[【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 in Excel」のパブリックプレビュー版を発表

*マイクロソフト社は2023年8月22日、「Python in Excel」のパブリックプレビュー版を発表しました。*ExcelでPythonを利用することによって、分析機能を大幅に進化させることが可能です。

また、PythonとExcelのデータ分析を同じワークブック内でネイティブに組み合わせることができるため、それぞれの用途に応じて最適な計算や表示が可能となりました。

【参考】：[Microsoft 365 Excel Blog: Announcing Python in Excel: Combining the power of Python and the flexibility of Excel.](https://techcommunity.microsoft.com/t5/excel-blog/announcing-python-in-excel-combining-the-power-of-python-and-the/ba-p/3893439)
【参考】：[Microsoft 365 Blog: Introducing Python in Excel: The Best of Both Worlds for Data Analysis and Visualization](https://techcommunity.microsoft.com/t5/microsoft-365-blog/introducing-python-in-excel-the-best-of-both-worlds-for-data/ba-p/3905482)

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でできることにExcel操作や自動化があるって本当？

### 「Python in Excel」の利用メリット

これまでも、データ分析やグラフ化などの用途でExcelの利用者は多くいました。Excelの持つ数式や関数のオートコンプリート、ピボットテーブルなどは大変便利です。その反面、データ数が多い場合や複雑な処理となると、Pythonとライブラリを用いた方が圧倒的に効率的でした。

*今回発表された「Python in Excel」では、Excel単一シート上でExcelとPythonをシームレスに組み合わせることが可能になります。*これにより、従来Excelが苦手とした高度なデータ処理や分析、可視化も、Pythonと組み合わせて効率的に行うことが可能になりました。

Pythonは機械学習や、予測分析に強みを持っており、そのメリットをExcelに活かすことができます。

### 「Python in Excel」を利用するには

*「Python in Excel」は、現在パブリックプレビュー版として公開されています。*利用するには、 「Microsoft 365 Insider Program」に参加してベータ チャネルのInsiderレベルを選択します。登録者には、順次ロールアウトが始まっており利用することができます。

【参考】：[Join the Microsoft 365 Insider Program](https://insider.microsoft365.com/en-us/join/windows)

*「Python in Excel」は、ExcelでPythonの得意とする高度なデータ処理や分析、可視化を可能とします。*さらに、Microsoft TeamsやMicrosoft Outlookなどのコラボレーションツールを用いて、ワークブックをチームで共有し、共同作業を効率的に進めることができます。

今回のリリースにおいては、Pythonコミュニティと協力して製品化を進めていると述べています。

【参考】：[Excel での Python の概要](https://support.microsoft.com/ja-jp/office/excel-%E3%81%A7%E3%81%AE-python-%E3%81%AE%E6%A6%82%E8%A6%81-55643c2e-ff56-4168-b1ce-9428c8308545)
【参考】：[Excel for Microsoft 365: Excel での Python の概要](https://support.microsoft.com/ja-jp/office/excel-%E3%81%A7%E3%81%AE-python-%E3%81%AE%E6%A6%82%E8%A6%81-a33fbcbe-065b-41d3-82cf-23d05397f53d)

### 「Python in Excel」の実行環境の構築

*「Python in Excel」は、Windows版Excelで動作します。*現時点では、Mac版やウェブ版、iPhoneやiPad、Androidでは使用することができません。Microsoft 365 Insider Programに参加して通知を受け取ったら、 Insiderビルドをインストールします。

### 「Python in Excel」のセットアップと使用

*「Python in Excel」の Insiderビルドをインストールしたら、まず空白のブックを開いて、リボンから「数式」を選択します。*表示か「Pythonの挿入」を選択するとダイアログが表示されます。ダイアログの「プレビューを試す」をクリックすると利用可能となります。

