[【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>

**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、とても利便性が高いです。Anacondaの利用者は1,500万人以上とも言われています。

*AnacondaはGUI・CUIそれぞれ提供されています。*GUIはAnaconda Navigatorでインストール管理・起動管理ができます。CUIはcondaツールを用いて行います。

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

Python入門：はじめの一歩から基本構文までまとめて解説！

Pythonでできることとは？Pythonのメリットも詳しく紹介

Anacondaは1,500以上のパッケージが含まれるディストリビューションとなります。250を超えるデータサイエンスや機械学習のパッケージは自動的にインストールされ、利用者は*インストール後すぐに開発作業を開始できる*というメリットがあります。

また、Anacondaはあらかじめデータサイエンスや機械学習のライブラリやソフトウェアパッケージを同梱し、依存関係をチェックしてくれます。そのため**インストール作業並びにバージョン管理を簡素化できるというメリットもあります。**

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のインストール方法を紹介

ここではAnacondaのインストール方法を紹介しています。**Anacondaには有料版と無料版があり、 無料版はIndividual Editionです。**ご注意ください。

【参考】：[Individual Edition](https://www.anaconda.com/products/individual)

Anacondaをインストールする方法と、他のアプリケーションをインストールする方法に大きな違いはありません。具体的な手順について簡単に紹介していますので参考にしてください。

・最初にAnacondaをダウンロードします。この際、自身の*使用環境に合ったものを選択*してください。
・ダイアログボックスが表示されたら「Next」・「I Agree」をクリックします。
・Anacondaを使用するユーザーが自身のみか他のユーザーも含むか選択します。
・インストールする*ディレクトリを設定*します。
・*PATHの設定*を行うか選択したら「Install」をクリックします。
・インストールが完了したら「Next」をクリックしていきます。
・最後に「Finish」をクリックしてAnacondaのインストールは完了です。

【参考】：[ Windows版Anacondaのインストール](https://www.python.jp/install/anaconda/windows/install.html)

とても簡単！Anacondaのインストール手順を機種別に解説

Anacondaは2022年1月時点で以下のバージョンが最新版となります。

・*Windows Python3.9用*
　64ビット版・32ビット版

・*MacOS Python3.9用*
　64ビット版（GUI・CUIインストーラ）

・*Linux Python3.9用*
　64ビット版（x86・Power・AWS Gravitor2・IBM Z）

【参考】：[ANACONDAインストーラー](https://www.anaconda.com/products/individual)

Anacondaのインストール方法について紹介しましたので、ここではインストールしたAnacondaの使い方を簡単に紹介していきます。

Anacondaの使い方は？Python環境の利用方法を解説！

Anacondaは、特定のパッケージやライブラリをインストールしておく仮想環境と呼ばれるものを作成することができます。特に*複数のパッケージやライブラリを使用する場合、仮想環境の作成が必要*です。

この理由として、パッケージやライブラリによって対応しているpythonのバージョンが異なるという点が挙げられます。**仮想環境はpythonのバージョンごとに作成します。**

### Anacondaで仮想環境を作成する

Anacondaにおいて、*仮想環境を作成するには「conda create -n 仮想環境名」というコマンドを入力*します。前述の通り仮想環境はpythonのバージョンごとに作成する必要があります。そのため複数の仮想環境を作成する際は仮想環境名の後に「スペース」と「インストールするパッケージやライブラリの名前」を入力しましょう。

### Anacondaで作成した仮想環境の有効化を行う

仮想環境は作成しただけでは使用することができません。Anacondaで作成した仮想環境を使用するには有効化する必要があります。仮想環境有効化の際に使用するコマンドは「*conda activate 仮想環境名*」です。仮想環境を有効化したら「python」と入力しpythonを起動します。pythonを終了する際は「quit()」というコマンドを入力します。

### Anacondaでライブラリをインストールする

Anacondaで作成した仮想環境に入ったら、その状態でライブラリをインストールすることができます。ライブラリのインストールに使用するのは「*conda install*」というコマンドです。

