**COBOL（Common Business Oriented Languageの略称）は、米国で編み出された事務処理向けの高級言語**です。COBOLは1959年9月に誕生してから60年以上が経過しており、非常に長い歴史と実績を併せ持っています。

当時には、すでにCOBOL以外の高級言語にFORTRANやLIPSが使われていました。FORTRANは科学技術計算用として、LIPSは人工知能の研究や開発に利用されていましたが、どちらも事務処理系のプログラムには向いておらず、事務処理で利用できるプログラムのニーズに応えて作られたのがCOBOLでした。

COBOLは自然言語の文法に近く、理解しやすいこともあり、プログラミングの入門用に適していたことから、一気に利用者が世界中に広まりました。現在でも政府系や金融系の基幹システムとして、一般企業の勘定系システムなどで活躍しています。

COBOLについて知るために、まずCOBOLの特徴を理解しておきましょう。日本にCOBOLが上陸したのは1963年のことで、1965年に富士通がCOBOLの最初のコンパイラを発表しました。その後、すべての汎用機にCOBOLのコンパイラが搭載されています。では、**COBOLの主な特徴**について見ていきましょう。

1.*自然言語に近い文法*によってプログラミングができるため、習得が比較的容易
2.単純なシーケンシャルファイル（順ファイル）から相対ファイルや索引ファイルまでさまざまなファイルを扱える
3.*大量データの読み書き、マージや並び替えなどを高速で処理できる*
4.事務処理に必要な定型帳票類の作成、印刷などが行える
5.データを*10進数で表現することができ、金額などのデータの確認が容易に行える*
6.メインフレーム以外にも、Windows・Mac・LinuxなどさまざまなOSで利用でき、移植性が高い
7.歴史があり、堅牢性や信頼性に優れ、*大規模システムの開発によく利用される*

*COBOLは、次の4つの部（DIVISION）から構成*されます。

IDENTIFICATION DIVISION（見出し部）は必ず記述しなければなりませんが、見出し部以外は省略することができます。DIVISIONの中には節（SECTION）や段落がありますが、慣れてくれば定型パターンや類似プログラムを利用して楽にコーディングができます。

### IDENTIFICATION DIVISION（見出し部）

**COBOLプログラムの識別を行うのが見出し部**です。見出し部には節（SECTION）がありません。ここにはPROGRAM-ID（プログラム名）などを記述します。

000010 IDENTIFICATION                   DIVISION.
000020 PROGRAM-ID.                       ABC001.
000030 AUTHOR.                             Taro Engineer.
000040 DATE-WRITTEN.                   2022/01/01.
000050 DATE-COMPILED.                 2022/01/02.

**プログラムを動かすコンピュータ名、環境変数などの情報の定義**を行うCONFIGURATION SECTION（構成節）と、プログラムファイルを使用する場合に記述するINPUT-OUTPUT SECTION（入出力節）などを記述します。

000060 ENVIRONMENT                      DIVISION.
000070 CONFIGURATION                    SECTION.
000080 SOURCE-COMPUTER.             SOURCECOMPUTER.
000090 OBJECT-COMPUTER.            XYZ-088.
000100 INPUT-OUTPUT                    SECTION.
000110 FILE-CONTROL.
000120  SELECT   IN-FILE             ASSIGN     TO ID-01
000130  ORGANIZATION IS LINE SEQUENTIAL.
000140  SELECT   OUT-FILE         ASSIGN     TO OD-01
000150       ORGANIZATION IS LINE SEQUENTIAL.

FILE SECTION（ファイル節）、WORKNG-STORAGE SECTION（作業場所節）、LINKAGE SECTION（連絡節）、COMMUNICATION SECTION（通信節）などで構成されています。ここでは、**プログラムで使用する入出力ファイルレイアウト・データ項目・外部プログラムインターフェースなどの定義**を行います。

000160 DATA                             DIVISION.
000170 FILE                             SECTION.
000180 FD IN-FILE.
000190 01 IN-RECORD.
000200    03  IN-SYAIN-CODE               PIC  9(6).
000210    03  IN-SYAIN-NAME              PIC  X(30).
000220    03  IN-SYOHIN-SYOZOKU      PIC  9(4).
000230 WORKING-STORAGE                 SECTION.
000240 77 WRK-COUNT                       PIC  9(2).

**プログラムの処理内容を記述**します。他の部とは違い、規定の節や段落はありません。

000250 PROCEDURE DIVISION.
000260 PERFORM INIT-PROC.
000270*
000280 PERFORM MAIN-PROC.
000290*
000300 STOP RUN.
000310*
000320 INIT-PROC SECTION.
000330 MOVE  ZERO TO  WRK-COUNT.
000340*
000350 OPEN  INPUT  IN-FILE.
000360*
000370 PERFORM  INFILE-READ-PROC.
000380 INIT-PROC-EXIT.
000390*
000400 EXIT.

