- [Pythonで自動化できること7選！面倒な作業を効率化](https://and-engineer.com/articles/YRn2KRAAACIA6YPW?utm_source=blog&utm_medium=none&utm_campaign=and-engineer_topics01_211028)

- [Pythonの実力を証明できる資格3種とその勉強方法について解説！](https://and-engineer.com/articles/YHRoMxMAACIAFP2i?utm_source=blog&utm_medium=none&utm_campaign=and-engineer_topics02_211028)

- [PythonでのWebアプリ開発で使うフレームワークを解説！](https://and-engineer.com/articles/YPuC3xIAACQAic3M?utm_source=blog&utm_medium=none&utm_campaign=and-engineer_topics03_211028)

## Pythonライブラリ：Pandasとは？

*Pandas*とは*Pythonのデータ解析用ライブラリ*の1つを指し、数表や時系列データを得意とする**データ操作・解析ライブラリ**です。
参考：[Pandas](https://pandas.pydata.org/)

Pandasは表計算で用いられている*行（ロー）*と、*列（カラム）*から成る**DataFrame（データフレーム）オブジェクト**をサポートします。これにより、高速に表計算やデータベースのデータを読み書きできます。データを読み込んで*並べ替え*を行ったり、*欠損データの補完*を行いデータ分析しやすい形式に変換したりします。

ファイルフォーマットは、csv・excel・sql・jsonなど多様なフォーマットをサポートしているため、主に*データの読み込み工程*や*データの前処理工程*で用いられます。

### Pandas以外のデータ解析ライブラリは？

Pandasはベースライブラリとして**NumPy**を利用します。NumPyはPythonの代表的な数値計算ライブラリの1つで、*多次元配列オブジェクトをPythonに実装し、主にデータの読み込み工程やデータの前処理・加工工程で広く用いられています。*PandasはNumPyに依存関係がありますので、NumPyを同時にインストールして利用します。
参考：[NumPy](https://numpy.org/)

次に、**Matplotlib**を紹介します。*MatplotlibとはNumPyをベースにしたグラフ描画ライブラリで、データの可視化に用います。*データの可視化はデータ集計・加工の後工程で必要なため、Pandasのインストール時にMatplotlibのインストールも合わせて行うことをおすすめします。
参考：[Matplotlib](https://matplotlib.org/)

Pandasをインストールする際に利用するのが、**pip**です。pipは、*Python標準のPyPI（Python Package Index）のパッケージをインストール・管理します。*PyPIに登録されているPythonの各ソフトウェアやライブラリは 、pipを用いてインストールすることができます。

Pandasをインストールする方法は、pip以外に**Anaconda**を使う方法があります。*Anacondaには数値計算やデータ解析に必要なライブラリがセットで組み込まれている*ため、利用者はインストール後すぐに開発作業を開始できるメリットがあります。GUI版のAnaconda Navigator、CUI版のcondaツールがそれぞれ提供されています。

どちらのインストーラを使うかですが、*データサイエンスや機械学習用途*に用いるのがAnacondaの「*conda*」、*初心者や汎用用途*ではPyPIを使う「*pip*」の利用がおすすめです。

Pandasのインストール方法は、*パッケージインストーラ*を用います。以下に**pipの基本操作**を説明します。pipでは「*パッケージ名==バージョン番号*」とすることで、バージョン指定が可能です。

・*pipを用いたインストール方法*（**MacOS、Linux**）
　$ python -m pip install pandas、または
　$ pip install pandas

・*pipを用いたインストール方法*（**Windows**）
　$ py -m pip install pandas
参考：[pandas Installation](https://pandas.pydata.org/docs/getting_started/install.html)

### Pandasのpip以外のインストール方法

pip以外のインストール方法の場合も、Pandasのパッケージ名：”*python3-pandas*”を指定することでインストールできます。Anacondaの**conda**はWindows・Linux・MacOSで利用可能です。UbuntuやDebianでは、**sudo**を用いることができます。

・*pip以外を用いたインストール方法*（**sudo**）
　$ sudo apt-get install python3-pandas
　「パッケージ名=バージョン名」とすることでバージョン指定が可能です。

sudoの他には、OpenSuseはzypper、Fedoraはdnf、Contos/RHELはyumのパッケージマネージャを用いてpython3-pandasをインストールできます。公式サイトでは、*最新バージョンの入手*は**pipまたはcondaでインストールすることが推奨**されています。

なお、Anacondaでは*標準でPandasや依存ライブラリであるNumPyがインストール*されるため、”conda list”やAnaconda Navigatorでインストールされていることをご確認ください。そこでバージョン変更したい場合や、誤ってアンインストールした場合は以下のコマンド、またはAnaconda Navigatorでインストールすることができます。

・*pip以外を用いたインストール方法*（**Anaconda**）
　$ conda install -c anaconda pandas
　「パッケージ名=バージョン名」とすることでバージョン指定が可能です。

Anaconda Navigatorの場合は、パッケージの「Not Installed」からPandasをチェックし「Apply」をクリックします。「Installed」に表示されたら使用可能です。

Pandasの使い方は、Pythonコードで以下のように*ライブラリをインポート*します。
“**import pandas as pd**”
”pd”はPandasのドキュメントでも頻繁に利用される名称なため、問題なければそのまま使用します。

”import”時にエラーとなるなどPandasが使えない場合は、Pandasがインストールされていない可能性があります。その際は今1度インストール状況を確認してみましょう。インストールしても“import pandas as pd”とエラーが発生する場合は、*ライブラリのパス*が正しく反映されていない可能性があります。

Python実行時に「コマンドが見つかりません」のエラーの場合は、Pythonの実行パスが正しく設定されていない事が考えられます。PATHまたはPYTHONPATH環境変数を確認して、パス設定を正しく行ってください。