### Anacondaで作成した仮想環境の無効化を行う

Anacondaでは「*conda deactive*」というコマンドを入力することで使用中の仮想環境を無効化することができます。

### Anacondaで作成した仮想環境を削除する

使用が終了した仮想環境や不要になった仮想環境の削除はコマンドを入力することで簡単に行えます。入力するコマンドは「*conda remove -n 仮想環境名 –all*」です。

## Anacondaにあるライブラリなどを紹介

ここではAnacondaにあるライブラリやAnacondaが使いやすくなるアプリケーションについて紹介していきます。

### Anacondaで利用可能なデータサイエンスライブラリ

今回はデータサイエンスで使用するライブラリについて目的別にいくつか紹介します。Anacondaではここで紹介しているライブラリをはじめ、**7,500以上の公開ライブラリが利用可能です。**データサイエンスでは通常次のライブラリを用いるケースが多いです。

・*数学・科学技術計算用*
　- NumPy：多次元配列オブジェクトを実装し多数の演算関数を提供します。
　- SciPy：NumPyをベースにした科学計算ライブラリです。
　- 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です。

・*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です。
　- seaborn：Matplotlibを用いた可視化ライブラリです。
　- Altair：簡単な文法で視覚効果を高めた可視化ライブラリです。

・*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です。
　- TensorFlow：Googleが開発した機械学習・深層学習・数値解析ライブラリです。
　- PyTorch：Facebookが開発した機械学習ライブラリ、深層学習へ適用拡大されています。

【参考】：[データサイエンスツールキット](https://www.anaconda.com/products/individual)

### Anacondaが使いやすくなるアプリケーション

**Anaconda Navigatorとはアプリケーションのインストール管理や起動管理を行ってくれるGUIアプリケーションです。**Anaconda NavigatorはAnacondaディストリビューションをインストールすると利用可能になります。

Anaconda Navigatorでは予め次の代表的なアプリケーションが利用可能な状態となっています。

・*JupyterLab*
　Jupyter Notebookの後継となるウェブベース統合開発環境（IDE）

・*Jupyter Notebook*
　PythonやR言語の開発で用いるウェブベース統合開発環境（IDE）

・*Spyder*
　データサイエンス用統合開発環境（IDE）

・*PyCharm*
　Python用統合開発環境（IDE）

・*VSCode*
　マイクロソフト製コードエディタ

・*Glueviz*
　Python用データ可視化ツール

・*Orange 3 App*
　対話型データ可視化ツールとビジュアルプログラミングによるデータマイニング　

・*RStudio*
　PythonやR言語の開発で用いる統合開発環境（IDE）

・*Anaconda Prompt（Windows用）*
　Anaconda同梱のWindowsコマンドプロンプト

・*Anaconda PowerShell（Windows用）*
　Anaconda対応のWindows PowerShell

このように代表的な*統合開発環境（IDE）のみならず、*VSCode*や*PowerShell*等も利用可能*ですので、Windowsユーザでも違和感なく開発を進められます。

【参考】：[Anaconda Navigator](https://docs.anaconda.com/anaconda/navigator/#what-applications-can-i-access-using-navigator)

IDEとは？詳細やメリット、おすすめのIDEを紹介します！

## Anacondaを利用して効率的にPython開発を進めましょう

*Anacondaはデータサイエンスに必要なライブラリを統合管理できるオープンソースのディストリビューション*です。同様にインストール管理ソフトウェアとソフトウェア公開サービスを兼ねていますので、Pythonライブラリやツールのインストール管理ならびに実行管理を統合的に行うことができます。

特に機械学習を中心とするデータサイエンス分野では必需品となります。**Anacondaを導入しPythonの開発やデータ分析などを効率的に行ってみてはいかがでしょうか。**