## COBOLのコーディングルール（書き方）

**COBOLには厳格なコーディングのルール**があります。ルールから外れると、コンパイルエラーが多発し、そのエラー潰しに時間を要することになりますので、ルールは厳格に守るようにしてください。
COBOLでは1行は80文字以内と決められており、80文字を以下の5つの領域に分けた書き方をしていきます。

*▪一連番号領域*
先頭6文字は行番号を6桁の数字で記述します。自動採番される場合もあり、コーディング時に特に意識をする必要はありません。

*▪標識領域*
先頭から7文字目に「*」を入れることで、コメント行として利用できます。記述内容の説明などに使います。他、「/」でソースコード印刷の際に改ページ行であることを示すことができます。ここに「-」を入れると、前行から継続している意味となります。

*▪A領域*
先頭から8〜11文字目までの領域で、DIVISION（部）、SECTION（節）や段落の見出し、データ項目のレベル番号などを領域先頭から記述します。

*▪B領域*
B領域はメイン領域とも言える場所で、先頭から12〜72文字目までの領域です。それぞれの段落を構成する文、命令文などを記述します。ピリオドもこの範囲内で収まるようにします。

*▪見出し領域*
先頭から73〜80文字目までの領域で、翻訳対象外の領域です。ここにはプログラムの主に修正日、修正者名などをメモ的に記述を行います。この領域までコーディングを行ってしまうと、コンパイルエラーの原因となるので注意が必要です。

## COBOL入門に関するおすすめの書籍やサイト

ここまでCOBOLの基本について解説しましたが、実際に学び、自らコーディングをしてみないと理解は難しいでしょう。以下に、*おすすめのCOBOL入門関係の書籍やサイト*をご紹介します。

*[プログラミング入門　COBOL―情報処理技術者テキスト](https://www.kinokuniya.co.jp/f/dsg-01-9784407305388)*
情報処理技術者受験者向けのテキストです。情報処理技術者試験では2019年を最後にCOBOLが廃止されましたが、COBOLの入門本として長らく人気を集めた定番書です。**図解を多用しており、分かりやすいと定評**があります。サンプルプログラムを利用して実践的な知識が身に付きます。

・日本情報処理開発協会【監修】
・浅井 宗海【編・著】
・川上 るり子【著】
・サイズB5版
・ページ数230

COBOLは歴史がある反面、意外にもオンラインの学習サイトは多くはありません。その中から、おすすめのサイトを1つご紹介します。

*[COBOLプログラミング入門](http://tallercolibri.com/)*
**COBOLのプログラミングを初めて学ぶ方**に、分かりやすく図解を取り入れて解説しているCOBOLの入門サイトです。

実際にサンプルプログラムや練習問題の結果を確認したい場合があります。ご自身のパソコンにオープンソースのCOBOLを利用して開発環境を構築する方法もありますが、**書いたコードをすぐに実行して結果を確認できるサイト**がありますので、紹介しておきます。

ネット上にある簡単なプログラム（サンプルプログラム）をコピペして試すこともできます。このサイトは他にC・C++・Java・Ruby・Python・PHPなどの言語にも対応していますので、COBOL以外の言語を学んでいる方も活用できます。

*【参考】：[paiza.io](https://paiza.io/ja/projects/new?language=cobol)*

COBOLは60年以上の歴史を持ち、官公庁や金融関係を中心にして多くの企業で利用されている言語であり、膨大なシステムが現在も稼働しています。それらのメンテナンスだけでも多くのCOBOLエンジニアが必要ですが、政府提唱のDX化の動きによって、COBOLで構築されたシステムのオープン系へのリプレイス、再構築の動きも目立ち始めました。

こうしたことから、**COBOLに対する需要は今後も期待でき、COBOLエンジニアの将来性は高い**と考えられるでしょう。この記事でCOBOLに興味が湧いた方は、ぜひ第2言語としてCOBOLの習得を目指してみてください。

システムエンジニアがキャリアアップするのにおすすめの資格を解説！

COBOLは60年以上の歴史を持つ高級言語ですが、最近になり改めて注目を集めています。COBOLを扱えるエンジニアが減少する中、COBOLに関心を持ったエンジニアも少なくないでしょう。ここでは、COBOLが初めての方に向け、入門編として優しく解説していきます。