*ExcelでPythonを使うには、Excelのセルに”=PY”と入力すると、関数オートコンプリート メニューから「PY」を選択することができます。*あるいは、関数に”=PY()”と括弧を追加することで直接記述することもできます。

セルでPythonが有効になると、そのセルに緑の「PY」アイコンが表示されてPythonの入力が可能であることが分かります。

### 「Python in Excel」で用いるPython

*「Python in Excel」をインストールすると、Anacondaによって提供される標準のPythonライブラリセットが搭載されます。*matplotlib、numpy、pandas、seaborn、statsmodelsのコアライブラリはインポート済みです。

これ以外のライブラリもAnacondaが利用できるライブラリはインポートすることができます。

【参考】：[Excel のオープンソース ライブラリと Python](https://support.microsoft.com/ja-jp/office/excel-%E3%81%AE%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%82%BD%E3%83%BC%E3%82%B9-%E3%83%A9%E3%82%A4%E3%83%96%E3%83%A9%E3%83%AA%E3%81%A8-python-c817c897-41db-40a1-b9f3-d5ffe6d1bf3e)

Anacondaとは？Pythonの効果的な開発環境を解説！

Matplotlibでグラフ描画が簡単に？pipのインストール手順を解説！

NumPyとは？効率的なPythonのデータ分析手法を解説！

### 「Python in Excel」でのPythonを使った計算

*Python言語に基づく計算は、Microsoft Cloudで実行されます。*そのため、ローカルに別途Pythonをインストールする必要がありませんし、ローカルのPythonの設定をExcelに反映することもできません。

Microsoft CloudでのPythonコードの実行は、Microsoft 365に準拠したエンタープライズレベルのセキュリティで保護されており、安全性が確保されています。

### 「Python in Excel」での外部データの取り込み

Excelで一般的に外部データを取り込むには、「Power Query」を使用します。*「Python in Excel」の場合も、「Power Query」を用いてデータの整形や取り込みを行い、Pythonで分析することができます。*

使用するには、リボンの「データ」タブから「データの取得」を選択し、「他のソースから」「OData フィードから」を順に選択します。表示される「Power Query プレビュー」では、「データの変換」などの読み込みオプションを指定することもできます。

【参考】：[Excel での Python でのPower Queryデータの使用](https://support.microsoft.com/ja-jp/office/excel-%E3%81%A7%E3%81%AE-python-%E3%81%A7%E3%81%AEpower-query%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E4%BD%BF%E7%94%A8-028dbcd4-76c5-4aa4-831d-0e211fefc0a2)
【参考】：[Excel の Power Query について](https://support.microsoft.com/ja-jp/office/excel-%E3%81%AE-power-query-%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6-7104fbee-9e62-4cb9-a02e-5bfb1a6c536a)

### 「Python in Excel」でPythonを用いたプロットとグラフの作成

*「Python in Excel」でPythonを用いたプロットとグラフの作成では、Anacondaで導入可能なPythonライブラリが利用できます。*コアセットはあらかじめインポートされているため、そのまま利用することができます。

例えばグラフ作成・可視化ライブラリのseabornやmatplotlibを用いて、折れ線グラフ、ヒストグラム、散布図、あるいは立体グラフなどが作成可能です。

【参考】：[Excel プロットとグラフでの Python の作成](https://support.microsoft.com/ja-jp/office/excel-%E3%83%97%E3%83%AD%E3%83%83%E3%83%88%E3%81%A8%E3%82%B0%E3%83%A9%E3%83%95%E3%81%A7%E3%81%AE-python-%E3%81%AE%E4%BD%9C%E6%88%90-798b5e8d-ce45-4451-8da3-f269cdad5cff)
【参考】：[seaborn](https://seaborn.pydata.org/index.html)
【参考】：[matplotlib](https://matplotlib.org/)

### 「Python in Excel」でDataFrameを使用する

*「Python in Excel」では、pandasのオブジェクトであるDataFrameも利用可能です。*DataFrame内のデータは、Pythonのオブジェクトとしてではなく Excelの値として出力することもできます。