Pythonでできること・できないことは？活躍している分野を解説

Pythonの用途を知った上でPythonエンジニアを目指そう

初心者向けPython：基礎構文や入門情報を丁寧に解説！

AnacondaはPython実行環境でデータサイエンスに必要なライブラリをまとめたディストリビューションです。同様にインストール管理ソフトウェア並びにソフトウェア公開サービスとして活用されています。ここではAnacondaの特徴や利用方法を解説していきます。

AnacondaはPythonインストール管理ソフトウェア・ソフトウェア公開サービスです

AnacondaはPython実行環境でデータサイエンスに必要なライブラリをまとめて提供します

Anacondaを用いることでインストール・実行管理の工数が削減されます

Anaconda（アナコンダ）とは？Pythonの効果的な開発環境を解説！

[【関連記事】AWS資格の難易度はどれくらい？内容や初心者におすすめの勉強方法を解説](https://and-engineer.com/articles/YZtFsREAACIAjrpS)

[【関連記事】AWS認定ソリューションアーキテクト-アソシエイトとは？難易度と勉強方法を解説！](https://and-engineer.com/articles/YXEoUBIAACEANWUF)

[【関連記事】AWS認定クラウドプラクティショナーとは？難易度や勉強時間の目安を解説](https://and-engineer.com/articles/YwGSlRAAACEAsVo8)

AWS Glue（読み方：グルー）とは、**様々なデータソースからデータ分析やアプリケーション開発、機械学習などを目的にデータ検出・データ抽出・結合などを簡単に行うために用意されたAmazonの『サーバーレス・データ統合サービス』です。**

データ分析のためのデータ環境を整えるためには多くの工数やコストが掛かりますが、AWS Glueの利用によってそれらの工数やコストを大幅に減らすことが可能になります。この記事では、AWS Glueについて、概要や機能、メリット・デメリット、始め方や料金などについて紹介していきます。

【参考】：[AWS Glue　分析用データ抽出、変換、ロード （ETL）](https://aws.amazon.com/jp/glue/)

データ分析とは？基本的な目的や方法、職種例と転職方法について解説

AWS GlueはAWSが提供するETLツールでもあります。ETLは「Extrac Transform Load」の略語であり、データレイクなどからデータをExtract（抽出）し、扱いやすいフォーマットにTransformation（変換）してから、DWH（データウェアハウス）に書き出す一連のProcess（処理）です。

**ETLはDHWにデータを保存する際の前処理として行われ、DWHに保存されたデータは分析ツールを用いてビジネスなどで活用されます。**

**AWS Glueは分析を行うために複数のデータソースから、必要なデータの検出や準備・移動・統合を可能とするサーバーレス・データ統合サービスのことです。**AWS Glueの使用により、70以上の多様なデータソースを検出、接続し、一元化されたデータカタログによってデータの管理を行えるようになります。

AWS Glueではデータを視覚的に抽出・変換・ロード（ETL）する基本機能がすべて備わっており、インフラ環境の整備やデータソースの整理や準備、データウェアハウスの構築などが簡単に行え、短時間でデータ分析を行うことができます。

また、AWS Glueに含まれるグラフィカルインターフェースのAWS Glue Studioを利用することで、データ変換のワークフローを視覚的に作成することができます。

~~　【図】： AWS Glue イメージ図　~~

【参考】：[AWS Glue の概念 - AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/components-key-concepts.html)

### AWS Glue の参考書：AWSではじめるデータレイク

AWS Glueを利用する前に、ETLやデータレイクについて学ぶ際におすすめの参考書である「AWSではじめるデータレイク」を紹介します。**本書では、データレイクの概念や機能などの基本から、それらをAWSで実現する方法までが詳しく解説されています。**

他にはAWS上の関連サービスの概要や連携方法も解説されており、予備知識を得ておくことでAWS Glueに早く馴染めることでしょう。

▪著者：上原 誠 、志村 誠、下佐粉 昭、関山 宜孝
▪出版社：テッキーメディア
▪ページ数：377ページ
▪出版日：2020年7月9日

【参考】：[AWSではじめるデータレイク](https://techiemedia.co.jp/books/)