COBOLは、英語に近い自然言語で比較的容易に習得できる

COBOLには厳格なコーディング（書き方）ルールがあるが、定型化されており、慣れれば扱いやすい

COBOLは将来性がある言語で、第2言語としてぜひ学びたい言語である

COBOL入門！案件が豊富で将来性が高い？

ControlFlagは巷で話題になっており名前だけは聞いたことがあるが、どういうツールなのか分からないという方も多いかと思われます。ControlFlagとは*どういったツールでどういう仕組で動いているのか*詳しく説明しましょう。

### ControlFlagは自動デバッグツール

ControlFlagはIntelが開発した*プログラミングのソースコードを自動でデバッグするツール*です。2021年10月25日に公開されました。ControlFlagの特徴は機械学習によってソースコードの異常パターンを自動検知していることです。

ControlFlagはオープンソースとして無料公開されており、**GitHubからインストール**することができます。ControlFlagは単純なタイプミスはもちろんのこと、NULLチェック漏れなどプログラマがミスしがちな箇所を検出することが可能です。

【参考】：[GitHub - IntelLabs/control-flag](https://github.com/IntelLabs/control-flag) 

PHPデバッグ用のインデックスや関数などを開発に活用する

### そもそも機械学習とは何か？

機械学習はコンピュータが大量のデータから自動で学習し、データのパターンやルールを検出するというものです。よく人工知能と機械学習は混同されますが*人工知能の1分野に機械学習があります*。

また、機械学習には大きく「教師あり学習」「教師なし学習」「強化学習」の3つの学習方法があります。教師あり学習は正解のデータを予め機械に教える方法であり、機械は正解データと入力データを比較して判定を行います。教師なし学習は正解のデータを教えずに学習させる方法であり、何が正解か人間にも判断できないものの検出に有効です。

強化学習は出力結果に点数を付けていき、点数が高くなるように最適化しながら学習していく方法です。**ControlFlagはこの中で教師なし学習に該当**します。

ControlFlagは大きく*「パターンマイニング」と「異常パターンのスキャン」という2つのステップで動作*しています。パターンマイニングはコンピュータが機械学習トレーニングを行う段階のことであり、コンピュータにデータセットとなるソースコードを読み込ませ、パターンを認識させていきます。

異常パターンのスキャンは新規のソースコードを読み込む段階のことであり、**認識したパターンを元にソースコードに含まれる異常な表現にフラグ**を付けていきます。ControlFlagはこのような仕組みで動作しています。

ちなみに、ControlFlagは現状LinuxとMacで動かすことが可能です。パターンマイニングが終わっているデータセットが予め3種類用意されており、無料で活用することができます。データセットはそれぞれ動作に必要なメモリが異なるため、コンピュータのスペックに合わせて使い分けることが可能です。

### ControlFlagが従来のデバッグツールと異なる点

ControlFlagのような自動デバックツールは以前からありましたが、*今までのデバッグツールには機械学習が導入されていませんでした*。そのかわり、2つの手法のうちいずれかを用いて検出を行っていました。

1つ目が変異を用いた手法であり、ソースコードの問題箇所を書き直し、正常に動くまでテストを繰り返すという手法です。

2つ目が意味解析に基づいた手法であり、ソースコードの問題箇所を特定したらバグの箇所が本来満たすべき制約を考え、その制約が満たされるように書き直すというものです。

ControlFlagはこれらのやり方を用いておらず、**ソースコードのパターンを予めデータとして持っておき、それに従って自動デバック**を行っていきます。

ここまでControlFlagの機能について解説してきました。続いて、**ControlFlagを導入することの3つのメリットに**ついて解説します。*開発者側・経営者側双方のメリットをまとめた*ので、導入を検討している方は参考にしてください。

ControlFlagを使うことで*開発担当者の負担が減るメリット*がまず挙げられます。プログラマーは開発期間の間ずっとソースコードを書いている訳ではなく、ソースコードのデバッグにも多くの時間を費やしています。

Intelの指摘によると開発時間の50%をデバッグに使っているとのことです。ソースコードは1文字でも間違っていたら正しく動かないため、デバックは地道かつストレスのかかる作業と言えます。ControlFlagを導入しソースコードのバグを自動検出すれば、デバックにかかる時間が大きく減るでしょう。

特に日本では開発スピードの早さが求められる反面エンジニアの数が不足しており、長時間労働が発生するケースもあります。**デバック作業が効率化され開発担当者の負担が減るというのは、大きなメリット**と言えるでしょう。

### ソフトウェアのバグによる被害を防ぐ

ControlFlagによってバグを検出できれば、*重大なバグによる被害を未然に防げる可能性*があります。特に金融系などはバグによって障害が発生した場合、多大な賠償金が発生するケースもあります。

ソフトウェアは一度作って終わりではなく、ユーザーの要望に従って改良する必要があり、**改良する度にバグを生む危険性**があります。そのため、ControlFlagのようなデバッグツールが一般化されれば、特にお金が絡むシステムを開発する現場は助かるはずです。