数式バーの「Python Output」Python出力メニューで「Python Object」あるいは「Excel Value」いずれかを指定します。

【参考】：[Excel DataFrames の Python](https://support.microsoft.com/ja-jp/office/excel-dataframes-%E3%81%AE-python-a10495b2-8372-4f0f-9179-32771fe0dc04)
【参考】：[pandas](https://pandas.pydata.org/docs/index.html)

## 「Python in Excel」はExcelのデータ分析機能を高めます

「Python in Excel」は、Pythonの高機能なデータ分析を、いつものExcelから実現することができます。Excelの良さを活かしながらも、シームレスにPythonを使用することが可能です。

Excelを使った自動化では、マクロやVBAには触れたことがあっても、「Pythonはできることが多くてもちょっと」という方も多いはずです。**そのようなPython未経験の方も、Excelから簡単にPythonのコードを実行したりグラフ化したりすることができますので、多くの利用者から賛同が得られることでしょう。**

データ分析の手法とは？転職に役立つ8つの手法や資格を紹介！

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

マイクロソフト社は2023年8月22日、「Python in Excel」を発表しました。このリリースで、ExcelでPythonを利用することが可能となります。ここでは、マイクロソフト社の発表内容と「Python in Excel」のリリース概要を紹介していきます。

「Python in Excel」は、ExcelでPythonを実行しシームレスに連携することができます

Pythonの持つ、高度なデータ処理や分析、可視化をExcel上で可能にします

パブリックプレビュー版のため、「Microsoft 365 Insider Program」への参加が必要です

【excelでpythonが使える】Python in Excelの使い方や活用例を解説！

## Pythonでプログレスバーを作成する

*Pythonでは、処理中に進捗を表示させたい場合が多くあります。*データサイエンスで活用することが多いために、データの分析や機械学習など多くの場面が思い浮かびます。

ここでは、Pythonで比較的良く用いられる可視化ライブラリ、および自作のコードを用いた進捗表示のプログレスバーについて解説していきます。

Pythonによるデータ分析：入門情報から資格取得まで解説！

プログレスバーはそこまで複雑ではありませんが、以下の構成要素を覚えておくと良いでしょう。

・*プログレスバーの使用準備と初期設定*
ライブラリを用いる場合は、その読み込み（import）と使用の宣言などを行います。プログレスバーは決まった回数回す場合はループ回数を設定しておきます。

・*プログレスバーの実行*
ここでは、実際に行う処理を記述します。その後プログレスバーの表示を更新する処理を行い、進捗表示に反映させます。

・*プログレスバーの終了*
ここでは、ライブラリ固有の終了処理を宣言します。必要に応じて進捗表示の時間を遅らせる場合は、終了処理の前に疑似的にSleepを入れて表示を維持することができます。

## Pythonのプログレスバーを使ってみる

*Pythonでプログレスバーを使うには、tqdmやprogressbar2・PyPrindなどを使います。*また自前でコードを作成したり、GUIではtkinterを用いたりすることもできます。ここでは、これら5つの方法を使って、プログレスバーを実際に作成・実行し、解説していきます。

GUIとは？CUIとの違いやメリット・デメリットをエンジニア向けに解説！

### プログレスバーの出力の確認

プログレスバーを使うには、出力された表示にエスケープシーケンスを使用するのが一般的です。エスケープシーケンスは、ターミナル出力をエミュレーションする機能を用いて表示されます。そのため、使用する開発環境によっては、正しく表示されないことがあります。

次の図をご覧ください。これはPythonの標準IDE（統合開発環境）のIDLEを使用した例です。エディターウィンドウの「Run」「Run Module」のメニューからコードを実行できます（①）。