Pandasのバージョンは、*pd.\_\_version\_\_*属性を表示すれば確認できます。さらに、*pd.show\_versions()*関数で詳細情報を表示してくれるため、必要に応じてご確認ください。

### Pandasのインストール確認方法

Pandasには、**ユニットテストの関数**があります。pytest 6.0以降とHypothesis 3.58以降があれば、*pd.test()*で*セットアップに問題がないか確認できます*。なお、依存ライブラリはNumPy 1.17.3以降、python-dateutil 2.7.3以降、pytz 2017.3以降が必要です。

### Pandasがインストールできない場合は？

 Pandasがインストールできない場合は、他のPythonライブラリ同様概ね以下のことが考えられます。下記の設定確認をしてみてください。

・*システム管理者権限を確認*
pipのパッケージダウンロード・インストールは、システム権限がない場合はフォルダ・ディレクトリやファイルのパーミッションでエラーが発生します。**システム管理者の権限が設定されていること**を確認しましょう。

・*pipが最新バージョンか確認*
pipが古いとその旨の警告が表示される場合があります。pipを最新にすることでパッケージ管理で生じるエラー発生リスクを低減することができます。pipのアップグレードも、パッケージのアップグレードと同等です。”python -m pip install --upgrade pip” で最新の状態を維持してください。

・*pipのインストール状況を確認*
pipは、Python2.7.9・Python3.4からPythonに同梱されています。それ以前のバージョンの場合は、Python自体のバージョンアップまたはpipの個別インストールが必要です。また、pipではなくpip3のみが入っている場合は、pip3を使用します。*pip3はPython3に同梱されている*ため、**Pandasインストール前に事前確認する**ことをおすすめします。

・*インターネット接続を確認*
pipをはじめとするインストーラはインターネット接続により、リポジトリからパッケージをダウンロード・インストールします。そのため、ネットワーク環境が正しいか**アクセス制限含めて確認**してください。

*VSCode（Visual Studio Code）*は、マイクロソフト社が提供する*無料コードエディタ*です。VSCodeを使ってPythonおよびPandasを使うためには、**VSCode Python extension**をインストールする必要があります。

VSCode Python extensionは、Extension Marketplaceから入手します。Extension Viewで「*VSCode Python extension*」を検索すると表示されますので、Installボタンをクリックします。
参考：[Visual Studio Code Python extension for Visual Studio Code](https://marketplace.visualstudio.com/items?itemName=ms-python.python)

## Pandasをインストールしたらデータの読み込み・加工に利用しましょう

*Pandas*はPythonの*データの読み込み工程やデータの前処理工程*で用いられます。多様なフォーマットをサポートしており、頻繁に利用されています。無事にインストールできたら実際にデータの読み込みを行ってみましょう。Pandasを使って*欠損データの補完やデータ集計*等の**データ分析に活用してください。**

Pandasは、数表や時系列データを得意とするPythonデータ操作解析ライブラリです。多様なフォーマットをサポートしており、欠損データの補完や集計に用いられます。ここではPandasのインストール方法や、インストールできない場合の対応方法を解説していきます。

Pandasとは、数表や時系列データを得意とするPythonのデータ操作解析ライブラリを指します

Pandasのインストールは、Pythonで使用するpipまたはcondaを利用します

インストールは簡単ですので、すぐに欠損データの補完や集計に活用できます

Pythonライブラリ：Pandasのインストール方法を解説！

Pythonで自動化できること7選！面倒な作業を効率化

Pythonの実力を証明できる資格3種とその勉強方法について解説！

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

*PythonのPandasの基礎知識を解説*します。Pandasはデータ分析を行うなら、まずは知っておきたいライブラリです。**Pandasとは何か、データ分析とは何か、という所から説明**しましょう。Pandasという言葉を始めて聞いた方は、まずはここからお読みください。

*Pandasはデータ分析を行うためのPythonライブラリ*で、読み方は「パンダス」です。オープンソースのライブラリであり、**誰でも無料で扱うことが可能**です。Pandasには、Excelやcsvファイルのデータを読み取る、データの加工や修正を行うなどの機能が揃っています。

データ分析を行う際、最も時間がかかるのは前段階の処理と言われています。しかしPandasを使うことで、面倒な前段階の処理をスピーディーに終わらせて、分析作業に集中することが可能です。また、データの分析だけでなく、分析結果をグラフにして分かりやすく見える化することもできます。

Pandasの作成にはC言語が用いられています。C言語はコンパイラ言語であるため、処理が高速なのがメリットです。対してPythonはインタプリタ言語であり、処理速度が遅いです。Pythonだけでデータ分析を行うと処理速度の遅さがデメリットとなりますが、**Pandasを使えばデータ分析を効率的に行うことができる**のです。

*データ分析とは、大量のデータから、有益な情報を導き出すこと*です。たとえば、Twitterにはユーザーが商品の感想について書き込みをしています。こういった書き込みを分析することで、商品改善に役立つでしょう。昨今SNSをやるユーザーが増えたこともあり、**ネット上に多くの情報が書き込まれるようになったので、それらをどう活かすかは重要な課題**となっています。データ分析を専門として行う人を、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、PythonのPandasを使う機会も多いでしょう。

### Pandas以外のデータ分析ライブラリ

Pandas以外にもPythonにはデータ分析ライブラリが多くあります。基本的にはPandas単体で使うことは少なく、*他のライブラリと組み合わせてデータ分析を行います*。