### 企業にとっても予算の削減に繋がる

ControlFlagを導入することによって、*予算の削減に繋がるという企業側のメリット*もあります。Intelによれば、IT業界は2020年のソフトウェア開発費用のうち、**約半分の2兆ドルをソースコードのデバッグ関連に費やした**とのことです。これだけの費用が削減できれば、企業は新たな事業にチャレンジできる余裕が生まれる可能性もあるでしょう。

最後に、*ControlFlagの使い方について解説*します。インストールからソースコードの検査方法までの手順をまとめているので、**ControlFlagを試したいという方は参考にしてください**。

### GitHubからControlFlagをインストールする

ControlFlagはGitにあるためまずはGitをインストールする必要があります。**Gitは分散型のバージョン管理システムであり、1つのソースコードを複数人で修正するのに役立つもの**で、多くのエンジニアが使っています。Gitをまだ使ったことがない方は、yumコマンドなどを使ってGitをインストールしましょう。

その後、*以下のコマンドによってGitHubからControlFlagをインストール*します。

```git clone https://github.com/IntelLabs/control-flag.git```

次に、*ControlFlagのデータセットを取得*します。ControlFlagのGitHubには「Small」「Medium」「Large」の3種類のデータセットが用意されており、それぞれパターンマイニングが既に完了されています。使っているコンピュータのメモリ容量に合ったデータセットを選択し、ダウンロードしてサーバなどに設置しましょう。**とりあえずControlFlagの機能を試したいという方は「Small」でも問題ありません**。

次に、*ControlFlagでソースコードの検査*を行います。**以下のコマンドを入力**することでソースコードの自動検査が開始されます。

```scripts/scan_for_anomalies.sh -d <検査したいソースコードがあるディレクトリ> -t <training_data>.ts -o <検査ログファイルを保存する出力ディレクトリ>```

ソースコードの検査が完了すると、*指定した出力ディレクトリにログファイルがあり結果が書かれています*。**「Expression is Okay」と書かれているならソースコードに問題はない**ということになります。

## ControlFlagを導入すれば開発作業が効率化される

本記事では*ControlFlagについて解説*しました。ControlFlagの機能やメリット、使い方などがおわかり頂けたかと思います。ControlFlagを導入することでデバッグにかかる時間が減り、開発作業そのものに集中することが可能です。

こういったデバッグツールは従来からありましたが、**ControlFlagはintelが開発したということもあり注目を集めています**。デバッグツールが今後更に進化していけばより開発作業が効率化され、エンジニアは創造的な仕事に力を入れられるようになるかもしれません。ControlFlagに興味がある方は、まずは試しに1番小さいデータセットでどの程度の精度を誇るのか実験してみましょう。

プログラミング作業で意外と時間を取られるのがデバック作業です。本記事ではデバック作業を効率化できるControlFlagを紹介します。ControlFlagのメリットや導入方法についてまとめました。ControlFlagについて知りたい方はお読みください。

ControlFlagはIntelが開発したプログラミングのソースコードを自動でデバッグするツール

ControlFlagは機械学習によってバグの自動検出を行っている

ControlFlagによって開発担当者の負担が減るなどのメリットがある

ControlFlagとは何か？導入のメリットや使い方を解説！

PowerShell 7.2が**2021年11月8日リリース**されました。*ベースとなる.NET 6も同日リリース*されています。3年間の長期サポートが付いていますので、今後利用価値は高まると想定されています。
参考：[PowerShell ドキュメント](https://docs.microsoft.com/ja-jp/powershell/?view=powershell-7.2)
参考：[General Availability of PowerShell 7.2](https://devblogs.microsoft.com/powershell/general-availability-of-powershell-7-2/)

ソフトウェアは*Microsoft UpdateやMicrosoft Store*で提供されるほか、**各プラットフォーム用のパッケージがGitHubで公開**されています。
参考：[github v7.2.0 Release of PowerShell](https://github.com/PowerShell/powershell/releases)

*PowerShellはマイクロソフト社が開発したスクリプト言語*で、コマンドラインインターフェイス（CLI）での利用のほか自動実行のスクリプトとして利用されます。**PowerShell 7.2が最新リリース**で、Windowsに加えてLinuxやmacOSで利用が可能です。

PowerShell 7.2は.NET 6をベースとする長期サービスリリースです。
参考：[PowerShell 7.2 の新機能](https://docs.microsoft.com/ja-jp/powershell/scripting/whats-new/what-s-new-in-powershell-72?view=powershell-7.2)