実行結果は、右のように表示されますが、先頭から表示するエスケープシーケンスが正しく表示されず、出力が時系列に表示されていることが分かります（②）。

~~　【図】：IDLEでの実行結果~~

次の図は、Google Colabでの実行結果です。Colabでは、実行ボタンをクリックすると、実行結果が表示領域に1行のみ表示されプログレスバーが順次更新されています（①②）。

~~　【図】：Colabでの実行結果~~

このように、*プログレスバーが正しく表示できない場合は、別の実行環境で実行し出力結果を確認するのが良いでしょう。*以降では、この表示の影響を考慮してPythonから直接実行した結果を用いて図解していきます。

IDLEを使ったPythonのプログラム開発！操作方法を解説

*tqdmは、良く用いられるプログレスバーのライブラリです。*使用するには、ライブラリをインストールする必要があり、“pip install tqdm”であらかじめインストールしておきます。以下は、コード部分の構成要素です。

・*プログレスバーの使用準備と初期設定*
ライブラリの読み込み（”import tqdm”）とtqdm()ライブラリをコールし、事前準備しておきます。ここではループ回数は10回にします。

・*プログレスバーの実行*
ここでは、実際に行う処理の代わりに疑似的に1.0秒Sleepを行います。その後プログレスバーの表示を更新する処理として、tqdm.update()をコールします。

・*プログレスバーの終了*
表示を1.0秒維持したのち、終了処理として、tqdm.close()をコールします。

実際のコードと実行結果は次の図をご覧ください（①②③④）。

この例では、進捗率と目盛りで進捗を表示しています。表示方法は、ライブラリコールで調整が可能です。

【参考】：[tqdm](https://tqdm.github.io/)

*progressbar2も、良く用いられるプログレスバーのライブラリです。*使用するには、ライブラリは、“pip install progressbar2”であらかじめインストールしておきます。以下は、コード部分の構成要素です。

・*プログレスバーの使用準備と初期設定*
最初にライブラリの読み込み（”import progressbar”）を行い、progressbar()ライブラリをコールします。開始するには、progressbar.start()をコールします。ここでもループ回数を10回にします。

・*プログレスバーの実行*
ここでは、実際に行う処理の代わりに疑似的に1.0秒Sleepを行います。その後プログレスバーの表示を更新する処理として、progressbar.update()をコールします。

・*プログレスバーの終了*
表示を1.0秒維持したのち、終了処理として、progressbar.finish()をコールします。

~~　【図】：progressbar2のコード~~

~~　【図】：progressbar2の実行結果~~

この例でも、進捗率と目盛りで進捗を表示しています。表示方法は、ライブラリコールで調整が可能です。

【参考】：[PyPi progressbar2](https://pypi.org/project/progressbar2/)
【参考】：[progressbar2](https://progressbar-2.readthedocs.io/en/latest/)

*PyPrindも、良く用いられるプログレスバーのライブラリです。*ライブラリは、“pip install pyprind”であらかじめインストールしておきます。以下は、コード部分の構成要素です。

・*プログレスバーの使用準備と初期設定*
最初にライブラリの読み込み（”import pyprind”）を行い、pyprind.ProgBar()ライブラリをコールします。ここでもループ回数を10回にします。

・*プログレスバーの実行*
ここでは、実際に行う処理の代わりに疑似的に1.0秒Sleepを行います。その後プログレスバーの表示を更新する処理として、pyprind.update()をコールします。

・*プログレスバーの終了*
表示を1.0秒維持したのち、終了処理として、pyprind.atop()をコールします。

~~　【図】：PyPrindの実行結果~~

この場合も表示方法は、ライブラリコールで調整が可能です。

【参考】：[PyPi PyPrind](https://pypi.org/project/PyPrind/)
【参考】：[PyPrind](https://github.com/rasbt/pyprind)

先に挙げた3種類のライブラリで、多くの表示に対応できますが、*要件に応じてよりカスタマイズしたい場合は自分でコードを作成することもできます。*自分でコードを記述するのでライブラリは不要となります。以下は、コード部分の構成要素です。

