Pythonで日常作業が2倍速くなる自動化の始め方

まずはこのステップを実行してみて - Python自動化で日常作業を効率2倍にアップするためのすぐできるコツ

毎週1つ、自分の作業をPythonスクリプト化してみる
7日以内に繰り返し発生する手間が半減、工数削減が実感できるから
PandasやMatplotlibなど主要ライブラリは3種類以上必ず手元で動かす
代表的な処理パターンを体得すると応用範囲が一気に広がる
WebスクレイピングやAPI連携は10分以内に簡単なサンプルを書いて確認
"動く"経験を積むことで学習効率と本番導入スピードも加速
(最低)毎月1回は既存自動化スクリプトの見直し・最適化ポイント探し
放置せず改善サイクルを回すことで障害予防や運用負荷の減少につながる

Pythonでどんなことができるかを知る

Pythonって、妙に多才なプログラミング言語なんだよね。たしかソフトウェア開発やデータサイエンス、それから自動化の分野によく登場する気がするけど……ふと気を抜くと組み込み系とかにも顔出してる。まあ、もう慣れちゃったかな。あぁ…それで主な用途は、この4つ——うん、改めて並べてみると幅広いもんだな。

実際にPythonを使えば、機能面でも割と豊富なアプリケーションをこしらえられるわけでさ。たとえばデスクトップ向けのソフトウェアだとかウェブのアプリなんか、普通に構築できたりする。そのうちデスクトップアプリならさ……ふむ、TkinterとかPyQt、それにKivyっていうツールキットが割と便利。こういったライブラリを介すことでフォームとかボタン、メニューのようなUI部品――あぁでも、途中でUI設計の話し出すと長くなるから、一回ここら辺で手繰り寄せ直そう（…脱線注意）。

ま、とにかくこれらライブラリ活用して色々作れるし、この段落では特にFlaskやPyQt5も引き合いに出されてて、自作したユーティリティ用テンプレートまで紹介されているみたい。それって地味だけど案外役立つ情報なんだよね。本音言うなら、時にはこういう便利ツールが精神的支えになったりもするんだけどさ。ま、いいか。

アプリ開発にPythonを活用してみよう

Tkinterで基本的なウィンドウを作るときって、下記のコードみたいに書いてしまうんだよね、なんとなく。  

import tkinter as tk

root = tk.Tk()
root.title("My App")
root.geometry("300x200")

label = tk.Label(root, text="Hello, Python!")
label.pack()

root.mainloop()
いや、本当に単純なんだけど、このあっさり感には逆にちょっと拍子抜けするかも。
ちなみに…Pythonはウェブ開発の領域でも結構頼れる選択肢らしい。ま、DjangoとかFlaskみたいなフレームワークを使い倒せば、データベースとの連携とかAPIの設計、テンプレートまで――要はバックエンドロジックも含めて幅広くカバーできるわけ。Djangoの方は機能が多彩で大規模プロジェクトにも合っているし、一方Flaskになると軽量性と柔軟さが際立つから、小粒なアプリや自分流カスタマイズに向いてたりもする。でも正直、何を優先するか悩む人、多い気がする…。ま、いいか。

WebサイトやAPIをPythonで構築するには？

正直に言うと、どちらの手法でも安全性や拡張性がちゃんと考慮されたウェブアプリケーションは普通に作れる、というわけだ。でもね、Flaskを使い始めたい場合は、とりあえずこのPythonコードみたいな感じになる（こんなの誰でもすぐに触れると思う…いや、自分だけかな？）。

from flask import Flask

app = Flask(__name__)

@app.route("/")

def home():

    return "Hello, web!"

if __name__ == "__main__":

    app.run(debug=True)

実は、Python自体がバックエンドサービスとかAPI開発、それから割と規模のでかいシステムを裏側で動かす道具としても結構重宝されてたりする。ここで**FastAPI**なんていうイマドキのフレームワークを持ち出してやれば、HTTPまわりも柔軟に捌けるし、高速なリクエスト処理も夢じゃない現代的なサービスづくりが可能になる。不思議だよね。