AWS Glueの概要については理解できたでしょうか。AWS Glueを始める前に、*AWS Glueの主な機能について理解しておきましょう。*ここでは、4つの機能について解説します。

**ETLジョブとは、データソースから分析に必要なデータを抽出する機能です。**必要に応じ、サーバーレス・エンジンにてTransformation（データ変換）を行ってDWHに連携します。

【参考】：[AWS Glue での ETL ジョブ ｜ AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/etl-jobs-section.html)
【参考】：[PowerPoint Presentation | AWS Black Belt Online Seminar](https://d1.awsstatic.com/webinars/jp/pdf/services/20210330_AWSBlackBelt2021_AWSGlueStudio.pdf)

~~　【図】： AWS Glue  ETLジョブ概要　~~

データソースからETLジョブによって構築されたデータレイクをクロールし、**データレイクに保存されたデータの内訳情報（メタデータ）を抽出してAWS GlueのData Catalogにテーブル形式で保存する機能です。**

【参考】：[クローラーの仕組み ｜ AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/crawler-running.html)

**クローラーによってデータレイクから収集されたメタデータ（データの場所やスキーマなどの情報)が格納される場所です。**データ分析を行うには、データの発生元や分析対象データの属性などの説明情報が必要なため、データカタログを参照しながらデータ分析が行われます。

【参考】：[AWS Glue のデータカタログとクローラー ｜ AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/catalog-and-crawler.html)

**ここまで紹介したETLジョブ、クローラー、データカタログ出力まで、一連の処理を自動化する機能としてワークフローがあります。**ワークフローを利用することで、AWS Glueのサービスを可視化できます。

【参考】：[Glue の公開 ｜ Amazon Elastic Compute Cloud](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/workflows_overview.html)

## AWS Glueを利用するメリットとデメリット

AWS Glueはデータサイエンティストやデータアナリスト、システムエンジニアにとって優れたサービスです。ここでは、AWS Glueを利用するメリット・デメリットを確認しておきましょう。

AWS Glueを利用することによって、どのようなメリットが得られるのでしょうか。**ここでは主なメリットを3つ紹介します。**

*■ データ分析環境を迅速に構築できる*
AWS Glueはサーバーレスのため、インフラ構築が不要、かつ事前準備がほとんど不要なため、分析データのデータソースさえあれば、直ちに分析を行うことができます。また大規模データの分析実績が豊富にあり、データ容量やサイジングの心配が不要です。

*■ 豊富な自動化機能により運用負荷が掛からない*
データ分析は事前の準備作業や手作業での試行錯誤を伴い、運用負荷が大きい傾向がありますが、AWS Glueのクローラーやワークフロー機能を活用することで、データ分析環境の更新や処理の自動化を行えるため、運用負荷の大幅な低減が可能です。

*■ データ分析に専念できる*
データ分析は常にデータの更新が必要であり、前工程やメンテナンスに労力が必要です。AWS Glueはそのような処理がほぼ自動化できるため、利用者は開発やデータ分析に専念することができます。

データ分析関連の仕事は何がある？必要なスキルや転職方法を解説

AWS Glueには大きなデメリットはありませんが、あくまでもクラウド環境でのサーバーレスサービスであるため、*オンプレミス環境の既存システムやAWS内のEC2インスタンス側のアプリとの連携を構築するのに手間と工数が掛かります。*

AWS Amazon EC2のインスタンスとは？インスタンスの起動・確認方法を合わせて解説！

*AWS Glueを始めるためのステップについて、どのような手順が必要なのかを見ていきましょう。*AWS Glueの利用にはAWSアカウントが必要になりますので、まだ取得していない人は取得しておくことをおすすめします。