・*プログレスバーの使用準備と初期設定*
自分でコードを作成するため、ライブラリの読み込みは不要です。ループ回数を10回にします。

・*プログレスバーの実行*
ここでは、実際に行う処理の代わりに疑似的に1.0秒Sleepを行います。表示する文字列を作成する必要がありますが、要件に応じて決定することができます。

文字列はprint()で表示させますが、デフォルトでは現在の位置から表示して、改行されるようになっています。ここで重要なことは”\r”を出力して、行頭から表示させることです。end=””で、改行されずに表示させることができます。改行されても構わない場合は、”\r”やend=””を追加する必要はありません。

・*プログレスバーの終了*
終了処理も、ライブラリを使用しないので特別なコールは不要です。

自分でコードを作る場合は、表示形式は自分で決められるメリットがあります。ここでは、”#”の個数で進捗を表しましたが、例えば”\\”・”|”・”/”・”－”を順に表示し、処理中にぐるぐる回るような表示をさせることも可能です。

*tkinterは、Pythonの標準機能でGUIの構築や操作が可能なライブラリです。*標準機能ですので、ライブラリの追加インストールは不要です。GUIのウィジェットとしてプログレスバーを表示させることができます。以下は、コード部分の構成要素です。

・*プログレスバーの使用準備と初期設定*
ライブラリの読み込み（”import tkinter”、”inport ttk”）を行い、ウィンドウ作成を行っておきます。ttk.Progressbar()でプログレスバーをウィンドウに作成します。ここではループ回数は10回にします。

・*プログレスバーの実行*
ここでは、実際に行う処理の代わりに疑似的に1.0秒Sleepを行います。その後プログレスバーの表示を更新する処理として、ttk.Progressbar()[]の値を更新後windows.update()をコールします。

・*プログレスバーの終了*
ここではmainloop()で表示は維持されていますので、終了時にはウィジェットを閉じます。

~~　【図】：tkinterの実行結果~~

こちらは、ウィジェットを用いて進捗度を表示しています。ウィジェットに何を表示させるかは、自由に決めることができます。個別に別ウィンドウを表示させて、進捗を表示することも可能です。

【参考】：[Python Docs: tkinter --- Tcl/Tk の Python インターフェース](https://docs.python.org/ja/3/library/tkinter.html)

Tkinterのインストール手順から動作確認まで解説！

## Pythonのプログレスバーは大量データの処理に効果的

Pythonは、データサイエンス向けのライブラリが数多く公開されており、データ分析や機械学習などに利用されています。実行時間はデータ量に比例して処理量が増加しますので、完了予定時間や進捗度を表示することで、正しく動作していることも確認でき、有効です。

**プログレスバーのライブラリや自作コードは、1度作成しておくと再利用できますので、大量データの分析などを予定する場合は、あらかじめ準備することをおすすめします。**

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のおすすめ本21選！初心者・中級者・上級者別に解説

Pythonは、データサイエンス向けのライブラリが数多く公開されています。実行時間がかかる場合などでは、処理中に進捗を表示させたいことがあります。ここでは、Pythonで進捗表示のプログレスバーを使う方法を、それぞれのライブラリごとに図示し解説していきます。

大量データを扱うPythonでは、プログレスバー表示が有効です

専用のライブラリを使うほか、自作のコードでもプログレスバーの実装が可能です

プログレスバー利用することで大量のデータ分析時に実行完了までの予測が可能です

Pythonでプログレスバーを使うには？実際のコードを図解！

**Pythonでは、バージョン2と3との間に互換性はありません。ソースコードの記載方法に違いがあるため、2系では動作していたスクリプトが、3系では動作しない可能性も充分にあります。また、その逆の場合もあります。**ここでは、Python2系から3系へバージョンアップしたことによる注意点について詳しく紹介します。