主な新機能は以下の通りです。
・**Linux用パッケージの変更**
Linux単一のインストーラパッケージを利用することができます。 debとRPMパッケージがユニバーサルパッケージとなります。

・**Windows用Microsoft Update**
今回からMicrosoft Updateに対応します。管理フローの標準化が可能となり、アップデートモジュールは更新プログラムで提供されます。

・**タブ補完**
タブ補完機能に関して、不具合の修正とコメント・Requiresステートメント・Format-*コマンドレットのタブ補完追加が図られています。

・**PSReadLine 2.1**
CommandPrediction APIにより、予測IntelliSenseに対応します。

・**試験的機能のサポート**
従来の試験的機能がメインストリーム機能になります。あらたにいくつかの実験的機能が追加されています。

### PowerShell 7.2のサポートプラットフォーム

PowerShell 7.2のサポートプラットフォームは、*.NET Coreのサポートライフサイクル*に基づきます。

すなわちPowerShellは**.NETのサポート終了までサポート**されます。.NET 6は2021年11月8日リリースされたばかりですので、LTS（Long Term Support、長期サポート）の考えに基づき*2024年11月までサポートされる予定*です。
参考：[PowerShell のサポート ライフサイクル](https://docs.microsoft.com/ja-jp/powershell/scripting/install/PowerShell-Support-Lifecycle?view=powershell-7.2)
参考：[.NET and .NET Core Support Policy](https://dotnet.microsoft.com/platform/support/policy/dotnet-core)

PowerShell 7.2は20201年11月現在、以下のテスト済みOSがサポートされます。
・**Windows**
　Windows Server 2016、2019、2022
　Windows Server 2012 R2
　Windows Server Core 2012 R2 以降
　Windows Server Nano 1809 以降
　Windows 11
　Windows 10 1607 以降

・**macOS**
　macOS Big Sur 11.5
　macOS Catalina 10.15
　macOS Mojave 10.14

・**Linux**
　CentOS Linux 7、8
　Debian Linux 10
　Red Hat Enterprise Linux 7、8
　Ubuntu Linux 18.04 (LTS)、20.04 (LTS)
　現時点ではAlpine Linux・Fedora Linuxはテストされていません。

*PowerShellはマイクロソフトのPowerShell公式サイトのリンク、またはGitHubから直接ダウンロード*します。OS・プラットフォームにより提供されている手順に従いインストールし利用します。

### PowerShellのWindowsへのインストール

Windowsのインストール方法は多岐にわたります。
参考：[Windows への PowerShell のインストール](https://docs.microsoft.com/ja-jp/powershell/scripting/install/installing-powershell-on-windows?view=powershell-7.2)

以下に主要インストール方法を記載します。
・**MSI パッケージ**
GitHubからPowerShell-7.2.0-win-x64.msiやPowerShell-7.2.0-win-x86.msiをダウンロードし、ダブルクリックしてインストールします。コマンドラインからmsiexec.exeによりインストールすることもできます。

・**Microsoft Update**
Microsoft Update機能により更新プログラムとしてインストールできます。

・**ZIP パッケージ**
GitHubからwin-x66・win-x86用のZIPファイルをダウンロードし、展開後pwsh.exeが実行可能となります。ARM版もダウンロード可能です。

・**.NET Core SDK**
.NET Core SDKから”dotnet tool install --global PowerShell”のように、.NET グローバル ツールとしてインストールすることができます。

・**Windows パッケージ マネージャ**
Windows パッケージ マネージャのwingetから”winget install --id Microsoft.Powershell --source winget”のように、公開済みのパッケージを利用しインストールすることができます。

・**Microsoft Store**
他のアプリケーション同様にMicrosoft Storeからインストールすることもできます。

### PowerShellのLinuxへのインストール

PowerShellではLinuxディストリビューションに応じて必要なインストールが可能です。今回のリリースでLinux用パッケージが単一化され、**debとRPMパッケージがユニバーサルパッケージ**となりました。
参考：[Linux への PowerShell のインストール](https://docs.microsoft.com/ja-jp/powershell/scripting/install/installing-powershell-on-linux?view=powershell-7.2)

・**CentOS**
以下のパッケージリポジトリの利用が推奨されています。
CentOS 8用：https:\//packages.microsoft.com/config/rhel/8/prod.repo
CentOS 7用：https:\//packages.microsoft.com/config/rhel/7/prod.repo
curlでリポジトリを登録し、”sudo yum install -y powershell”でインストールします。または、GitHubのrpmを直接指定することもできます。

・**Debian Linux**
Debian Linuxのリポジトリは以下の通りです。
Debian 10用：https:\//packages.microsoft.com/config/debian/10/packages-microsoft-prod.deb
Debian10ではマイクロソフトのリポジトリからGPG Keyをダウンロードし登録します。
その後”sudo apt-get install -y powershell”でインストールします。

