Pythonのコメントアウトは、ソースコード内で説明を付けたり、メモ（備忘録）を残したりするための重要な手法です。また、コメントアウト機能を用いて、ソースコードの一部を無効化したい時にも利用します。

*コメントアウトは、他のプログラマーにコード内容を伝えたり、自分自身でコードを理解しやすくしたりするために使用されます。*この記事では、コメントアウトの基本的な意味や使い方、留意すべきことなどについて解説します。Pythonエンジニアを目指す方はぜひ参考にしてください。

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

## コメントアウトをする理由と注意点

Pythonプログラミングでコメントアウトを行う理由は、主に以下の2つです。*コメントアウトを適切に利用して、分かりやすいプログラミングに努めましょう。*

### プログラムの説明やメモを書く

**コメントアウトを使うと、プログラムの内容や目的、変数の意味、関数の仕様などを自分や他の人に伝えることができます。**コメントアウトは、プログラムの可読性や保守性を高めるために重要です。コメントアウトを書くときは、以下の点に注意しましょう。

▪コメントアウトは、プログラムの動作や意図を説明するものであって、コードの内容をそのまま書くものではない
▪コメントアウトは、必要なときに必要なだけ書くものであって、過剰に書くものではない
▪コメントアウトは、プログラムの変更に合わせて更新するものであって、古くなったり矛盾したりするものではない

**コメントアウトを使うと、プログラムの一部を一時的に無効化することができます。**これは、コードの動作を確認したり、エラーの原因を探したり、別の方法を試すときに便利です。コメントアウトを使ってコードの試行錯誤をするときは、以下の点に注意しましょう。

▪コメントアウトしたコードは、必要に応じて元に戻すか削除するものであって、放置するものではない
▪コメントアウトしたコードは、その理由や目的を明記するものであって、無意味なものではない
▪コメントアウトしたコードは、他のコードとの整合性を保つものであって、混乱を招くものではない

【参考】：[Pythonコードのコーディング規約 ](https://pep8-ja.readthedocs.io/ja/latest/#)

Pythonの「コメントアウト」を知るには、*「コメント」と「コメント化」との違いも理解しておく必要があります。*それぞれ似ており、混同して使っている人もいますが、それぞれ異なりますので注意しましょう。

コメントの英語である「comment」は「注釈・解説」の意味ですが、Pythonなどのプログラム言語におけるコメントも「注釈・解説」と同じ意味です。*PythonやRubyなどでは、コメントを記述する際には「コメント構文」として「#（シャープ）」記号を使用します。*

実際には次のように使用します。

```
# この行はコメントです。プログラム実行時に無視されます。
```

このケースでは場合、1行目は先頭に#が書かれている場合は「ブロックコメント」と呼び、その行は全てコメントとして、プログラム実行時には無視されます。

```
print(Hello, World!)  # この部分はコメントです。
```

このケースでは#以降がコメントであり、#の前のコードは有効で、実行されます。*これを「インラインコメント」と呼びます。*

### コメントアウト（Comment Out）とは

**「コメント構文」を使用して、ソースコードをコメントに変更することで、一時的にプログラムの無効化をする場合を指します。**デバッグなどで、別のコードを利用する場合に、元のコードを残しておきたい場合などに利用します。この場合の主体はあくまでも自分です。

**コメント化は状態の変化を表す表現で、「文字列がコメントになる」といった意味で、コメントアウトされた状態を指します。**よく「コメント化する」というような使われ方をします。

### 複数行のコメント（Multi-Line Comment）

**複数行にまたがる説明文の場合は、‘’‘（シングルクォーテーションを3つ）または、“”（ダブルクォーテーションを3つ）で囲んだ文字列もコメントとして扱われます。**以下、複数行のコメント例です。

```
print(Multi-Line Comment)
"""
この文字列は
複数行です
"""
```

