【Python】初心者でも作れるもの(成果物)の例を3つ紹介

公開：2025年4月6日更新：2026年4月6日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

Python初心者でも作れるもの
成果物の例①Excel自動化ツール
成果物の例②スクレイピングツール
成果物の例③画像認識ツール

Python初心者でも作れるもの

Pythonは初心者にとっても扱いやすい言語であり、比較的短いコード量で実用的なプログラムを開発することが可能です。適切なライブラリを活用することによって、プログラミング経験が浅い方でも日常業務を自動化するツールやデータ分析のためのスクリプトなどを作成できます。

【サンプルコード】
# 簡単な電卓アプリケーション
def calculator():
    print("Python簡易電卓")
    print("終了するには 'q' を入力してください")
    
    while True:
        expression = input("計算式を入力: ")
        if expression.lower() == 'q':
            break
        try:
            result = eval(expression)
            print(f"結果: {result}")
        except Exception as e:
            print(f"エラー: {e}")

if __name__ == "__main__":
    calculator()

【実行結果】
Python簡易電卓
終了するには 'q' を入力してください
計算式を入力: 5+3
結果: 8
計算式を入力: 10*4
結果: 40
計算式を入力: 20/4
結果: 5.0
計算式を入力: q

Pythonはシンプルな構文と豊富なライブラリを持つプログラミング言語であり、初心者でも短期間で習得して実用的なアプリケーションを作成することが可能です。上記のサンプルコードでは eval() 関数を使用して入力された計算式を評価し、結果を表示する簡単な電卓を実装しています。

Python研修一覧はこちら

目的に合うPython研修を一覧形式から探したい方は、ぜひご利用ください。

Python研修を比較する

Java研修一覧はこちら

目的に合うJava研修を一覧形式から探したい方は、ぜひご利用ください。

Java研修を比較する

PHP研修一覧はこちら

目的に合うPHP研修を一覧形式から探したい方は、ぜひご利用ください。

PHP研修を比較する

新入社員研修

目的に合う新入社員研修を一覧形式から探したい方は、ぜひご利用ください。

新入社員研修を比較する

全ての研修からも探したい方はこちら

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するための優れた成果物です。pandas、openpyxlなどのライブラリを利用することによって、複数のExcelファイルからのデータ抽出、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

# Excelファイルの読み込みと集計
def process_sales_data(filename):
    # Excelファイルの読み込み
    df = pd.read_excel(filename)
    
    # 月別の売上集計
    monthly_sales = df.groupby('月')['売上金額'].sum()
    
    # 結果をExcelファイルに出力
    result_file = f"集計結果_{datetime.now().strftime('%Y%m%d')}.xlsx"
    monthly_sales.to_excel(result_file)
    
    # グラフ作成
    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'

# 使用例
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

このサンプルコードではpandasライブラリを使用してExcelファイルからデータを読み込み、月別の売上を集計して新しいExcelファイルに出力しています。さらにmatplotlibライブラリを活用することによって、集計結果をグラフとして視覚化し画像ファイルとして保存する機能も実装しています。

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、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の豊富なライブラリを組み合わせることによって、手作業では数時間かかる作業を数秒で完了させるツールを開発することが可能です。

業務効率化を目的としたExcel自動化ツールは、プログラミング初心者でも比較的短期間で習得できるスキルでありながら、実務での価値が非常に高い成果物です。特に事務作業や定型業務が多い職場環境においては、こうした自動化ツールの開発スキルが高く評価される傾向があります。

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あり、Python初心者でも比較的簡単に実装できる実用的な成果物です。requestsとBeautifulSoupライブラリを組み合わせることによって、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:
        # 天気情報サイトのURL（架空の例）
        url = f"https://example-weather.com/forecast/{city}"
        
        # ウェブページの取得
        response = requests.get(url)
        
        # ステータスコードの確認
        if response.status_code == 200:
            # HTMLの解析
            soup = BeautifulSoup(response.text, 'html.parser')
            
            # 天気情報の抽出（実際のサイトに応じてセレクタを調整）
            temperature = soup.select_one('.temperature').text.strip()
            condition = soup.select_one('.condition').text.strip()
            humidity = soup.select_one('.humidity').text.strip()
            
            # データの保存
            weather_data.append({
                '都市': city,
                '気温': temperature,
                '天気': condition,
                '湿度': humidity
            })
            
            # サーバに負荷をかけないよう一定間隔を空ける
            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}")
    
    # データフレームに変換してCSVに保存
    df = pd.DataFrame(weather_data)
    df.to_csv('weather_data.csv', index=False, encoding='utf-8')
    return df

# 使用例
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%

このスクレイピングツールは複数の都市の天気情報を自動的に収集し、CSVファイルに保存する機能を実装しています。requestsライブラリでWebページを取得し、BeautifulSoupを使用してHTMLを解析することによって、必要な情報だけを抽出する仕組みになっています。

Webスクレイピングは市場調査、価格比較、ニュース記事の収集など様々な用途に応用可能な技術です。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によって、ビジネス上の意思決定や研究活動をサポートする強力なツールとなります。

スクレイピングツールを開発する際には対象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。

Python基礎・実践(Django)

企業・法人向けのPython研修では、基礎から応用まで体系的に学べます。

Python研修の詳細

DX社員研修

企業・法人向けのDX研修では、実務に繋がるリスキリングでITレベルを向上させます。

DX研修の詳細

Javaエンジニア育成研修

企業・法人向けのJavaエンジニア育成研修では、Javaの基礎から応用まで確実に習得できます。

Java研修の詳細

新卒・新入社員向け研修

企業・法人に新入社員・新卒社員に向けたプログラミング研修を提供しています。

新入社員研修の詳細

コードキャンプのIT研修を全て見る

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おり、初心者でも既存のライブラリやフレームワークを利用することによって、簡単な画像認識ツールを開発することが可能です。OpenCVやTensorFlowなどのライブラリを組み合わせることによって、顔検出や物体認識などの高度な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):
    # 画像の読み込み
    image = cv2.imread(image_path)
    
    # グレースケールに変換
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # OpenCVの顔検出器を読み込み
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    
    # 顔の検出
    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")
    
    # 検出した顔に四角形を描画
    for (x, y, w, h) in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # BGR形式からRGB形式に変換（Matplotlibで表示するため）
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    
    # 結果の保存
    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)

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

# 結果の表示
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

このサンプルコードではOpenCVライブラリを使用して画像から顔を検出し、検出した顔の周りに緑色の四角形を描画する機能を実装しています。haarcascade_frontalface_default.xmlは予め訓練された顔検出器で、グレースケールに変換した画像に対して顔の特徴パターンを探索することによって、人物の顔を識別します。

画像認識技術は単純な顔検出だけではなく、感情分析、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によって、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効果的です。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可能であり、将来的なキャリア形成においても価値のある経験となります。

※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。