージョンについても検索が可能です。また、「初心者向けガイド」も記載されているため、入門者の方でも情報をチェックしやすいでしょう。

【参考】：[python document（英語）](https://www.python.org/doc/)
【参考】：[Python 3.11.1 ドキュメント（日本語）](https://docs.python.org/ja/3/)

・*ユーザー会*
Pythonユーザが集まり、PythonやPythonを活用したソフトウェアについて情報を交換し、ユーザ同士が交流するためのカンファレンスとなるサイトです。

Pythonの記事（10ページ目）