**AWS Glueを始めるには次のステップを踏みます。**

①AWS アカウントをセットアップしてログインする
②AWS Glue サービスの IAM ポリシーを設定する
③データストアにアクセスするための環境を設定する 

上記のステップについて、概要を解説します。

【参考】：[開始方法 - AWS Glue ｜ AWS](https://aws.amazon.com/jp/glue/getting-started/)

*■ AWS アカウントをセットアップしてログイン*
AWSアカウントを取得していることが、AWS Glue利用の前提条件です。AWSアカウントでログインするとAWSコンソールが表示されます。これまでにAWS Glueを利用している場合は、メニュー一覧にAWS Glueが表示されていますので、ここからAWS Glueのサービスにアクセスします。

~~【図】： AWSコンソールにログイン　~~

AWS Glueが表示されていない場合は、まだ利用履歴がないため、上の検索窓に"AWS Glue"と入力し、表示されたメニューから目的のサービスを選択します。

~~【図】： AWSコンソールからGlueを選択　~~

*■ AWS Glue サービスの IAM ポリシー設定*
IAMポリシーとは、利用するAWSサービスやリソース、操作や許可などの権限をユーザーに対して設定できる定義のことです。

AWS Glueで設定するIAMは、AWS Glue用IAMロール、AWS Glueコンソールで使用するNotebook server用のIAMロール、コンソールのアクセス権限などです。詳細については、ドキュメントで確認しましょう。

【参考】：[AWS Glue のドキュメント ｜ AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/?icmpid=docs_homepage_analytics)
【参考】：[AWS Glue 用の IAM アクセス許可のセットアップ  ｜  AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/getting-started-access.html)

~~【図】： AWS Glueコンソール IAM ポリシー設定　~~

*■ データストアにアクセスするための環境設定*
AWS Glueを利用できるようにするためには、データストアにアクセスするための環境設定が必要です。AWS GlueではS3以外にRDS、Redshiftなどのデータストアとの連携が可能です。

RDS、RedshiftはVPC（Virtual Private Cloud）内にリソースを置くため、VPC外のS3と連携するためにVPCエンドポイント設定が必要です。他、AWS GlueとVPC内の各リソースと通信が行えるようにセキュリティグループの設定を行います。

最後にDNSの設定を行います。設定ができたら、入門ガイドの手順に従ってデータの分析を開始しましょう。

【参考】：[データストアへのネットワークアクセスを設定する ｜ AWS Glue](https://docs.aws.amazon.com/ja_jp/glue/latest/dg/start-connecting.html)

~~【図】： AWS Glueコンソール　~~

~~【図】： AWS Glue　VPCを作成　~~

【参考】：[Amazon VPC（仮想ネットワーク内での AWS リソースの起動）| AWS](https://aws.amazon.com/jp/vpc/)

~~【図】： AWS Glue VPCを作成　詳細　~~

AWS Glueは実行中のジョブが使用するデータ容量やリソース、クローラーに対する料金が発生し、**時間単位で課金されるものと、月額料金として課金される2種類があります。**

*【時間課金されるもの】*
▪クローラーによるデータの検出と抽出
▪ETLジョブ（データの処理とロード）の実行
▪ETL コードをインタラクティブ開発するため、開発エンドポイントをプロビジョニングする場合

*【月額課金されるもの】*
▪データカタログとして使用しているオブジェクトの個数とアクセス回数（ただし100万個までのオブジェとデータカタログへのアクセス回数100万回までは無料）

詳細料金については、AWS料金計算ツールを利用して試算をしておくことをおすすめします。

【参考】：[ 料金 - AWS Glue | AWS ](https://aws.amazon.com/jp/glue/pricing/)

## AWS Glueを利用してデータ分析環境を簡単構築しよう

ここまでAWS Glueの概要や機能、利用するメリットとデメリット、AWS Glueの始め方や利用料金などについて紹介しました。**AWS Glueを利用することで、高速かつ安価でデータ分析環境の整備ができます。**この記事でAWS Glueに興味が湧いたら、ぜひ利用してみてください。