### アプリのショートカットで一括コメント化

Pythonのコーディングでは、**利用するエディターによってショートカットで簡単にコメント化できます。**たとえば、「Jupyter notebook」や「VSCode」では、コードを範囲指定してショートカットキー「 Ctrl 」+「 /」 でコメントアウトできます。

コメントを多用する方は、こうしたエディターを利用すると良いでしょう。

【参考】：[Project Jupyter | Home](https://jupyter.org/)
【参考】：[Visual Studio Code – コード エディター | Microsoft Azure](https://azure.microsoft.com/ja-jp/products/visual-studio-code)

Jupyter Notebookとは？その導入・操作方法を解説

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

ここまで、Pythonのコメント機能について解説しました。改めて整理してみましょう。

1.「コメント」は「文字列」で注釈や解説のこと
2.「コメントアウト」はソースコードをコメントに変更し、自分が行う動作のことで、「ブロックコメント」や「インラインコメント」がある
3.「コメント化」は状態の変化を表す表現で、文字列が「コメントアウト」された状態を指す
4.1行をコメントにする場合は先頭、もしくは途中に「#」を付けると、「#」以降がコメントと認識される
5.複数行をコメントする場合は、文字列を(シングルクォーテーションを3つ）、または '''（ダブルクォーテーションを3つ）で前後から囲む

以上、コメントはコーディングで頻繁に利用しますので、使いながら覚えましょう。

Pythonでコメントアウトを使用した時にエラーが発生することがあります。*コメントアウトでよく起こるエラーとその対処法をまとめました。*以下、3つのエラーの原因と解決法について解説します。

複数行のコメントアウトがうまくできない、何度やってもエラーが起きるという方は参考にしてください。

### 1. インデントエラー（IndentationError）

インデントエラーが出る場合の原因と解決方法を紹介します。

*■ 原因*
関数内で三重引用符を使ったコメントアウトを行った際、インデントが正しく行われていないことが原因で起こります。

*■ 解決方法* 
連続するコードでインデントがずれているとエラーになりますので、関数内のコメントアウト部分に適切なインデントを追加します。

```
def my_function():   
 """関数の説明"""
    print("Hello, World!")
```

```
def my_function():
    """関数の説明"""
print("Multi-Line Comment")
```

### 2. ダブルクォーテーションのエラー（SyntaxError: invalid character in identifier）

ダブルクォーテーションエラーが出る場合の原因と解決方法を紹介します。

*■ 原因*
コメントアウト範囲内でダブルクォーテーションを正しく使わないとエラーが発生します。

*■ 解決方法* 
正しいダブルクォーテーションを使います

```
""
これはダブルクォーテーションが2つ重なっているためエラーです。
""
```

```
"""
これは複数行のコメントです。
ここに詳細な説明を記述します。
"""
```

### 3. 文字コードエラー（SyntaxError: Non-UTF-8 code starting with ‘\x83’ in file）

文字コードエラーが出る場合の原因と解決方法を紹介します。

*■ 原因*
このエラーメッセージはファイルが「utf-8」以外で保存されている場合に発生します。

*■ 解決方法*
ソースの1行目に # -*- coding: utf-8 -*- を追加します。これはマジックコメント（Magic comment） と呼ばれる方式で、通常のコメントとは異なります。例えば、# -*- coding: latin-1 -*- と記述するとISO-8859-1（latin-1）エンコーディングを指定できます。

```
# -*- coding: utf-8 -*-
print("こんにちは")
```

## コメントアウトのベストプラクティス

コメントはソースコードに対するメモであり、それぞれのコードの目的や動作内容を記述します。コメントは実際にコードが実行される際には影響はありませんが、ソフトウェア開発のプロジェクトでは極めて重要な要素です。

コメントは他の、共同作業やメンテナンスを行うプログラマーやデバッグを担当するデバッガーなどに対し、Pythonコードの内容や意味を伝え、かつ自身の備忘録としての役目を持ちます。それほどコメントはプログラミングで重要な要素です。