たとえばMatplotlibというライブラリがあります。こちらはグラフを描画するライブラリで、2Dだけでなく3Dグラフも描けるのが特徴でしょう。他にも、Numpyという数値計算ができるライブラリも多く使われます。Pandasでデータの整形を行った後、**Numpyでデータの集計作業などを行い、最後にMatplotlibで見える化する**、といった感じに組み合わせて使います。

ちなみに、これらのライブラリはAnacondaを使えば一括でインストール可能です。

## PythonのPandasで主にできること

*PythonのPandasで主にできることをまとめました*。Pandasの使い方は公式サイトのマニュアルに書かれていますが、日本語ではなく英語で書かれています。そのため、**英語が読めない方は使うのが難しい**でしょう。そこで、Pandasの基本的なメソッドを本記事で紹介します。

*Pandasは様々な形式のデータを読み込むことが可能*です。たとえば、read_csvメソッドを使えば、CSV形式のデータを読み込めます。他にも、read_excelならExcelのデータ、read_jsonならJSON形式のデータを読む込むことが可能です。このように、**データ形式によってそれぞれ別のメソッドが用意**されています。

*Pandasはデータを加工するメソッドも豊富*です。たとえば、DataFrameオブジェクトなどを使えば、データの切り出しができます。また、DataFrameオブジェクトのsort_valuesメソッドを使えば、値による並べ替えが可能です。このような、**データを整形するメソッドはまだ他にも多くあり**ます。

DataFrameオブジェクトのinfoメソッドを使うことで、*データの特徴を表示*できます。他にもdescribeのように要約統計量を表示するメソッドや、データの一部のみを表示できるメソッドもあります。**幅広いデータ分析の手段があるのが、Pandasのメリット**でしょう。

次に、*PythonのPandasを使うメリット*をまとめました。Pandasを使わなくても、データ分析は一応可能です。しかし、特に**初心者の場合はPandasを使うことをおすすめ**します。その理由を解説していきましょう。

Pandasは*とにかくデータ処理の機能が豊富*です。たとえば、欠損値の補完や指定した列や行の抽出ができたり、文字列を数値に変換したり、といった作業が簡単に行えます。こういった処理をライブラリなしで行うのは、非常に大変です。

**また、データ分析だけでなく、Pandasは機械学習にも使えます**。汎用性の広さがPandasのメリットと言えるでしょう。

Pandasは*ネットの多くの情報が掲載されています*。Pandasの公式マニュアルは全て英語で書かれていますが、日本語でPandasについて分かりやすく解説しているサイトが多くあり、それらを参考に使っていくことが可能です。昔はPython関連の情報が少なかったのですが、近年はPythonの人気が上がっており、ネットの情報も増えています。**学習しやすい環境が整ってきたと言える**でしょう。

### Excelより大量のデータを処理しやすい

*データ分析は一応Excelなどでも行うことは可能*です。ただ、Excelの場合は大量のデータを処理すると動作が遅くなってしまいます。**Pandasは大量のデータを読み込んでも、遅くなりにくい**のがメリットでしょう。パソコンのメモリ容量に余裕があるなら、大規模なデータをPandasに読み込ませて、スムーズにデータ分析が可能です。

### 他のPythonライブラリと組み合わせて更に便利に

Pythonは*他にも数多くのライブラリがあります*。これらのライブラリとPandasを組み合わせて、更に効率的なデータ分析が可能です。上記で解説したもの以外にも、**Scipyやscikit-learnなど汎用性の高いライブラリが多い**です。こういったライブラリが多いことから、Pythonはデータ分析や機械学習に向いているとされています。

最後に、Pandasの使い方についてまとめました。**Pandasのインストール方法について解説**します。pandasはpipコマンドを使うことでもインストールできますが、ここではAnacondaを使う方法を紹介します。*Anacondaを使う方が後に他のライブラリも使いたいときに楽*だからです。

まずは*Anacondaをインストール*しましょう。Anacondaは科学計算のためのPythonのディストリビューションで、無料で使うことが可能です。Anacondaを使えば**Python本体とPythonライブラリを一括でインストール**できます。初心者は環境構築で手間取ることが多いので、Anacondaを使うのがおすすめです。

Anacondaは公式サイトから最新版をダウンロードしましょう。ダウンロードが完了したら、ファイルをクリックして実行することで、インストールができます。

### AnacondaからPandasをインストール

Anacondaのインストールが完了したら、*Anaconda Navigatorを起動*します。ライブラリのインストールはEnvironmentsから行うことが可能です。検索ボックスに「pandas」と入力すれば、pandasライブラリが出てくるので、インストールを行いましょう。また、他のデータ分析ライブラリもそのうち使うので、インストールしておきましょう。**MatplotlibもNumpyも同じ手順でインストール可能**です。

## PythonのPandasを使いこなして効率的にデータ分析しよう！

本記事では、*PythonのPandasについて解説*しました。Pandasの特徴やメリット、インストール方法がお分かり頂けたかと思います。**Pythonでデータ分析を行うならPandasは欠かせません**。Pandasは機能が豊富な上に、処理も高速で使いやすいのがメリットです。また、インストールもAnacondaを使って簡単に行えます。データ分析の需要は今後も上がっていくと推測されます。データ分析に興味がある方は、ぜひPandasを試してみてください。

PythonのPandasについて解説します。Pandasはデータ分析を行う際に欠かせないライブラリです。本記事ではPandasの特徴やメリット、使い方についてまとめました。Pandasを使ってデータ分析を始めたい方は、ぜひ本記事を参考にしてください。

PythonのPandasはデータ分析で使えるライブラリ

Pandasは様々な形式のデータを読み込むことが可能

PandasのインストールはAnacondaを使うのがおすすめ

PythonのPandasとは？データ分析で使うライブラリを解説

NumPyとは、Pythonの*数値計算ライブラリ*の一種です。NumPyは**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します。NumPyは英語の読み方として「ナムパイ」と発音します。一部「ナムピー」とも呼ばれていますが、*「ナムパイ」の読み方が多数派*です。