**Python2系は2020年でサポートが終了しました。そのため、これからPyrhonの言語の勉強を始める方は、Python3系を選択してください。**変更点はいくつかあります。例えば、print文が「print()関数」に変わったことや、long型が廃止されて「int型」として扱われるようになったことなどが挙げられます。

*Python2系にあった多くの欠陥を修正するために、Python3系は生まれました。新しい言語の進化への道を開く一方で、互換性を失ったことは、Python3系を採用するのを著しく遅らせる原因となり、*エンジニアの多くがPython3系への移行に乗り気ではありませんでした。

その理由は3つあり、1つ目が初めてのリリースからバージョン3.3までの数年間は、Python2系よりパフォーマンスが劣っていたことです。2つ目はサードパーティ製のツールやPythonのライブラリが、Python3系をサポートしていなかったことです。そして3つ目が重点を置いた機能に対して、当初はエンジニアが興味・関心をもっていなかったことが挙げられます。

**2017年では、対応ライブラリの数はPython3系よりも2系の方が多いとされていました。**そのため3系を用いて開発を始めたのに、目的とする機能を実装するためのライブラリがPython2系にのみ対応しているというこうことも少なくありません。*Python2系を選んで実装する場合もありますが、標準ライブラリだけで開発できるプログラムの場合、Python3系を利用して開発するのがおすすめです。*

**標準ライブラリにある「urllib」「xmlrpclib」などのパッケージが再構成されています。**モジュール名が変わったり階層が変更されていたりする場合があるため、モジュールのインポートを実施する場合には再構成されたパッケージではないか注意する必要があります。

**Python3系から、printが関数化されました。**以下に、Python3系と2系の記載方法を比較しています。

下記が、Python2系のprint文における記載方法の一例です。

下記が、Python3系のprint文における記載方法の一例です。

Python2系と3系のソースコードの記載方法に相違はあるけれども、出力結果はどちらとも下記となります。

*Python3系からprint文が関数化されましたが、ソースコードの記載方法についてそこまで複雑ではありません。*

**文字列の型が「unicode」に統一されました。Python2系の場合、文字列の型は「unicode」「str」の2種類があります。一方、Python3系の場合、文字列の型は「unicode」のみです。**Python3系では文字列に「u」が付加されたとしても、エラーは出力されないようになりました。

例えば、Python3系を利用して下記のようにソースコードを記載したとします。

**Python2系のソースコードを3系へ変換するツールが整備されています。**例えば「2to3」という変換ツールがあります。変換した際の差分を出力したりファイルに出力したりすることもできるため、バージョン移行を行う際に活躍が期待できるでしょう。また、Python2系のソースコードが3系ではどのようになるのか確認も可能です。

Python2系と3系の違いについて理解できたでしょうか。ここからは、Pythonに関する基礎知識について詳しく紹介します。

**Pythonとは、1991年にオランダのグイド・ヴァンロッサムによって開発されたオープンソースのプログラミング言語の1つです。Pythonはシンプルでわかりやすいプログラミング言語**で、ソースコードを記述しやすく、解読しやすくするために誕生しました。*Pythonの特徴は、少ないソースコードで簡潔にプログラムを記述できること・ライブラリが充実していることで、*Google・DropBox・Facebookなどのさまざまな企業で扱われています。

**レバテックキャリアの調査によると、2019年におけるプログラミング言語別の求人割合ランキングでは、Pythonは3位になりました。**なお1位はJava、2位はPHPです。Javaは既存システムでの需要は高いですが、新規に開発する案件では縮小している傾向にあります。PHPはフリーランス向けなどの求人・案件も豊富にあり、今後も需要が伸びていくことが予想されます。そしてPythonは、*AIブロックチェーン技術などの需要が今後伸びていくことが推測されるため将来性があるといえるでしょう。*
（参考：https://career.levtech.jp/guide/knowhow/article/606/ ）