以下、Pythonのコメントに関するベストプラクティスとして紹介します。

誰もが理解しやすい、見やすいコメントを書くには、文章は簡潔で明確に表現しましょう。複雑な説明や冗長なコメントは極力避けましょう。

### 2.分かりにくいメントは書かない

コードの意図が明確になっていれば、わざわざコメントを付ける必要ありません。あくまでも、複雑で分かりにくいコードや、コードが何を求めているのか分かりにくい時にはコメントで解説を付けましょう。

### 3.コメントはコードに併せて更新する

コメントはコードの説明などをしているものが大半です。コードが変更された場合には、それに対応するコメントも見直して、必要により更新しましょう。古いコメントを残すと誤解を招く可能性がありますので、注意が必要です。

### 4.コメントは多過ぎないこと

何でもコメントを付ければ良いわけではなく、説明が不要なシンプルなコードは、わざわざコメントを付ける必要はありません。

## コメントに強いエンジニアを目指そう

この記事では、Pythonで利用するさまざまな「コメント」について、目的や使い方、コメントにまつわるエラーの理由や対処方法、ベストプラクティスなどについて解説しました。コメント自体はプログラムに直接的な影響はありませんが、**理解しやすいコードを書くためにコメントは重要な要素となります。**

またコメントにかける手間は、将来の自分や、他の開発者に対する投資でもあり、自らコメントを書くことで、コードに対する理解が深まります。

誰もが分かりやすいコメントを記述するのは、プログラミングスキルの重要な要素であり、魅力的なプログラムを作成し、プログラムの保守性を高める重要な要素です。Pythonエンジニアを目指す方は、ぜひコメントに強い人材を目指しましょう。

Pythonエンジニアとは？仕事内容や年収、未経験でもなれるのか紹介

Pythonのコメント機能は他のプログラマーに対して記述したコードの内容伝達と、プログラマー自身の備忘録の意味があります。コメントアウトは、一時的にコードを無効化することです。この記事では、Pythonのコメント機能、コメントアウトの意味や使い方を解説します。

Pythonのコメント機能は、より良い効率的なプログラミングに欠かせない

コメントにはいくつか種類があり、それぞれの目的や使い方を正しく認識することが重要

コメントのルールやベストプラクティスを知り、上手にコメントを活用することが重要

Pythonのコメントアウトとは？意味や効果的な使い方も解説

今人気のプログラミング言語といえば、Pythonを思い浮かべる人が少なくないでしょう。また、人気の機械学習ではPythonがよく使用されています。そんなことからPythonを習得して、機械学習エンジニアを目指すエンジニアの方も増えています。

ここでは、*Pythonと機械学習の関係について理解を深めていきましょう。*

**Pythonは今、もっとも注目される人気のプログラミング言語で、平易な文法でプログラミング初心者でも習得しやすいこと、およびAI関連の開発でも利用されている点が特徴です。**

Pythonはインタプリタ型言語に属し、実行時には機械語に変換されるため、コンパイル（機械語への翻訳）が不要です。手間はかからないものの、同時翻訳を行うことから処理速度がやや遅くなるのは弱点です。インタプリタ言語には他にも、Ruby・Perl・PHP・JavaScriptなどがあります。

Pythonとは？人気の理由と基本知識をわかりやすく解説！

機械学習を一言で述べると、**人間の学習能力と同様の能力をコンピュータに与えるための技術です。**

具体的にはコンピュータに大量データを読み込ませ、アルゴリズムを元にデータを分析させます（モデル化）。その結果、コンピュータがそこに潜んでいる特徴やパターンに基づき、新しいデータの分析や予測を行うのです。

機械学習には、あらかじめラベルが付いたデータを読み込ませる「教師あり学習」と、ラベルの付かないデータを与えて、特徴や傾向を学習させる「教師なし学習」、さらには教師あり学習の中でも、出力結果に点数を付けて精度を高める「強化学習」の3パターンがあります。