AWS Glueとは、様々なデータソースから、データ分析やアプリケーション開発などを目的にデータ検出・データ抽出・結合などを簡単に行うために用意された、AWSの『サーバーレスデータ統合サービス』です。この記事では、AWS Glueについて分かりやすく解説します。

AWS GlueはAWSが提供するETLツールであり、サーバーレス・データ統合サービスの名称

AWS Glueの主な機能はETLジョブ、クローラー、データカタログ、ワークフローである

AWS Glue によりデータウェアハウスの構築作業が軽減され、分析環境が容易に作れる

AWS Glueとは？概要や始め方、料金をわかりやすく解説！

Pythonには、いくつもの開発支援機能が備わっており、モジュールもその一つです。*モジュールは部品という意味を持つ言葉で、Pythonで利用できるクラスや関数などをまとめたプログラムファイルで、他のプログラムから呼び出して利用することができます。*

### モジュールを利用するメリット

*モジュールを利用すると、利用頻度の高いクラスや関数などをその都度記述しなくてよくなるため、コーディングを効率的に進めることができます。*また、それに伴ってよりシンプルで可読性の高いコードを書くことが可能になります。

*Pythonのモジュールの実体は、「.py」の拡張子を持つプログラムファイルです。*ファイル内にはPythonで書かれたコードが記載されています。具体的には、モジュールが想定する用途に沿った関数やクラスなどがまとめられています。

### モジュールとパッケージの違い

*Pythonでは、関連性の高い複数のモジュールがディレクトリ（フォルダ）単位にまとめられたものをパッケージと呼びます。*機能が類似しているモジュールを複数呼び出したい時、一つ一つ読み込むよりパッケージ単位で読み込んだ方が効率的です。

パッケージは同じディレクトリ内に「\_\_init\_\_.py」というPythonファイルを配置することで識別されます。

### モジュールとライブラリの違い

ライブラリは、一般的には他のプログラムから呼び出すことを前提にした汎用的なプログラムのことを指しますが、Pyrhonでは前後の文脈によって様々な意味を持ちます。モジュールやパッケージのことを指してライブラリという場合もありますし、いくつかのパッケージをまとめたものを指す場合もあります。

*ここでは、いくつかのパッケージをまとめたものをライブラリと表現します。*ライブラリにはPythonにあらかじめインストールされている「標準ライブラリ」と、個別にインストールが必要な「外部ライブラリ」があります。ライブラリを利用すると、より複雑な機能を簡単に実装することができます。

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の標準ライブラリとは、Pyrhonをインストールした時点で使用できるライブラリを指します。*Pythonにはプログラマーがすぐに開発を始められる環境をセットで提供する「電池付属 (Battery Included)」という思想があり、利用頻度の高い汎用的なクラスや関数のほとんどはこの標準ライブラリだけでまかなうことができます。

ここでは標準ライブラリの使用例を紹介します。今回は例として、randomというモジュールを使用します。*このrandomモジュールは、その名の通りランダムな値を生成する関数を使用できるため、実行するたびに結果が変わるクジの抽選のような処理に利用されます。*

### import文を使ってモジュールを呼び出す

*モジュールを呼び出すにはimport文を使用します。*例えば、randomモジュールを呼び出したい場合は、Pythonファイル内に以下のように記述します。

*randomモジュールを呼び出すと、以降はそのプログラム内でrandomモジュールに含まれる乱数生成の関数を使用できるようになります。*例えば、整数の乱数を生成するrandint関数を以下のように記述できます。

*「.」を挟んで左がモジュール名、右が関数名です。*この関数が実行されると、1から10までのランダムな整数を返却します。**Python学習をはじめたばかりの方は、まずは標準ライブラリを一通り活用してみるとよいでしょう。**

