【Python】初心者でも作れるもの(成果物)の例を3つ紹介

【PR】『Python』を学べる企業・個人向けのプログラミングコース

• 「Python基礎・実践研修」

  

• 「オーダーメイドコース」

  

成果物の例①Excel自動化ツール

Pythonを使用してExcelファイルを自動処理するツールは、日常的な事務作業を大幅に効率化できます。pandasやopenpyxlなどのライブラリを利用して、複数のExcelファイルからのデータ抽出や集計、分析、レポート生成などを自動化できます。

【サンプルコード】
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

def process_sales_data(filename):
    df = pd.read_excel(filename)
    
    monthly_sales = df.groupby('月')['売上金額'].sum()
    
    result_file = f"集計結果_{datetime.now().strftime('%Y%m%d')}.xlsx"
    monthly_sales.to_excel(result_file)
    
    plt.figure(figsize=(10, 6))
    monthly_sales.plot(kind='bar', color='skyblue')
    plt.title('月別売上集計')
    plt.ylabel('売上金額')
    plt.tight_layout()
    plt.savefig('monthly_sales.png')
    
    return result_file, 'monthly_sales.png'

result_file, graph_file = process_sales_data('sales_data.xlsx')
print(f"集計結果を{result_file}に保存しました")
print(f"グラフを{graph_file}に保存しました")

【実行結果】
集計結果を集計結果_20250405.xlsxに保存しました
グラフをmonthly_sales.pngに保存しました

Excel自動化ツールは単純なデータ集計だけではなく、データのクレンジングや複数ファイルの統合、条件付き書式の適用など様々な機能を実装できます。Pythonのライブラリを組み合わせることで、手作業では数時間かかる作業を数秒で完了させることが可能です。

成果物の例②スクレイピングツール

Webスクレイピングは特定のWebサイトから必要な情報を自動的に収集する技術です。requestsとBeautifulSoupライブラリを組み合わせて、Webページの情報を構造的に解析し、必要なデータだけを抽出するツールを開発できます。

【サンプルコード】
import requests
from bs4 import BeautifulSoup
import pandas as pd
import time

def scrape_weather_data(cities):
    weather_data = []
    
    for city in cities:
        url = f"https://example-weather.com/forecast/{city}"
        
        response = requests.get(url)
        
        if response.status_code == 200:
            soup = BeautifulSoup(response.text, 'html.parser')
            
            temperature = soup.select_one('.temperature').text.strip()
            condition = soup.select_one('.condition').text.strip()
            humidity = soup.select_one('.humidity').text.strip()
            
            weather_data.append({
                '都市': city,
                '気温': temperature,
                '天気': condition,
                '湿度': humidity
            })
            
            time.sleep(1)
        else:
            print(f"{city}の天気情報の取得に失敗しました。ステータスコード: {response.status_code}")
    
    df = pd.DataFrame(weather_data)
    df.to_csv('weather_data.csv', index=False, encoding='utf-8')
    return df

cities = ['東京', '大阪', '札幌', '福岡', '那覇']
weather_df = scrape_weather_data(cities)
print(weather_df)

【実行結果】
    都市    気温    天気    湿度
0  東京   23.5℃   晴れ    45%
1  大阪   25.0℃   曇り    60%
2  札幌   18.2℃   雨     80%
3  福岡   26.8℃   晴れ    50%
4  那覇   29.3℃   晴れ    65%

Webスクレイピングは市場調査や価格比較、ニュース記事の収集など様々な用途に応用できます。複数のWebサイトから継続的にデータを収集し分析することで、ビジネス上の意思決定や研究活動をサポートできます。

スクレイピングツールを開発する際は対象Webサイトの利用規約を確認し、サーバに過度な負荷をかけないよう配慮することが重要です。多くのWebサイトではrobots.txtファイルによってクローラーの動作を制限していることもあるため、適切なマナーとルールを守りながらツールを実装する必要があります。

【PR】『Python』を学べる個人・中高生向けのプログラミングコース

• 「オーダーメイドコース」

  

• 「CodeCampYOUTH」

  

成果物の例③画像認識ツール

Pythonは画像処理や機械学習の分野でも広く活用されています。OpenCVやTensorFlowなどのライブラリを組み合わせることで、顔検出や物体認識などの機能を実装できます。

【サンプルコード】
import cv2
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime

def detect_faces(image_path):
    image = cv2.imread(image_path)
    
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    
    faces = face_cascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(30, 30)
    )
    
    print(f"{len(faces)}個の顔を検出しました")
    
    for (x, y, w, h) in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    
    result_filename = f"detected_faces_{datetime.now().strftime('%Y%m%d_%H%M%S')}.jpg"
    cv2.imwrite(result_filename, cv2.cvtColor(image_rgb, cv2.COLOR_RGB2BGR))
    
    return image_rgb, result_filename, len(faces)

image_path = 'group_photo.jpg'
result_image, saved_file, face_count = detect_faces(image_path)

plt.figure(figsize=(12, 8))
plt.imshow(result_image)
plt.title(f'検出された顔: {face_count}個')
plt.axis('off')
plt.show()
print(f"処理結果を{saved_file}に保存しました")

【実行結果】
5個の顔を検出しました
処理結果をdetected_faces_20250405_143027.jpgに保存しました

画像認識技術は単純な顔検出だけではなく感情分析や年齢推定、物体の分類など様々な応用が可能です。より高度な機能を実装する場合は、TensorFlowやPyTorchなどの深層学習フレームワークと組み合わせることで、精度の高い画像認識システムを開発できます。

初心者向けのプロジェクトとしては、顔検出や色検出などの基本的な機能から始め、徐々に難易度を上げていくアプローチがおすすめです。画像認識の学習過程で得られる知識やスキルは、データ分析やAI開発など様々な分野に応用できます。

※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。

ITやプログラミングに関するコラム

• 
  【Windows編】Pythonのバージョンをアップデートする方法
• 
  【Python】グローバル変数を別ファイルで管理・利用する方法
• 
  バージョン確認でPythonだけ表示される原因と対処法
• 
  【Python】リスト(list)の括弧を外す方法
• 
  【Python】時間計測をミリ秒単位で実装する方法

ITやプログラミングに関するニュース

• 
  Baiduが新世代AIモデル「ERNIE 4.5」と「ERNIE X1」発表！無料公開で次世代AI体験が加速
• 
  Google「Gemini 2.0 Flash」で画像生成と編集機能を追加！AIで画像編集がさらに自由に
• 
  汎用AIエージェント「Manus」登場！あなたの代わりに成果を出す新世代AIエージェント
• 
  Appleが新型iPad AirとMagic Keyboardを発表
• 
  AnthropicがClaude 3.7 Sonnetを発表！初のハイブリッド推論AIと拡張思考モードを搭載