<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>

## 機械学習とAI・ディープラーニングの違いは？

機械学習とよく似た言葉に、AIやディープラーニング（深層学習）があります。ここでは、それぞれの違いについて解説します。

機械学習はAIの一部で、学習方法を設定しコントロールすることであり、コンピュータに学習させるプログラムの技法を指します。

一方、**AI（人工知能）とは人間の知的ふるまいの一部について、ソフトウエアを用いて再現する技術の総称です。**AIが目指すのは人と同様、もしくはそれ以上の知能を有するコンピュータの実現です。つまり両者は、「AI > 機械学習」の関係にあると言えます。

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

### 機械学習とディープラーニングの違い

機械学習と対比する形で、ディープラーニング（深層学習）という言葉をよく耳にします。どちらもコンピュータの学習機能ですが、機械学習は学習プログラムと人によるコントロールで学習が進められます。

一方、**ディープラーニングは人間の指示を待たずにコンピュータ自らが学習し、その性能を高めていく手法です。**

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

## Pythonが機械学習によく利用される理由

*AIブームが追い風となって、機械学習の人気が高まっています。*この機械学習にはPythonがR言語やC言語を抑えてよく利用されていますが、それには次のような理由があると考えられます。

Pythonは扱いやすく、高い生産性を生み出す言語です。実は、PythonはWebアプリケーション開発分野でも広く利用されています。例えば、皆さんよくご存じのYouTube・Dropbox・Instagramなどの一部機能はPythonによって開発されています。

もちろん、大手企業以外のベンチャー系でも活用されており、このように利用実績や利用ユーザが多いことも、機械学習分野でよく利用される理由の1つです。

### 文法がシンプルで分かりやすい

**Pythonはコード数が少なく、文法がシンプルで覚えやすい言語のため、教育でも利用されています。**また、他の人が記述したコードも分かりやすいので、メンテナンス性が高く、共同開発に適していることも機械学習分野で利用される理由に挙げられます。

初心者でも比較的習得しやすいPythonは、これからITエンジニアを目指す方にもおすすめの言語です。もしも、未経験からITエンジニアを目指すなら、自分のスキルにあった企業を探してくれる転職エージェントの活用をおすすめします。

最近話題の言語のPythonは何がすごい？メリット・得意分野を解説！

<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=acv12_2)</center>

### ライブラリやフレームワークが豊富

Pythonはライブラリが多く、フレームワークが充実している点も特徴として挙げられます。

ライブラリやフレームワークを活用すると開発効率を上げられます。こうしたことから、言語としての利便性が高く汎用性があり、使いやすさがさらに増します。

特に、Pythonは機械学習に必要な関数のライブラリが豊富で、さまざまな関数を自ら実装する手間がかかりません。初心者でも機械学習のコードを書くことができる点が、Pythonを採用する理由になっています。

Pythonの機械学習ライブラリ厳選10選！メリット・デメリットも解説

Pythonフレームワークの概要からおすすめソフトウェアまで紹介

Pythonのコミュニティは数が多く、その活動も非常に活発です。Pythonコミュニティに参加するとプログラミングの仲間ができ、独学よりも効果的にPythonを学べます。

また、必要な時は仲間に助けを求めることもできます。このPythonコミュニティの豊富さ、活発な活動がPythonが広く利用される理由です。

## Pythonによる機械学習でできること

ここまでPythonによる機械学習の基本について解説をしていきましたが、ここではPythonの機械学習を利用すると何が実現できるのかについて紹介します。

### 株価予想や競馬の勝ち馬予測

**人間は何かを予測する際に、何らかのアルゴリズムに基づいて予測をしています。**

例えば、上昇基調に入った株式銘柄は、引き続き上がる可能性がありますし、下降基調から底値に達した銘柄は上昇基調に入る可能性が高まります。人は株価チャートを見ながら、こうした株価予測を行います。