ちなみにPyQt関連は──`pip`コマンドひとつ打ち込んでやれば`PyQt5`と、そのお供の開発ツールたちまでまとめて簡単にインストールできる。
pip install PyQt5 PyQt5-tools

## 基本的なPyQtウィンドウの作成

今度は最小限の動く例。意外と短い。

import sys

from PyQt5.QtWidgets import QApplication, QLabel, QWidget

app = QApplication(sys.argv)

window = QWidget()
window.setWindowTitle('My First PyQt App')
window.setGeometry(100, 100, 280, 80)

label = QLabel('Hello, PyQt!', parent=window)
label.move(60, 15)

window.show()
sys.exit(app.exec_())

## Pythonによるデータ・数学処理の探究

気づけば、Pythonってデータサイエンス周りでは不可欠になっちゃった感あるんですよ。研究者だったりアナリストだったり、ごちゃごちゃした生データ読み込みから成形――そこそこ面倒くさい探索分析やモデル構築まで。正味な話、**NumPy**や**Pandas**、それからグラフ描写用の**Matplotlib**辺りのおかげで数値演算とか大規模データ操作だって楽々なんです。（ふー……こんなのできる世代がちょっとうらやましい時もある。）

PyQt5とTkinterで基本ウィンドウを作成しよう

NumPyって、配列の操作はもちろん、ちょっとした数学的な計算まで普通にできちゃうし。Pandasは…そうだね、まあ言葉にしづらいけど、とりあえずデータテーブルのあれこれ―たとえばごちゃついた集計とか―もパッと進められるんだよ。なんか途中で思い出したけど、MatplotlibやSeabornも悪くない。グラフを作るなら…やっぱりそこかな。ただ、一息つこうと思ってふと技術記事を読んでいたらさ、Matplotlib関連のgifが貼ってあって、「**Matplotlibチャートを際立たせる方法**」とか、それについてさらっと解説されていて少し興味惹かれたりして…。ま、どうでもいい話だったか。

もし深く知りたい人はその記事見てみる？暇な時とか。それより今だよ、分析する前にデータセットをPandasでぱぱっと取り込む方法、これだけは押さえておきたい感じある。

<code>python

import pandas as pd

df = pd.read_csv("data.csv")
print(df.describe())

いや、ここまでは誰でもやる。でも、このデータからグラフ化したくなる瞬間絶対あるじゃん。そのときどう動けばいい？自分もちょっと考えてみたりして―わりと基本中の基本だけど、小さな工夫ひとつで可視化へのハードルが下がった気もする。ま、いいか。

データ解析・可視化はPythonライブラリで始める

データサイエンスに足を踏み入れると、まず立ちはだかるのがデータ構造や配列ってやつらなんだよね。Pythonでよく目にするリスト（lists）、それに辞書型（dicts）、あとセット（sets）、タプル（tuples）も……これ全部、どうにも避けて通れない基礎中の基礎。うんざり？いやまあ、本音を言えば面倒だけど、避けてたら話にならないんだな。NumPyの配列なんかは…妙に高速計算が強みっぽいし、ときどき「なんでそんなに早い？」と首をひねる瞬間すらある。

ふと考えてみれば、現実のデータって整理整頓されてる方が珍しくてさ、不規則で混沌としているものばっかりなのだ。それゆえ、やっぱりクリーニング作業から逃げられなくなる。「dropna」や「fillna」を使って欠損値への対応をしたり、そのくせ同じようなデータが二度三度出てくるから重複排除も不可欠だったりして。しかも気づけば、型変換やフォーマット標準化まで要求される始末。まったく…心底疲れる瞬間も多い。

そこまで手を動かしたとして、今度は全体像や傾向、このデータが一体何者なのか把握・表現する必要性に苛まれる。グラフ化――うーん、この段階でもう逃げ場はない。Matplotlib使って地味〜なプロットを書いた後、もっと華やかな表現にはSeaborn、高度なインタラクション求めるならPlotly…とか。このあたり、本当に正解がひとつじゃないから困る。でも不思議と可視化するとスッキリ腑に落ちたりするから、ああ、それだけで救われた気分になる日もあるんだよなぁ…。