Pythonは多種多様なWebアプリ開発に利用されることが多く、Pythonを利用して開発されたWebアプリの代表として、*Instagram・YouTube・DropBox・Evernote*などが挙げられます。近年よく使用されるアプリが多いことが理解できるはずです。ここからは、Pythonを利用してできることについて詳しく紹介します。

**Pythonは、AIを搭載したソフトウェアなどの機械学習を用いたソフトウェアの開発分野で幅広く活用しています。**ソースコードが簡潔であることも含め、初めて機械学習を勉強する方にとって習得しやすい言語なため、機械学習をする際によく用いられるプログラミング言語です。またPythonは、統計処理や数値計算などに強みをもっています。*これらの特徴から、機械学習・ディープラーニング・データ解析などに利用されることも多いです。*例えば「TensorFlow」という機械学習におけるライブラリが、ディープラーニング・ニューラルネットワークの分野で活用されています。

### ゲーム・アプリケーションの開発ができる

**Pythonを利用することで、組み込みアプリケーション・デスクトップアプリケーションなどのさまざまなプログラムを作成することができます。また、ゲーム開発にも活用できることも特徴です。**Pythonでは豊富なライブラリが備わっているため、幅広い分野で開発が行われています。

**Pythonは、ブロックチェーンと呼ばれるフィンテック業界における基幹となる技術に活用されています。**主要なライブラリの1つである「hashib」というハッシュ関数が備わっている点・HTTPリクエストが操作可能な点・数値計算ライブラリが充実している点などの理由からPythonが利用されることが多いとされています。

*Pythonの特徴として、数値計算に強みをもっていることや連携できるシステムが多いことが挙げられます。*例えば、大量なデータが保存されているデータベースの内部を計算して読みやすいように計算したり、膨大なエクセルデータの中から目的とするデータのみを抽出したりするデータ処理が可能です。

また、数値計算を効率化が期待できる「NumPy」・データ解析をサポートする機能の「Pandas」・配列や行列の演算を行う「SciPy」など、豊富なライブラリが備わっています。*Pythonはデータ処理・分析・解析に利用されることも多いです。*

## Python2系と3系の違いを理解することが重要！

これまでに、Python2系と3系の違い・Pythonの基礎知識・Pythonを利用してできることについて詳しく解説しました。**Pythonはシンプルで理解しやすい言語で、最先端技術に活用しやすいことから近年では注目を集めています。**

*Pythonは「アプリ開発」「機械学習」「ゲーム開発」「ブロックチェーン開発」「データ処理・分析・解析」など幅広い分野で活用されています。*今後も需要は伸びていくことが予想されており、将来性も高いといえるでしょう。

*注意点として、Python2系は2020年でサポートが終了しました。*Python2系と3系の違いとして「print文の関数化」「パッケージの再構成」「文字列の型の変更」などが挙げられます。**入門者などこれからPyrhonを学習する方は、Python3系を選択しましょう。**

Python2系は2020年でサポートが終了しました。Python2系と3系の違いとして「print文」「文字列の型」などが挙げられます。当記事では、Python2系と3系の違いやPythonの基礎知識、Pythonを利用してできることを解説します。

Pythonはシンプルで理解しやすいプログラミング言語

Python2系は2020年でサポートが終了

Python2系のソースコードを3系へ変換するツールは存在

Pythonの2系と3系の違いとは？Pythonの特徴も解説！

*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

開発環境構築とは開発に必要なソフトウェアなどをインストールし、自分のコンピュータでソースコードの実行や実行結果の確認などを行えるようにすることです。システム開発を行う場合、まずは自分専用の開発環境を作らなくてはいけません。

たとえばPythonでWebアプリ開発を行う場合、Pythonの実行に必要なソフトやソースコードを記述するためのソフト、実行結果を確認するためのWebブラウザなどを準備する必要があります。

Pythonの記事（7ページ目）