・**Red Hat Enterprise Linux**
Red Hat Enterprise Linuxのリポジトリは以下の通りです。
RHEL 8用：https:\//packages.microsoft.com/config/rhel/8/prod.repo
RHEL 7用：https:\//packages.microsoft.com/config/rhel/7/prod.repo
curlでマイクロソフト ReHat リポジトリを登録します。RHEL 8では”sudo dnf install powershell”、RHEL 7では”sudo yum install -y powershell”でインストールします。

・**Ubuntu**
Ubuntuのリポジトリは以下の通りです。
Ubuntu 20.04用：https:\//packages.microsoft.com/config/ubuntu/20.04/packages-microsoft-prod.deb
Ubuntu 18.04用：https:\//packages.microsoft.com/config/ubuntu/18.04/packages-microsoft-prod.deb
このリポジトリからGPG Keyをダウンロードし登録します。その後”sudo apt-get install -y powershell”でインストールします。

### PowerShellのmacOSへのインストール

macOSにおいても、多様なインストール方法が提供されています。
参考：[macOS への PowerShell のインストール](https://docs.microsoft.com/ja-jp/powershell/scripting/install/installing-powershell-on-macos?view=powershell-7.2)

実際のインストール方法は以下の通りです。
・**Homebrew**
Homebrewで”brew install --cask powershell”でインストールします。プレビュー版のインストールは”powershell”ではなく”powershell-preview”を指定します。

・**GitHubからダウンロード**
GitHubからパッケージをダウンロードし、”sudo installer -pkg powershell-7.2.0-osx-x64.pkg -target /”のようにインストールすることもできます。

・**gz バイナリアーカイブ**
GitHubからosx-x64・osx-arm64用のtar.gzファイルをダウンロードし、フォルダ展開後pwshを実行します。

## PowerShellの機能を活用して自動実行スクリプトを作成しましょう

PowerShell 7.2は長期サービスのリリースで同日リリースされた.NET 6をベースとしています。マイクロソフト社はVisual Studio含め開発環境の整備にも積極的です。ぜひ最新リリースである**PowerShell 7.2の機能を活用し、運用監視の自動化やツール整備**を行うことをおすすめします。

マイクロソフト社は11月8日、主要開発環境・開発ツールをまとめてリリースしています。PowerShell 7.2は.NET 6をベースとしたスクリプト言語で、3年間の長期サポートに対応します。ここではその製品概要と新機能を解説していきます。

PowerShell 7.2は、2021年11月8日リリースされたマイクロソフト社のスクリプト言語です

PowerShell 7.2は、.NET 6をベースに開発されており、長期サポートに対応します

Linuxパッケージの変更・Microsoft Update対応の他、使いやすさが向上しています

PowerShell 7.2がリリース！新機能やInstall手順を解説

**Jupyter Notebooとは、オープンソースソフトウェアの統合開発環境（IDE）です。**統合開発環境とはソフトウェア開発に必要とされるエディタ・言語処理・デバッグ・実行に関するツールを*単一の操作環境から利用できるようにしたもの*です。

Jupyter Notebookでは*Python*を始めとする**40以上の言語**を用いた開発を、ウェブブラウザやウェブベースアプリケーションを用いて行うことができます。Jupyter Notebookは*データ分析機能*があるため、*ビッグデータのデータ分析・統合*にも用いることができます。*科学技術計算や機械学習*等を目的とする方には特におすすめです。

Python標準のpipコマンド、あるいはAnacondaのcondaコマンドを始めとするいくつかのインストール方法が提供されています。
参考：[Project Jupyter | Home](https://jupyter.org/)

Jupyter Notebookのメリットは、**豊富なライブラリを用いてデータ分析を行えること**です。オープンソースソフトウェアのため、*無償*で利用できます。また、Jupyter Notebookのドキュメントは*プログラムコード*に加えて、*数式や図式を入れること*ができるため**データ分析の統合開発環境**として人気があります。

データ分析の主要ライブラリである*NumPy・SciPy・Matplotlib・SymPy・pandas*を、*Python・IPython*で利用することを想定しています。

さらに、Jupyter Notebookは*実行結果がすぐに出力*され、1画面にまとめて表示されるため、*逐次確認が可能*なこともメリットの1つです。このことは対話型で授業を行う**教育現場**にも適しており、大学の授業にも取り入れられています。

### JupyterLabとJupyter Notebookの違い

JupyterLabとJupyter Notebookは、ともにProject Jupyterの*ユーザインターフェイス*として位置づけられています。JupyterLabはJupyter Notebookの**次世代ユーザインターフェイス**を提供するもので、Jupyter Notebookの機能をカバーします。