このパターンをコンピュータに教え込むと、数千もある銘柄から、株価が上がる可能性が高い銘柄を瞬時に見つけてくれます。

これは競馬予想でも同様です。競馬予想の専門家が持つアルゴリズムをコンピュータに与え、予測に必要なデータを投入するとコンピュータが予測をします。こうした予測は今やAIの得意分野となっています。

パソコンやスマホの世界でも顔認証が当たり前になってきましたが、この画像認識や画像解析も機械学習によって可能となっています。*画像解析には、物体分類、シーン認識といった「分類」と、物体検出や領域検出といった「検出」の4つの領域があり、車の自動運転では、領域検出の技術が利用されています。*

**テキストマイニングとは、大量のテキストデータの中から有益な情報を取り出す分析手法のことで、言語解析や統計解析などの手法を用います。**

例えば、集められた大量のアンケートは、X（旧：Twitter）などのSNSの分析に用いられ、顧客の潜在ニーズの分析や、今後ブームになるであろうワードの抽出や市場予測など、さまざまな目的で利用されています。

他にも、スパムメールの判別を行うスパムフィルターなどにもテキストマイニング技術が活用されています。

AI活用のテキストマイニングとは？メリットやおすすめツールも紹介！

## Pythonを機械学習に使うエンジニアとは

Pythonを使った機械学習を担当するITエンジニア、すなわち「機械学習エンジニア」について触れておきましょう。

**機械学習エンジニアとは、主にAI（人口知能）関連の分野でシステム設計や構築に携わるITエンジニアのことです**。中でも、機械学習エンジニアは主に機械学習システムの実装や開発を担当します。

機械学習の英語、Machine Learningの頭文字から「MLエンジニア」とも呼ばれます。

機械学習エンジニアとは？AIエンジニアとの違いや年収、言語を紹介

### 機械学習エンジニアに必要なスキル

機械学習エンジニアは、PythonやC系言語を中心としたプログラミング技術、学習アルゴリズムの設計に関する知識が求められます。アルゴリズムの設計には高等数学や統計理論などを用いますので、そうした分野の学歴や経験が必要になります。

その他、HadoopやSQLなどのデータベースに関する知見も重要です。さらには大量の蓄積データの活用においては、ビッグデータ解析の知識や経験も求められるでしょう。

また、システムインフラに関する一定の知見が必要になることもあります。具体的にはOSとハードウェアに関する知識です。以上、一口に機械学習エンジニアと言っても、かなり広範囲のスキルが求められますので、実務を通じてさまざまな経験を積む必要があります。

機械学習エンジニアの将来性は？必要なスキル・資格や年収なども解説

次に、機械学習エンジニアの年収例を紹介します。ここでは「製品開発／研究開発」というカテゴリを例に挙げて見ていきます。

「マイナビエージェント 職種図鑑」での「製品開発／研究開発」の平均年収は477万円（※2024年1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「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、製品開発／研究開発は平均年収よりもやや高いことが分かります。

**機械学習エンジニアやAIエンジニアは、スキルや実績によって年収が変動しやすい職種です。**資格を取得するなどしてスキルを証明できれば、さらなる年収アップや上位職へのキャリアアップに繋げることができるでしょう。

【参考】：[マイナビエージェント 職種図鑑](https://mynavi-agent.jp/it/jobindex/13.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)

AIエンジニアの年収は低い？未経験から転職して高年収を得る方法を紹介

### データサイエンティストとの違いは

*「機械学習エンジニア」と「データサイエンティスト」は大変似た職種のように思われがちですが、実はかなり違いがあります。*

「機械学習エンジニア」は機械学習のアルゴリズムに関する設計や開発・実装を行う技術者で、ITエンジニア職種の1種です。

一方の「データサイエンティスト」は機械学習アルゴリズムを利用する側で、データ分析や統計に関する専門家です。

AIエンジニアとデータサイエンティストの違いを理解して目標設定をしよう

## Pythonを使える機械学習エンジニアを目指すには

機械学習エンジニアは主にAI（人工知能）の分野で機械学習を担当するエンジニアであり、将来性が高い職種と考えられます。この機械学習エンジニアを目指す上で必要なスキル・機械学習エンジニアになる上で役立つ資格・機械学習エンジニアの将来性について考察していきましょう。