Pythonは元来数値計算向けに開発されたものではなかったため、*SIG（Special Interest Group）*が中心となってPythonの構文に配列の取扱いを取込みました。NumPyの意味ですが、最初のパッケージはNumericと呼ばれていました。後に"Numerical Python extensions"や"NumPy"と呼ばれるようになりました。

現在はNumericの機能拡張を経て、NumPyが正式名称で*”Numerical Python”の略*となっています。
参考：[NumPy](https://numpy.org/)
参考：[Guide to NumPy](https://archive.org/details/NumPyBook)

Pythonは*プログラム記述がシンプル*で、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。Pythonの特徴は*オープンソースソフトウェア*のため、ライブラリ等の**ソフトウェア公開が進んでいる**ことが挙げられます。

*Pythonのライブラリ*とは*複数の機能をまとめたもの*で、パッケージ化したものです。上記Pythonの特徴から、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*のライブラリが数多く提供されています。

公開ライブラリのインストール管理は、*PyPI*または*Anaconda*の2種類の公開サービスのいずれかを用いることが多いです。特に*Anaconda*は*数値計算やデータ分析に必要なライブラリ*を**一括管理**できるため、*NumPyを利用する*際にも*Anacondaの活用*をおすすめします。

NumPyは*数値計算を行うライブラリ*です。NumPyではベクトル演算や行列演算で用いる**多次元配列を扱う**ことができます。

さらに、*NumPyのライブラリコード*は**C言語**で作成されています。C言語はコンパイラ言語のため、インタープリタ型に比べてランタイムのオーバーヘッドが少なく、コード最適化が図られています。このため*NumPyのライブラリ*は**高速で処理できる**ことが特徴です。

Pythonには*バイトコンパイル機能*があるものの、*インタープリタ*として動作するためC言語で開発されたライブラリの活用は魅力的です。上記理由から、*NumPy*は*データの読み込み工程やデータの前処理・加工工程*で良く用いられています。

NumPyと同じようによく用いられているのが、*pandas*です。**pandasとは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です。データを読み込んで*並べ替え*を行ったり、*欠損データの補完*を行って**データ分析しやすい形式に変換**したり、主に*データの読み込み工程やデータの前処理工程*で用いられます。
参考：[Pandas](https://pandas.pydata.org/)

NumPyの使い方は、Pythonコードで以下のように**ライブラリをインポート**します。
*“import numpy as np”*
ここで”np”はNumPyのドキュメントでも頻繁に利用される名称ですので、コードの影響がなければそのまま使用します。

ここで”import”時にエラーとなる場合は、NumPyがインストールされていない可能性があります。その際は以下のインストール方法を試してみましょう。

NumPyをインストールするには*Anacondaのconda*または*Anaconda Navigator*を用いるか、*pip*を用いてインストールします。

AnacondaではNumPyがデフォルトでインストールされています。インストールが必要で*conda*を用いる場合は、*”conda install numpy”*を実行します。*Anaconda Navigator*の場合はパッケージの「*Not Installed*」からNumPyをチェックし「*Apply*」をクリックします。「*Installed*」に表示されたら**使用可能**です。

*pip*を用いる場合は、*”pip install numpy”*を実行します。インストールしても*“import numpy as np”*でエラーが発生する場合は、*ライブラリのパスが正しく反映されていない*可能性があります。

特に*Anaconda*の場合は、インストール時のインストール先のパスを変更した際に*PATH環境変数*への反映を行う必要があります。インストール時にインストーラの「*Advanced Options*」で設定するか、手動で*Anacondaインストール先の”Library\bin”*を*PATH環境変数へ追加する*必要があります。

*配列*とは英語で*array*と呼びます。そもそも配列とは、*コンピュータプログラムのデータ構造の一種*です。配列は連続するデータ空間に格納される**データの集合体**を意味します。*NumPy*でも配列は*array*として利用します。

*使用例：*
　import numpy as np
　a = np.arange(3)
　b = np.array([1, 2, 3, 4])
　c = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
　d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
　print("a=",a)
　print("b=",b)
　print("c=",c)
　print("d=",d)

*実行結果：*
a= [0 1 2]
b= [1 2 3 4]
c= [[1 2 3 4]
 [5 6 7 8]]
d= [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

*arange関数*は等差数列の配列を生成する関数です。*array関数*は配列を作成する関数です。変数aには等差数列の[0 1 2]が作成されました。変数bは1次元配列、変数cは2次元配列、変数dは3次元配列です。

上記の他にも2次元配列を作成する*eye関数*や*diag関数*が用意されています。3次元以上の*ndarray*を作成する場合は*ones関数*や*zeros関数*等を用います。

*Python*でも数値計算を行うためにいくつかの*組み込み関数*や*math関数*が用意しています。Pythonで演算する場合は配列の要素を実行時に動的に分解したり、for文のループを行いますので*処理が複雑になり計算時間がかかります*。

*NumPy*ではあらかじめ必要な計算処理をそれぞれの関数として提供しますので、**開発コードがシンプルでかつ高速処理**が行えます。以下に、数値計算で用いる一般的な処理と対応する関数について説明します。

・*四則演算*
　配列の四則演算には対応するadd・subtract・multiply・divideの各関数が用意されています。
・*累乗・平方根・指数・対数*
　累乗・平方根・指数・対数には対応するpower・sqrt・exp・logをはじめとする各関数が用意されています。
・*三角関数*
　三角関数には対応するsin・cos・tan・arcsin・arccos・arctanをはじめとする各関数が用意されています。