PandasやMatplotlibで表やグラフをすぐに試す方法

統計学とか確率論をやるときって、Pythonがほんと助かるんだよね。scipy.statsというライブラリで、まあ平均値とか中央値、それから標準偏差みたいな記述統計はもちろんできるし、さまざまな確率分布の操作も簡単になっちゃう。いや、相関係数や共分散なんて言葉にすると固いけど、一応そういう解析もサクッとこなせる。それに仮説検定の処理まで全部そろっているから、結局どうしても幅広く頼りたくなる。ただ……自分でもたまに、本当にこの操作理解できてるか不安になることもある。

でね、機械学習をもっと触ろうと思ったらさ（眠いけどしょうがない）、Pythonにはscikit-learnやXGBoostとかTensorFlowやPyTorchみたいな、もう名前覚えただけでちょっとした自己満のライブラリが用意されてる。この辺りはモデル構築だったり訓練手順、それぞれ評価ツールまでぱぱっと揃う親切設計です。決定木分類器を作りたい場合、なんとなく下記みたいな書き方になるかな。

kotlin

from sklearn.tree import DecisionTreeClassifier

from sklearn.model_selection import train_test_split

from sklearn.datasets import load_iris

data = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
data.data, data.target, test_size=0.2, random_state=42
)

model = DecisionTreeClassifier()
model.fit(X_train, y_train)

print("Accuracy:", model.score(X_test, y_test))

まあこうして見るとわかる通りだけど…結局AIとか統計分析系プロジェクトやろうと思ったらPython一本でほぼ道具箱足りちゃうんだよな。でも、本音を言えば万能過ぎて、ときどき人間側のやる気が迷子になる。そしてもう一つ言えば、自動化って点でもめちゃくちゃ便利。ファイル移動だってメール送信だって日常作業に至るまで、「ああまたこれ？」みたいなのほぼ全部自動スクリプトで回せます。Webサイトから必要情報引っ張ったりスプレッドシートを適当に更新したり、その結果として一応「本当に大事」だと思える作業へ集中もしやすい。「こんなのできちゃうなら他にも何か…」と妄想ばっか膨らむ日々だけどね。ま、いいか。

機械学習モデルはscikit-learnなどのPythonツールで実装する

**os** や **shutil**、あと **smtplib**、それから **requests**、さらには **openpyxl** みたいなライブラリたちは、気が付いたら何かと助けてくれる存在だよな。まあ……本当は全部自分で書ければいいんだけど（それって無理だし）、やっぱ頼ること多い。例えばフォルダーの中身をまるごとコピーしたい時なんだけど――普通こうするしかない：

python

import shutil

shutil.copytree("source_folder", "destination_folder")

……えーと、この程度でもう十分だったりする。他にもメール送信ならちょっと手順いるかな？　まあ、自動化目的とかだとうっすら面倒。でも何度もコピペして使ってしまう。

python

import smtplib

from email.mime.text import MIMEText

msg = MIMEText("This is the body of the email")
msg["Subject"] = "Hello"
msg["From"] = ""
msg["To"] = ""

server = smtplib.SMTP("smtp.example.com", 587)
server.starttls()
server.login("", "yourpassword")
server.send_message(msg)
server.quit()

ウェブスクレイピングについて話すと――なんとなく難しそうって感じる人もいるかもしれないけど、実際はわりとシンプルなんだよね。**requests** と **BeautifulSoup** を組み合わせれば、とりあえず最低限の取得はできる。この例…うーん、良くも悪くも教科書的というかさ。

python

import requests

from bs4 import BeautifulSoup

response = requests.get("https://news.ycombinator.com/")

soup = BeautifulSoup(response.text, "html.parser")python

for title in soup.select(".titleline"):

    print(title.get_text())

要は慣れの問題なんだけど、多分一回この辺に触れてしまえば案外普通なものとして溶け込む（私は半信半疑だったけど）。それに職場とか日常業務でPython使われている場面、本当に増えてきたんだろうね。報告作成・データ入力とかAPI連携やスプレッドシートとの接続だったり。Google SheetsやSlack経由でワークフロー強化できるの、本音を言えば羨ましい瞬間あるな。それから、この原稿内ではダミーデータ生成など、自動処理関連スクリプトの具体例もちょこっと紹介されてた記憶がある。ただ、そのあたり詳しく知りたければリンク先の記事を一通り眺めてもらった方が早いような気もする。【注意事項】