### Python習得におすすめの本とサイト

ここでは、Python習得におすすめの本とサイトを紹介します。初心者でもわかりやすい入門的な内容なので、まずはこういった本やサイトを利用して理解を深めましょう。

・*「スッキリわかるPython入門 第2版」*
シリーズ累計90万部を突破した人気の書籍です。Pythonのコツやしくみだけでなく、ついつい間違えやすい落とし穴までしっかり抑えられています。イラストと文章でわかりやすく解説されており、初心者にはぴったりの内容です。

さらに、実践的なコーディング力を鍛える「ゲーム開発の総合演習」も掲載されています。

▪著者：国本 大悟 / 須藤 秋良　監修：株式会社フレアリンク
▪ページ数：416ページ
▪出版社：インプレスブックス
▪発売日：2023/11/6
【参考】：[スッキリわかるPython入門 第2版](https://book.impress.co.jp/books/1122101165)

・*「ゼロからのPython入門講座」*
Pythonの公式HPでは、初心者向けの入門講座が提供されています。Webブラウザから面倒な環境設定なしに、プログラミングを体験できるため、試しにやってみたい、という方におすすめです。

このサイトでは、Pythonプログラミングに必要な最低限の操作方法と、基礎知識の習得が目指せます。先に紹介したPythonの入門書と共に学習へ取り込むと、より習得がスムーズになるでしょう。

【参考】：[ゼロからのPython入門講座](https://www.python.jp/train/index.html)

Python学習ならこの本がおすすめ！厳選22冊をレベル別に紹介

Pythonといえば機械学習と言われるほど、Pythonと機械学習は密接な関係にあります。AIブームで注目される機械学習ですが、それを支えるのがプログラミング言語のPythonです。ここでは、Pythonエンジニアを目指す方に役立つ情報を知識を提供します。

Pythonの機械学習は、人間の学習能力と同様の能力をコンピュータに与えるための技術

Pythonの機械学習はAIの一部であり、機械学習に適したPython言語を学ぶことでAIの領域に近づける

AIエンジニア、機械学習エンジニアの需要は大きく伸びており、将来性の高い職種である

Pythonを機械学習に活かそう！できることやおすすめ本を紹介

**Pythonは世界的に人気のプログラミング言語であり、初心者や上級者にかかわらず、多くのエンジニアが好んで活用しています。**機械学習や統計解析、Webアプリ開発など様々な分野に活用できますが、Python習得中のプログラミング初心者にはどういったものが作れるのでしょうか。

プログラミング初心者におすすめなのは、Webサイト上にある情報を集めるクローリングプログラムや、さらにその中から特定の条件を指定して絞り込みを行うスクレイピングプログラムなどです。これらは難易度が低めであるため、チャレンジしやすい案件です。

これらができるようになったら、Excelの自動化プログラムや画像認識プログラムなど、どんどんできることを増やしていきましょう。

Pythonを扱えるようになれば、Pythonエンジニアとしての活躍が期待できます。そのためにも、まずはPythonの基礎知識をしっかりと学ぶ必要があります。

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。*言語の仕様がシンプルのため、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。特に、AI（人工知能）分野での開発言語はPythonが最も用いられています。

Pythonでは、それぞれの専門分野に多数のライブラリが公開されています。そのためライブラリを活用することで初心者でも作れるものが多数あり、人気である理由の1つです。

Pythonは構文が簡単であり、豊富なライブラリも公開されているため、特にAI分野での機械学習・深層学習では標準的に用いられています。**Pythonはできることが非常に多く、AI分野の他にも、データサイエンス・データ収集・汎用用途・学習・ゲームで広く利用されています。**