*NumPy*で基本演算が完了したら集計機能を活用します。NumPyの**集計機能**は、以下のような関数を提供しています。

・*ソート関数*
　ソート関数はsort・ndarray.sortをはじめとする各関数が用意されています。
 ・*集計関数*
　集計関数はmin・max・sum・meanをはじめとする各関数が用意されています。
・*欠損値・異常値処理*
　欠損値はNaNですのでisnanで欠損値を検出したり、nan\_to\_numで補正することができます。
　その他にもisinf・isneginf・isposinfで異常値を検出することもできます。

*NumPyでデータ分析する場合*は、元となるデータを*ファイルから入力し結果をファイルに保存する*のが一般的です。NumPyでは以下のような**データ入出力機能**を提供しています。

・*ファイル入出力*
　ファイル入出力はsave・load・savetxt・loadtxtをはじめとする各関数が用意されています。
　Npy配列ファイルの入出力はload・save関数を用います。
・*CSVファイル入出力*
　CSVファイルやテキストファイルの読み込みはloadtxt関数です。
　複雑なファイルはgenfromtxt関数を用います。

NumPyの初心者は、CSVのインポート・エクスポートはpandasを用いた方がより簡単に読み込みできます。取り込んだデータをNumPyで配列演算に利用します。読み込みはread\_csv関数、書き込みはto\_csv関数です。
*使用例：*
　import pandas as pd
　a = pd.read\_csv('ファイル名.csv', header=0).values

## NumPyを用いて効率的にデータ分析をすすめましょう

*NumPy*では*多次元配列を用いて高度なデータ分析を行う*ことができます。そのためPythonのデータ分析業務では、*データの読み込み工程やデータの前処理・加工工程*で良く用いられています。

NumPyを使うことで配列の演算や分析作業が*シンプルなコードで効率的、かつ高速に実行する*ことができます。さらにNumPyを活用することで、*データ分析の効率が向上し分析精度が向上します*。ぜひ*NumPy*を**データ分析に活用する**ことをおすすめします。

NumPyは多次元配列オブジェクトを、Pythonで効率的に利用することでデータ分析作業を簡単に行うことができます。NumPyはシンプルなコードでかつ高速に動作しますので人気があります。ここではNumPyの基本から主要関数まで丁寧に解説していきます。

NumPyとはPythonの数値計算ライブラリの一種で、”Numerical Python”の略を指します

NumPyはベクトル演算や行列演算で用いる多次元配列を取り扱うことができます

NumPyはC言語で開発したライブラリのため、データ分析をシンプルなコードで高速に実行できます

NumPyとは？効率的なPythonのデータ分析手法を解説！

Pythonの*pip*とは、"*Pip Installs Packages*"・"*Pip Installs Python*"の略から名付けられたPythonの**標準パッケージ管理システム**を指します。パッケージ管理システムとは、パッケージソフトウェアをインストール・管理するためのソフトウェアです。

Pythonではパッケージの多くが*Python Package Index（PyPI）*に登録されています。pipは、PyPIのパッケージをインストール・管理します。
参考：[Python モジュールのインストール](https://docs.python.org/ja/3/installing/index.html)
参考：[pip documentation](https://pip.pypa.io/en/stable/)

pipでできることは、*パッケージ管理*における以下の主要な処理を行うことです。

・*パッケージの検索*
　PyPIやGitHub等のPython用ソフトウェア公開サービスからパッケージを検索・表示します。
・*パッケージのインストール*
　PyPIやGitHub等のPython用ソフトウェア公開サービスからパッケージをインストールします。
　ダウンロードのみを行い、インストールしない指定もできます。
・*パッケージのアップグレード*
　インストール済みパッケージのバージョンアップを行います。
・*パッケージのアンインストール*
　インストール済みパッケージをアンインストールします。
・*パッケージの表示*
　インストール済みパッケージの表示や、古いパッケージを表示します。
　パッケージの詳細表示も可能です。

具体的なpipの使い方は以降で説明します。

PyPIは* Python Package Index*の略です。**Python Software Foundation（PSF）によるPython用リポジトリ**で、ソフトウェア公開サービスを指します。PyPIに登録されているPythonの各ソフトウェアやライブラリは 、*pipを用いてインストールする*ことができます。
参考：[PyPI](https://pypi.org/)

使用方法は簡単で、以下のようにパッケージ名を指定するだけです。
“$ python -m pip install パッケージ名”
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)

### その他のパッケージマネージャは？

pipの他に有名なパッケージ管理システムの*パッケージマネージャ*として、Anacondaの「*conda*」を紹介します。*Anaconda*とはPythonの実行環境で、**データサイエンス**に必要とされる各種*ツールやライブラリを提供するプラットフォーム*です。

Anacondaには数値計算やデータ解析に必要なライブラリがセットで組み込まれており、大変便利です。Anacondaにソフトウェアを取込む場合は、*conda* ツールを用いて追加することができます。condaはAnacondaをインストールすると同梱されるツールで、*パッケージのインストール・管理*を行います。

詳しくは、以下のサイトにAnacondaのインストール方法が記載されていますのでご確認ください。Anacondaの無償版は*Individual Edition*ですが、商用利用時には有償版が必要です。
参考：[日本Pythonユーザ会 Python環境構築ガイド Anacondaのインストール](https://www.python.jp/install/anaconda/index.html)
参考：[ANACONDA Individual Edition](https://www.anaconda.com/products/individual)

pipとcondaの違いは、**PyPIとAnacondaのそれぞれに付随したインストール・管理ツールであること**です。PyPIとAnacondaはPython用ソフトウェア公開サービス（リポジトリ）です。現状それぞれソフトウェア管理の形態が異なりますので、併用することが難しいです。