具体的な違いですが、従来のJupyter Notebookの画面は*ファイルブラウザとエディタ*のビューで構成されていました。対してJupyterLabは、*ファイルエクスプローラービューとメインビューの統合画面*で構成されています。そのためJupyterLabでは、主要な統合開発環境で用いられている**マルチドキュメント**が単一ウィンドウで表示できるため操作方法が改善されました。

これにより、JupyterLabでは直感的な編集作業ができるように機能強化が図られています。

Jupyter Notebookを使うには、*パッケージマネージャ*を用いて**Jupyter Notebookをインストール**します。インストール後はパッケージ管理システムのラウンチャーを使ったり、直接コマンド起動したりすることでJupyter Notebookを実行することができます。詳しくは以降で説明します。

### Jupyter Notebookのインストール方法

Jupyter Notebookのインストールは、通常パッケージ管理システムに付属している*パッケージマネージャ（コマンド）*を用います。代表的なパッケージマネージャは、*PyPIで用いるpip*と*Anacondaのconda*です。

これから導入を始める方は、*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*を利用することをおすすめします。pipとcondaはそれぞれ選択したリポジトリに合わせて使用します。以下はそれぞれのインストール方法です。

**・pipを用いたインストール方法**
以下のいずれかのコマンドでインストールを行います。
　$ python -m pip install jupyter
　$ pip install jupyter

**・condaを用いたインストール方法**
ここでは簡単なインストール方法として、Anaconda Navigatorを起動します。
　Anacondaの最初の起動時には「Environment」「Create」で環境を作成します。
　「Home」をクリックし、右画面にアプリケーションを表示します。
　Jupyter Notebookの「Install」をクリックするとインストールが開始し、「Launch」で実行可能となります。すでに「Launch」と表示されている場合は追加作業は不要です。

condaコマンドを用いる場合は”conda list”でインストールパッケージを確認し、”conda install -c anaconda jupyter”でインストールすることもできます。

Jupyter Notebookの起動と停止方法は、以下の方法で行います。通常*”http\://localhost:8888/”* がjupyterのローカルサーバーの*HTTP接続で使用*されます。

**・pipを用いた場合の起動と停止方法**
pipを用いた場合は、コマンドプロンプトやターミナルで”jupyter notebook”コマンドで起動します。これにより、ローカルでJupyterのウェブサーバーが起動するため入力画面はそのままにしておきます。

停止時はコマンドプロンプトやターミナルの起動画面を「Ctrl」キーと「c」キーを同時に押して、終了処理を行います。終了処理が完了すると、コマンドプロンプトやターミナルにプロンプトが表示されます。確認表示が出た際は”y”を入力します。

**・condaを用いた場合の起動と停止方法**
conda（Anaconda）を用いた場合は、Windowsの場合スタートメニューの「Anaconda3 (64-bit)」の下の「Jupyter Notebook」をクリックします。Anaconda NavigatorのアプリケーションからJupyter Notebookの「Launch」をクリックしても起動します。

終了する場合は、Jupyter Notebookのメイン画面右上の「Quit」をクリックしてください。その後”Server stopped”が表示されると終了です。または「File」「Close and Halt」をクリックすると、”Shutdown this notebook’s kernel, and close this window”が表示され、終了です。

終了処理を忘れた場合は、*”jupyter notebook stop”*コマンドで終了させることもできます。

### Jupyter Notebookのコード作成と実行方法

Jupyter Notebookのコード作成は、*「File」「New Notebook」「Python3」*のメニュー表示をクリックして*新規作成*します。*作成済みのNotebookのファイル読み込み*は*「File」「Open」*でファイル選択します。

入力ラインの*青色がコマンドモード*、*緑色が編集モード*です。「Enter」キーでコマンドモードからエディットモードに切り替えます。「Esc」キーはエディットモードからコマンドモードに切り替えます。

コード実行はメニュー下の*「▶Run」*をクリックします。この他ショートカットで以下の方法でコード実行ができます。
**・「Shift」「Enter」**
　セルを実行し、下のセルに移動します。
**・「Ctrl」「Enter」**
　セルを実行します。
**・「Alt」「Enter」**
　セルを実行し、結果を下のセルに追加します。

なおpyファイルを実行する場合はファイル読み込みではなく、セルで*”%run ファイル名.py”*と記述し実行します。ファイル名.pyはNotebookファイル（ipynb）と*同じフォルダにアップロード*されていればパス指定は省略できます。

同様にCSVファイル等を分析のためにファイル読み込みする場合も、*同一フォルダにアップロード*するか*読み込みファイルのアップロード先のパス指定*が必要です。ファイルのアップロード方法は以降で説明します。