また、Pythonはデバッグが簡単なため、プログラム学習環境としても活用されています。大学のプログラミング授業でもPythonの講座が多く提供されています。同様に、初心者向けに豊富な参考サイトや参考書籍並びに多くのサンプルコードがあるため、学習効率も高いです。

### 必要なのはテキストエディタとPCのみ

Pythonを利用するには、**Pythonと編集用テキストエディタおよび開発用PCがあればすぐ始められます。**

Windows・Linux/UNIX・macOS等のOSに対応しており、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初心者の環境構築は簡単にセットアップできるため利用者が増えています。

**Python初心者の環境構築は、Python公式サービスの「The Python Package Index（PyPI）」を使うか、「Anaconda」というパッケージ管理するシステムを利用します。**macOSでは、Homebrewおよびpyenvを用いてインストール管理するのがおすすめです。

その後、必要なライブラリを準備していくことで用途別に最適な環境が構築できます。Anacondaでは、主要な数学・科学技術計算用ライブラリやデータの可視化用ライブラリ、並びに機械学習・深層学習用ライブラリが各種用意されています。データサイエンス用途におすすめです。

環境構築が完了したらPythonを起動してみましょう。Pythonが起動できたら、print(“Hello World!”) 等を入力してください。このように、初心者でも作れるものとして多種多様な入門レベルのアプリケーションに対応しています。

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

Anaconda（アナコンダ）とは？Pythonの効果的な開発環境を解説！

Pythonを活用するエンジニアを通称「Pythonエンジニア」と呼びますが、実際には担当する業務によって職種が分けられています。

具体的には、*プログラマーやWebアプリケーションエンジニア、AIエンジニア、データサイエンティストなどが挙げられます。*なかでも、アプリ開発や機械学習の分野においては需要が高めです。自身のキャリアでPythonをどう扱っていきたいかによって、選択する職種が見えてくるでしょう。

ここでは、Pythonエンジニアの1種でもあるプログラマーの年収を紹介します。

「マイナビITエージェント 職種図鑑」でのプログラマーの平均年収は344万円（※2024年1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、プログラマーの年収は、調査媒体によってバラつきがあることが分かります。

Pythonエンジニアを含むプログラマーは、スキルや実績によって年収が大きく変動します。**高収入プログラマーを目指すには、スキル証明となる資格取得や、ステップアップのための転職が有効です。**

【参考】：[マイナビITエージェント 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初心者が最初に学ぶこと

*Python初心者は最初にPythonのインストールと環境構築を学ぶ必要があります。*加えてPythonの言語仕様として基礎構文を学びます。基礎構文はプログラム言語の使い方ですので、理解しておきましょう。

入門サイトは数多くありますが、公式サイトに加えて日本Pythonユーザ会では「ゼロからのPython入門講座」として基本的な使い方から構文の説明までカバーしています。

【参考】：[日本Pythonユーザ会 ゼロからのPython入門講座](https://www.python.jp/train/index.html)

Python初心者の最初の基本ステップとして、「リテラル」と「変数」を学びます。

リテラルとは、プログラム言語の直接記述される数値や文字列（直値）に相当するものを表す表記法です。簡単にいうと、各型の表記法です。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。

ここでいう数値型とは、演算可能な数値を表します。文字列とは「 ’（シングルクォーテーション）」や「”（ダブルクォーテーション）」で括った文字を表します。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。理論値とは論理演算する際に用いる型を表します。

変数は簡単にいうとリテラル表記する値に名前を付けることです。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。

### リスト型、タプル型、集合型、辞書型

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。これらは基本リテラルをマスターしてから学習します。

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、中の要素を「,（カンマ）」で区切ります。

【使用例：リスト型のサンプルコード】

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

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、中の要素を「,（カンマ）」で区切ります。

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、中の要素を「,（カンマ）」で区切ります。

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：辞書型のサンプルコード】

Pythonの記事（6ページ目）