いずれかを選択する際の判断基準は、*データサイエンスや機械学習用途*に用いるのが*Anaconda*、*汎用用途あるいは初心者の利用*は*PyPI*を利用するのが良いでしょう。pipとcondaは選択したリポジトリに対応させて使用します。

pipの使い方は、”python -m pip …”として*pythonコマンドを用いる方法*、*pipコマンドを直接用いる方法*の2つがあります。どちらも動作に違いがありませんが、日本Pythonユーザ会では、初心者はpythonコマンドを用いることを推奨していますので、pythonコマンドの用法に慣れるのが良いでしょう。

以下の用法で**バージョンの確認と指定**が可能です。なおLinux、MacOSの場合の*”python -m pip”コマンド*は、Windowsでは*”py -m pip”コマンド*で実行します。そのため以降の説明を置き換えてご確認ください。

・*Python自体のバージョン確認*
用法：$ python --version　（Windowsでは、C:> py --version）
・*pipのバージョン確認*
用法：$ python -m pip --version　（Windowsでは、C:> py -m pip --version）

### pipでパッケージをインストールする方法

以下の用法で**パッケージのインストール**ができます。


・*パッケージのインストール（PyPIをリポジトリとして使用する場合）*
用法：$ python -m pip install パッケージ名
・*パッケージのインストール（GiHubをリポジトリとして使用する場合）*
用法：$ python -m pip install git+https\://github.com/pypa/パッケージ名.git@main

### pipでパッケージインストール時にバージョン指定する方法

以下の用法で、**パッケージインストール時にバージョンを指定する**ことができます。


・*パッケージのインストール時にバージョン指定する*
用法：$ python -m pip パッケージ名==X.Y.Z
・*パッケージのインストール時にオプション変更する*
用法：$ python -m pip install オプション パッケージ名
インストールのオプションは多岐に渡ります。詳しくは以下のリンクをご確認ください。
参考：[pip install](https://pip.pypa.io/en/stable/cli/pip_install/#options)

### pipでパッケージインストール時にPythonのバージョンを指定する方法

以下の用法で、*パッケージインストール時*に**Pythonのバージョンを指定する**ことができます。


・*LinuxやMacOSの場合のバージョン指定方法*
用法：$ pythonバージョン -m pip install パッケージ名
使用例：
　$ python3 -m pip install パッケージ名
・*Windowsの場合のバージョン指定方法*
用法：$ py -バージョン -m pip install パッケージ名
使用例：
　$ py -3 -m pip install パッケージ名

ここではバージョン指定時にpython3を指定しましたが、3.8や3.9等のより詳細な指定が可能です。

### pipでインストール済みパッケージの表示をする方法

以下の用法で**インストール済みパッケージの表示**を行います。
・*インストール済みパッケージのバージョンを表示する*
用法：$ python -m pip list
　　　$ python -m pip freeze
listとfreezeの違いは出力形式の違いです。freezeはパッケージ一括インストール時にも用います。
・*インストール済みパッケージの情報を表示する*
用法：$ python -m pip show パッケージ名
　　　$ python -m pip show --verbose パッケージ名
このように“--verbose”を指定することで、より詳細な情報が表示できます。

### pipでパッケージのアンインストールとアップグレードの方法

以下の用法で、**パッケージのアンインストールとアップグレード**が可能です。なお、アップデート（update）作業はアップグレード指示（--upgrade）をinstallに続いて指定入力します。

・*パッケージのアップグレード*
用法：$ python -m pip install --upgrade パッケージ名
・*パッケージのアンインストール*
用法：$ python -m pip uninstall パッケージ名

pipが使えない場合やエラーとなる場合は、概ね以下の3通りのことが考えられます。下記の症状に該当するかどうか確認をしてみてください。

・*インターネット接続の確認*
pipはインターネット接続により、リポジトリからパッケージをダウンロード・インストールします。オフィスからの接続ではトラフィック制限により、リポジトリ等へのアクセスを遮断している場合もあります。そのため、別のネットワーク環境から動作確認することをおすすめします。

・*pipのバージョンが対応していない*
pipでインストールをする場合、pip自体を最新にすることで提供サービスがカバーされることがあります。インストールに先行してpipをアップグレードすることをおすすめします。

・*システム管理者権限の確認*
pipのパッケージダウンロード・インストールはシステム管理者の権限が必要です。権限がない一般ユーザの場合はフォルダ・ディレクトリやファイルのパーミッションでエラーが発生します。

さらに「*コマンドが見つかりません*」のエラーの場合は、pythonの実行パスが正しく設定されていない事が考えられます。PATH環境変数を確認してパス設定を正しく行うことをおすすめします。なおpipはPython 3.4から同梱されていますが、それ以前のバージョンではpipを**個別インストールする**必要がありますので合わせてご確認ください。

### pip自体のアップグレードは？

pip自体のアップグレードは、パッケージのアップグレードと同等です。*”python -m pip install --upgrade pip” *で最新の状態を維持しておきましょう。これにより、パッケージ管理で生じる**エラー発生リスクを低減する**ことができます。