Pythonでは、標準ライブラリ以外にも自分や第三者が作成したライブラリをインポートして利用することができます。このような標準ライブラリ以外のモジュールをすべて外部モジュール（または外部ライブラリ）と呼びます。

Pythonの魅力の一つとして、この外部ライブラリが充実していることが挙げられます。**機械学習やデータ分析など、様々な専門分野で活用できる豊富なライブラリを駆使すると、高度な開発を効率的に行うことができます。**

*外部ライブラリは、最初から利用できる標準ライブラリとは違い、個別にダウンロード・インストールが必要になります。*外部ライブラリのインストール方法は環境によって異なりますが、一般的にはpipというパッケージ管理ツールを使用して、PyPI（Python Package Index）というサードパーティソフトウェアリポジトリ（大量のライブラリが保管されている倉庫のような場所）に公開されているPythonパッケージをダウンロード・インストールして利用します。

Pythonのpipインストールを徹底解説！Windowsでも簡単？

### pipを利用して外部ライブラリをインストールする

ここでは、pipを使用して外部ライブラリをインストールする方法について解説します。pipはお使いのPythonのバージョンによってはプリインストールされていますが、そうでない場合は別途インストールする必要があります。

pipがインストールされているかどうかは、コマンドライン上で以下のコマンドを実行すると確認できます。

実行結果として、pipのバージョンが表示されればインストール済みです。もしインストールされていない場合は、下記URLからget-pip.pyをダウンロードできます。

【参考】：[PyPI公式](https://bootstrap.pypa.io/get-pip.py)

get-pipを使用してpipをインストールするには、コマンドライン上で以下のコマンドを実行します。

pipがインストールされている場合は、インストールしたいパッケージを選んでインストールしてみましょう。 例えば、PythonからExcelを操作できるライブラリであるopenpyxlをインストールする場合は、コマンドライン上で以下のコマンドを実行します。

インストールされた外部ライブラリは、標準ライブラリと同じようにimport文で呼び出して使用することができます。

ここではpipの基本的な使い方にのみ絞って紹介しましたが、インストールするライブラリのバージョンを指定したり、テキストファイルに記載されたライブラリを一括インストールしたり、ライブラリのアップグレード・ダウングレードといった操作にも対応しています。慣れてきたら挑戦してみてください。

## 外部モジュールを作成する方法

ここまでは、標準ライブラリや外部ライブラリなど、第三者が作ったモジュールやライブラリを呼び出して使用する方法について解説してきました。これらのモジュールやライブラリは、実体はプログラムファイルですので、自分でも作ることができます。ここでは、モジュールを作成して呼び出す方法について解説します。

まずは、コードを記載するためのファイルを作成します。お使いのエディターで、任意の名前の新規ファイルを作成しましょう。

なお、標準ライブラリや外部ライブラリでは意識する必要はありませんでしたが、Pythonではモジュールの読み込みに使用されるディレクトリが指定されていますので、そこに格納する必要があります。

ファイルの拡張子を「.py」とするとそのファイルはPythonファイルとして扱われるようになり、import文で呼び出せるようになります。例えば、以下のようなファイル名にします。

### pyファイルにコードを記述する

先ほど作成したファイルを開いて、コードを記述していきます。モジュールは他のプログラムから呼び出して使用することが前提となるため、単独で実行できるプログラムとしてではなく、他のプログラムで利用したいクラスや関数を定義しておくことが一般的です。

ここでは、シンプルにモジュール名を出力するだけのfuncname関数を定義してみます。

コーディングをより効率的にするには、既存のコードの再利用が有効です。利用頻度の高いコードを保存しておいて、いつでも呼び出すことができれば、同じコードを繰り返し書く手間を削減できます。ここでは、Pythonのモジュールを活用して効率的なコーディングを行う方法を解説します。

モジュールはimport文で呼び出して使用する

pipを使用した外部ライブラリのダウンロード・インストール方法

Pythonのモジュールとは？概要と使い方をわかりやすく解説！

## 「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。

お役立ち記事