### Jupyter Notebookのコード保存とアップロード方法

Jupyter Notebookのコード保存方法は、*「File」「Save and Checkpoint」*です。*名前を変更*する場合は*「File」「Save as...」*でファイル名を指定します。*pyのファイルに保存*する場合は、*「Download as」「Python(.py)」*でPythonファイルをローカルに保存します。

Jupyter Notebookのファイルアップロード方法は、*「File」「Open」*でフォルダ表示し右上*「Upload」*ボタンを押してウェブサーバーに必要なファイルをアップロードします。フォルダビューでアップロードしたファイルが追加されれば**Jupyter Notebookで利用可能**となります。

### Jupyter Notebookで仮想環境を利用するには？

Pythonでは*開発プロジェクトを複数作成する際に、仮想環境を作成*します。仮想環境により他のプロジェクトへ影響を与えずにモジュールを追加したり、異なるバージョンのモジュールを使用したりできます。Jupyter Notebookでも*Pythonの仮想環境が利用できます*。

Jupyter Notebookを仮想環境で利用するには、以下の手順で追加インストールが必要です。
**・導入済みJupyter Notebookに仮想環境を認識させる**
　environment\_kernelsプラグインをベース環境にインストールします。
　具体的には”pip install environment\_kernels”コマンドを用いインストールします。
**・仮想環境を登録する**
　”jupyter notebook --generate-config”コマンドで設定ファイルを作成します。
　”$HOME/.Jupyter/jupyter\_notebook.py”ファイルが作成されます。
　ファイルを修正し、Anacondaの仮想環境のパスを指定します。
修正例：（ユーザ名を含むパスは、環境に合わせて修正が必要です）
c.NotebookApp.kernel\_spec\_manager\_class='environment\_kernels.EnvironmentKernelSpecManager'
c.EnvironmentKernelSpecManager.conda\_env\_dirs=['C:/Users/ユーザ名/.conda/envs/']

この他にもipykernelを各仮想環境のJupyter Notebookにインストールする方法もありますが、*environment\_kernels*をインストールした方が*簡単に設定できます*。

### Jupyter Notebookで使うライブラリの日本語化の方法

一般的に*データ分析*を行うと**日本語化されたグラフ出力が必要**です。例えば、*Matplotlib*はデフォルトでは日本語表記に対応していませんので、プロパティを指定して*日本語化する必要*があります。具体的には以下のコードをプログラムで指定します。
from matplotlib.font\_manager import FontProperties
matplotlib.font\_manager.FontProperties(fname=r’フォント名’,size=フォントサイズ )

フォント名は*”C:\Windows\Fonts\”にあるフォント名*をパス付で指定します。
使用例：
import matplotlib.pyplot as plt
from matplotlib.font\_manager import FontProperties
fontp = FontProperties(fname=r'C:\Windows\Fonts\msgothic.ttc', size=24)

もしくは都度引数に*fontname="日本語フォント"*を指定する方法や、*”~/.matplotlib/matplotlibrc”*を作成して「*font.family : *」にデフォルトフォントとして日本語のフォントを指定する方法などがあります。詳細はライブラリの設定ドキュメントをご参照ください。
参考：[matplotlib Documentation](https://matplotlib.org/stable/contents.html)

この他にもmatplotlibをベースとする*可視化ライブラリのseaborn*では、*”site-packages\seaborn\rcmod.py”*でデフォルトのフォントを指定できます。初期設定では*font="sans-serif"*に設定されています。詳細はライブラリの設定ドキュメントをご参照ください。
参考：[seaborn](https://seaborn.pydata.org/index.html)

## Jupyter Notebookを使ってデータ分析を効率的に行いましょう

Jupyter Notebookは*豊富なデータ分析に活用できる統合開発環境です。*近年増大するデータを効率的に分析するためにビッグデータでも利用度が高まっています。Jupyter Notebookの一連の操作方法に慣れたら、*データ分析ライブラリやデータ可視化ライブラリ*を使って**高度なグラフ作成にチャレンジする**ことをおすすめします。

Jupyter Notebookは、Pythonの統合開発環境（IDE）として人気があります。特にデータ分析結果を一括表示して数式や図式が用いられるため、データ分析の統合開発環境としてよく利用されています。ここでは、その導入・操作方法を解説していきます。

Jupyter Notebookとは、データ分析を簡単に行える統合開発環境（IDE）を指します

Jupyter Notebookは、データ分析の主要ライブラリをサポートしており効率的に開発が行えます

Jupyter Notebookの単一画面上で、データ可視化ライブラリを活用して高度な分析結果のグラフ化が可能です

Jupyter Notebookとは？その導入・操作方法を解説

プログラミングの記事（15ページ目）