## pipを用いてPythonの豊富なライブラリパッケージを活用しましょう

Pythonは豊富なパッケージが特徴で、開発生産性の高さから人気があります。*pip*は*Pythonの標準パッケージ管理システム*です。pipを用いて多岐に渡り公開されている*ライブラリを活用*し、より**効率的にシステム開発を行うこと**をおすすめします。

pipとは、Pythonの標準パッケージ管理システムです。pipはPyPIやGitHubに登録された豊富なライブラリパッケージをインストール・管理します。ここでは、pipのインストールや使い方から使えない場合の対処方法まで分かりやすく解説していきます。

pipとは、パッケージソフトウェアをインストール・管理するためのPythonの標準パッケージ管理システムを指します

pipはPythonで標準利用されており、Python用リポジトリであるPyPIやGiHubを用いてパッケージ管理します

pipは初心者でも分かりやすいコマンド体系のため、汎用ライブラリを用いる場合におすすめです

pipとは？Pythonのライブラリ管理方法を分かりやすく解説！

*Python*は構造がシンプルでメンテナンス性が高いため、*初心者から経験者まで人気があります*。また、*オープンソース*で*膨大なソフトウェア資産*を活用できることが特徴です。

このことはPythonを用いたゲームアプリケーション開発においても同様です。*Python公式サイト*においても、Pythonを用いた*ゲーム開発*について**豊富な情報が公開**されています。

*Python*は*Windows*の他、*Linux・MacOS*等のOSで対応しています。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。
参考：[python download](https://www.python.org/downloads/)

*Python*は*豊富なライブラリ*が用意されていますので、ゲーム開発時にも*効率的に開発を進めること*ができます。具体的にはPythonでは多くの**ゲームライブラリ**や**ゲームエンジン**が公開されていますのでそのまま開発に利用することができます。

Pythonには*初心者向けから上級者向け*まで*豊富な情報サイト*があります。*入門情報*として**公式サイトやユーザ会の情報**を確認するのが良いでしょう。
・*Python公式サイト*
　公式ドキュメント（英語）
　参考：[python document](https://www.python.org/doc/)
　公式ドキュメント（日本語）
　参考：[Python 3.9.4 ドキュメント](https://docs.python.org/ja/3/)
　公式サイトのゲーム開発者向け情報
　参考：[Python Game Programming With Python](https://wiki.python.org/moin/GameProgramming)
・*ユーザ会*
　日本Pythonユーザ会
　参考：[python Japan](https://www.python.jp/index.html)

通常*ゲーム開発*は、*ターゲットや用途*に応じて**最適な開発言語を選択**して設計していきます。

ゲーム開発で用いるPython以外の言語は以下の通りです。
・*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いです。
・*C\#*
　最大シェアのゲームエンジンUnityと併用し、ゲーム開発を行う最も活用されている言語です。
・*JavaScript*
　ブラウザベースのゲームに強みがあります。
・*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実行が可能です。
・*Ruby*
　サーバーサイドの開発言語、ソーシャルゲーム等に活用されています。スマホ動作アプリ開発も可能です。

## Pythonでゲーム開発を始めるには？

Pythonで*ゲーム開発*を始めるには**以下の手順**で進めていきます。
・*Pythonのダウンロード・インストール*
　Pythonの公式ダウンロードサイトからモジュールをダウンロード・インストールします。
　Windows・Linux・MacOSの各対応版を用いて、インストール・セットアップします。
　インストール管理としてAnacondaやHomebrew等のパッケージ管理システムを利用することも可能です。
・*ゲームライブラリのダウンロード・インストール*
　用法に応じて必要とされるゲーム開発・実行ライブラリをダウンロード・インストールします。
・*ゲームエンジンのダウンロード・インストール*
　ゲームエンジンはゲーム開発に必要なライブラリの他、開発モジュールが同梱されています。
　ゲーム開発の用途に合わせてゲームエンジンを選択することができます。

ゲーム開発に必要なゲームライブラリやゲームエンジンの詳細は以降で説明していきます。

### Pythonで利用できるゲームライブラリ

*ゲームライブラリ*とは、ゲーム開発や実行時に必要とされる**ゲーム開発・実行向けライブラリ**です。開発するゲームの*用途や用法に応じてゲームライブラリを選択*し利用します。

Pythonで利用できるゲームライブラリは代表例として以下のものが挙げられます。
・*Arcade*
　OpenGLやPyglet上で動作するシンプルさが特徴の2Dライブラリです。
　参考：[The Python Arcade Library](https://api.arcade.academy/en/latest/)
・*Kivy*
　iOSやAndroidのモバイル端末からWindows・Linux・Mac OSのデスクトップアプリケーションまで利用できます。さらにマルチタッチアプリケーションからバックエンド処理を含めたソリューション開発まで対応します。
　参考：[Kivy](https://kivy.org/#home)
・*PyGame*
　利用者の多いSDL（Simple DirectMedia Layer）をラッピングしたライブラリです。主にゲームやマルチメディアで用いられています。
　参考：[PyGame](http://pygame.org/)
・*Pyglet*
　OpenGLやジョイスティックをサポートし、各種ライブラリを提供しています。同様にAVbinプラグインで多様な画像・動画・音楽のファイルに対応します。
　参考：[PYGLET](http://pyglet.org/)

### Pythonで利用するゲームエンジン

ゲームエンジンはゲームライブラリーに加えて利用が想定される以下の**モジュールが同梱**されています。
・*ゲーム開発ミドルウェア*
・*オーサリングツール*
・*音声・画像ファイル*

ゲームエンジンとは、上記モジュールを同梱したフルパッケージのゲーム開発環境を指します。必要なモジュールが同梱されていますのでゲームライブラリ単体ではなく、ゲームエンジンを利用することが多いです。