日常業務の自動化にPythonスクリプトを使うべき理由

Pythonって、わりと現実世界でも活躍しているんだよね。まあ当然といえば当然かもしれないけど――いや、意外に思う人もいる？たとえばRaspberry Piみたいなマイクロコントローラーとか、MicroPythonを載せてる小さなボードなんかでは、Pythonを使ってセンサーとかライト、モーターの制御ができちゃうんだ。
何というか、ごく単純な例だけど……Raspberry Piで**gpiozero**ライブラリを導入すればLEDがピカピカ光ったりするし、「へえ」ってちょっとだけ驚いてしまうかも。

python

from gpiozero import LED

from time import sleep

led = LED(17)python

while True:

    led.on()

    sleep(1)

    led.off()

    sleep(1)

まあこんな風にプログラムを書くと、ロボット自体の移動や障害物の検知、それからライン上を追いかけたりボタン入力に反応したりする機能まで作り込める。それに環境をセンシングして反応させたいなら――どうにもやっぱりPythonは制御言語としてかなり「ラク」なんだよね。ふう……ESP32とかCircuit Playgroundみたいなさらに小型の基板にも**MicroPython**っていうミニマム仕様のインタープリタが組み込まれてて、そのままデバイス上で直に走る仕組み。そういえば忘れがちだけど、Pythonは**ROS（Robot Operating System）**との連携面でも抜群によくできてる。

そもそもROS自体はC++ベースなのに、そのくせきちんとしたPythonバインディングまで用意されているものだから、大掛かりなシステム基盤や複雑な構成の場合でも、ロボットの個別制御コードやデータ処理スクリプト、そしてAI系のロジック部分などなど……好き勝手にPythonで書ける強みがある（少しズルイと思わなくもない）。ま、ときどき迷ったり行き詰まる瞬間もあるんだけど。

Webスクレイピングやメール送信をPythonで簡単に実行する手順

なんだか最近、いろんな学校や研究室、それに手作りが好きな人たちの間でも、マイクロコントローラとかロボットアームのプログラミングには結局のところPythonを選んでいるケースが多いみたい。私もちょっと使ったことあるし、あー…あれ？そういえばラズパイにも入ってるよね、と今ふと思ったけど、話戻すね。

Python自体はものすごく幅広い世界で活躍してるらしくてさ。たとえばInstagramみたいな巨大サービスの裏側も支えてるし、小さいチップ上でゴソゴソ動いたり（こっちはIoT界隈？）、それからDiscordで遊ぶ時のボットを動かしてたりするよね。それだけじゃなくて、科学者さんが分子模型を組み立てたりするときも役立つんだから、不思議。

えっと、https://pypi.org を開いてみればわかるけど、そこには数千種ものオープンソースパッケージが並んでて目移りしちゃうくらい。でもまぁ、急ぐ必要はないかな。「技術的な深掘り」…例えば機械学習方面とか連想しかけたけど、おっと本題だった。本筋に戻ると。

無料でPythonを勉強したいなら、https://python.org や https://realpython.com が使える。特に、「まったく初めて」の人なら https://python.org/downloads からインストールして、その公式ドキュメントもじっくり読むといいんじゃないかな。（私は昔は英語読むの嫌だったけど。）

最後になったけど、この文章が少しでもあなたの助けになったなら嬉しい。それだけ伝えたかった。ま、いいか。

Raspberry PiやMicroPythonでロボット制御を楽しもう

何かしら疑問が浮かんだときや、今後のチュートリアルで取り上げてほしいちょっと変わったPythonコード例とか、新しいトピックの提案なんかがあれば……正直なところ遠慮せずに気軽に伝えてほしいです。実際のところ、みなさんから寄せてもらう意見や提案は常に大切な参考になっています。ふと思いつくフィードバックでもありがたいので、待ってますね。楽しみながらコードを書こう。ま、いいか――Py-Core.com Python Programming【注意事項】