Pythonのゲームエンジンは代表例として以下のものが挙げられます。
・*Blender*
　2DアニメーションからVRまで幅広く対応可能です。モデラ―やアニメータ、3Dレンダラーをサポートするゲームエンジンです。
　参考：[blender](https://www.blender.org/)
・*cocos2d*
　2Dゲームやデモを始めとするグラフィックアプリケーション開発に最適です。
　参考：[Cocos2d](http://cocos2d.org/)
・*fifengine*
　2.5次元のゲーム開発環境をマルチプラットフォームで提供しています。
　参考：[fifengine](https://github.com/fifengine/fifengine/wiki)
・*Panda3D*
　C++ベースで高速なライブラリです。Disney社がToontown Onlineという自社オンラインゲームの商用目的に開発したものです。C++のライブラリとPythonバインディングセットが提供されます。
　参考：[PANDA3D](https://www.panda3d.org/)
・*Wasabi2d*
　OpenGLなしでモダンな画像エフェクト処理が可能です。マルチプラットフォームで動作します。
　参考：[WASABI2D](https://wasabi2d.readthedocs.io/en/stable/)

### Pythonで開発したゲームの公開方法

*Pythonで開発したゲーム*は、*Python公式サイト*や*PyGame*で紹介されることが多いです。また、*Pythonで開発したゲームアプリケーション公開*も**活発**に行われています。その他の公開サイトとして*GitHub*もよく活用されています。
参考：[Python Games](https://wiki.python.org/moin/PythonGames)
参考：[PyGame](https://www.pygame.org/tags/all)

### Pythonゲーム開発のおすすめ本や学習方法

Pythonでゲーム開発知識を重点的に吸収したい方は**ゲーム開発の書籍**を使って学習することをおすすめします。

以下に*Pythonゲーム開発*の代表的な**おすすめ本**を紹介します。
・*Pythonでつくる ゲーム開発 入門講座*
　Pythonを使用したゲームプログラミングの解説書で、ゲーム開発について学習できます。
　サポートページから、PDF正誤表とサンプルファイルがダウンロードできます。
　出版社：株式会社ソーテック社
　参考：[Pythonでつくる ゲーム開発 入門講座](http://www.sotechsha.co.jp/pc/html/1239.htm)
　参考：[Pythonでつくる ゲーム開発 入門講座 サポートページ](http://www.sotechsha.co.jp/sp/1239/)

・*Pythonでつくる ゲーム開発 入門講座　実践編*
　Pythonを使用したゲームプログラミングの解説書で、ゲーム開発第2弾となります。
　入門講座に「アクション」「シューティング」「3Dカーレース」の開発手法を追加しました。
　サポートページから、サンプルファイルがダウンロードできます。
　出版社：株式会社ソーテック社
　参考：[Pythonでつくる ゲーム開発 入門講座　実践編](http://www.sotechsha.co.jp/pc/html/1256.htm)
　参考：[Pythonでつくる ゲーム開発 入門講座 【実践編】 サポートページ](http://www.sotechsha.co.jp/sp/1256/)

・*Pythonで作って学べる ゲームのアルゴリズム入門*
　Pythonを使用したゲームプログラミングの基礎となるアルゴリズム学習の入門書です。
　サポートページから、サンプルファイルがダウンロードできます。
　出版社：株式会社ソーテック社
　参考：[Pythonで作って学べる ゲームのアルゴリズム入門](http://www.sotechsha.co.jp/pc/html/1284.htm)
　参考：[Pythonで作って学べる ゲームのアルゴリズム入門 サポートページ](http://www.sotechsha.co.jp/sp/1284/)

PDFや電子ファイルをお探しの方は、上記書籍の電子書籍版が*Amazon Kindle、Kobo、honto、Reader Store、iBooks、Kinoppy*で取扱いしています。書籍詳細ページ下部の「*電子書籍の購入はこちらからどうぞ*」に各ストアのリンクが掲載されています。詳細については各ストアのリンク先をご確認ください。

その他の学習方法ですが、*Program Arcade Games*ではゲーム開発で必要とされる*プログラミングの基礎からサンプルコード*まで広く公開しています。スキルアップのために有益な情報です。
参考：[Program Arcade Games With Python And Pygame](http://programarcadegames.com/index.php)
参考：[Program Arcade Games Example code and Programs](http://programarcadegames.com/?chapter=example_code)

## Pythonの知識を高めて適応範囲を広げましょう

*Python*は豊富なライブラリが特徴で、初心者から上級者まで人気があるプログラム言語です。*ゲーム開発の学*習は*アルゴリズム学習*としても**効果的**ですので、プログラミングのスキルアップにおすすめです。

ゲーム開発の基本がマスターできたら、次は処理速度向上のために*パフォーマンスチューニング*に取り組みましょう。パフォーマンスチューニングは*ビジネス用途でも必要*とされますので、*プログラミング能力*の**適応範囲をさらに広げる**ことができます。

Pythonはライブラリが豊富で初心者から経験者まで人気があります。Pythonはデータサイエンス領域で標準利用されていますが、ゲーム開発も活発に行われています。ここではゲーム開発初心者向けに入門情報とおすすめ本を紹介していきます。

Pythonは豊富なライブラリが公開されており、ゲーム開発も活発に行われています

Pythonではゲーム開発に必要なゲームエンジンとゲームライブラリが数多く提供されています

ゲーム開発はアルゴリズム学習にも最適で、おすすめの学習本でスキルアップが可能です

Pythonでつくるゲーム開発とは？入門情報をまとめて解説！

*[【マイナビITエージェント】あなたの転職活動を無料でサポートいたします](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=banner&utm_campaign=acv01)*

*Python*はインタープリタ型の*オブジェクト指向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、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*。

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*ライブラリが公開*されているため、多様なアプリケーション開発での利用が加速しています。特に、*AI分野での開発言語*は**Pythonが標準的**に用いられています。

*Python*には**情報サイトが豊富**にあります。まずは、*公式サイト*や*ユーザー会*の情報を確認して理解を深めましょう。

Pythonの記事（15ページ目）