【実例多数】Pythonの初心者向けサンプルコードを徹底紹介

（最終更新日：2023年6月）

✔このような方へ向けて書かれた記事となります

「Pythonを使ったサンプルコードってどんなものがあるのだろうか？」
「Pythonで実践的なサンプルコードの書き方が知りたい」
「Pythonを用いた実例が見たい」

✔当記事を通じてお伝えすること

Pythonにおけるサンプルコードの基本
Pythonを利用した実践的なコードの作成方法や応用
Pythonを用いた実例

当記事では、Pythonを使ったサンプルコードの基本から、その応用や実践的な書き方について、具体例を用いて詳しく解説しています。

ぜひ最後までご覧いただき、Pythonを活用したプログラミングスキルを磨きましょう。

筆者プロフィール

【現職】プロダクトマネージャー

【副業】ブログ（月間20万PV）/YouTube/Web・アプリ制作

「プログラミング × ライティング × 営業」の経験を活かし、30後半からのIT系職へシフト。現在はプロダクトマネージャーとして、さまざまな関係者の間に入り奮闘してます。当サイトでは、実際に手を動かせるWebアプリの開発を通じて、プログラミングはもちろん、IT職に必要な情報を提供していきます。

【当ブログで紹介しているサイト】

当サイトチュートリアルで作成したデモ版日報アプリ

Django × Reactで開発したツール系Webアプリ

✔人に見せても恥ずかしくないコードを書こう

「リーダブルコード」は、わかりやすく良いコードの定義を教えてくれる本です。

見るからにきれいなコードの書き方
コードの分割方法
変数や関数の命名規則

エンジニアのスタンダートとすべき基準を一から解説しています。

何回も読むのに値する本なので、ぜひ手にとって読んでみてください。

リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック

created by Rinker

¥2,640 (2024/11/23 13:53:32時点 Amazon調べ-詳細)

Pythonの概要

Pythonという言語について、その基本的な知識をお伝えします。

基本を理解のうえ、コードへと進みましょう。

Pythonとは何か
Pythonの特徴とバージョン違い

Pythonとは何か

Pythonは、1991年にグイド・ヴァンロッサムによって開発された、インタープリタ型の高級プログラミング言語です。

特に初心者にとって親しみやすく、かつプロフェッショナルでも利用される機能性を持つことで知られています。

ウェブ開発からデータ分析、機械学習まで幅広い用途に使用できるのが特徴です。

Pythonの特徴とバージョン違い

Pythonの特徴はその読みやすさと書きやすさにあります。

これはPythonの文法が非常にシンプルで直感的だからです。

Pythonは現在、バージョン2系と3系がありますが、バージョン2は2020年にサポートが終了したため、現在はバージョン3を使用することが推奨されています。

バージョン間では互換性がない部分もあるため、適切なバージョンを使用することが重要です。

Python環境の構築

Pythonのプログラミングを始めるためには、まずPythonの環境を自身のコンピュータに構築する必要があります。

ここではPythonのインストール方法と、AnacondaおよびVisualStudioCodeのセットアップについて説明します。

Pythonインストール方法
AnacondaとVisualStudioCodeのセットアップ

Pythonインストール方法

Pythonのインストールは非常に簡単です。

Pythonの公式ウェブサイトからダウンロード可能なインストーラを使用しましょう。

このインストーラはWindows, MacOS, Linuxの各OSに対応しています。

ただし、すでにPythonがインストールされている場合や、複数のバージョンを扱いたい場合は、バージョン管理ツール（pyenvやAnacondaなど）を使ってください。

AnacondaとVisualStudioCodeのセットアップ

Pythonのコーディングを効率化するためには、統合開発環境（IDE）の利用が有効です。

ここではAnacondaとVisualStudioCodeのセットアップ方法について説明します。

Windows編
Linux（Ubuntu）編

Windows編

Anacondaは、Pythonと多数の科学計算パッケージを一括でインストールできるフリーソフトウェアです。

公式サイトからインストーラをダウンロードし、指示に従ってインストールします。

Visual Studio Code（VSCode）はMicrosoftが提供する無料のコードエディタで、Anacondaとの連携も可能です。

VSCodeの準備方法はこちらです。

Linux（Ubuntu）編

UbuntuにAnacondaをインストールするには、まず公式サイトからインストーラのシェルスクリプト（.shファイル）をダウンロードします。

ターミナルでダウンロードしたシェルスクリプトを実行することで、Anacondaがインストールされます。

VSCodeのインストールには、公式サイトから.debパッケージをダウンロードし、dpkgコマンドでインストールします。

VSCodeのPythonエクステンションをインストールすれば、Pythonの開発環境が整います。

Python基本構文とサンプルコード

Pythonの基本的な構文とその使用例を紹介します。

さまざまな実例をご覧ください。

print関数による出力
文字列の操作
リストの使い方
辞書型の活用
forループを使った繰り返し
if文による条件分岐

print関数による出力

Pythonで何かを出力するには、print関数を使用します。

例えば、”Hello, world!”を出力する方法はこちら。

print("Hello, world!")

これを実行すると、画面上に”Hello, world!”と表示されます。

また、変数を出力することも可能です。

たとえば、変数xに1を代入し、これを出力するには以下のように書きます。

x = 1
print(x)

文字列の操作

Pythonでは、文字列の操作が豊富にサポートされています。

文字列の連結、文字列の分割、部分文字列の抽出などが可能。

# 文字列の連結
s1 = 'Hello'
s2 = 'World'
s3 = s1 + ' ' + s2
print(s3)  # "Hello World" と出力される

# 文字列の分割
s = 'one,two,three'
parts = s.split(',')
print(parts)  # ['one', 'two', 'three'] と出力される

# 部分文字列の抽出
s = 'Hello World'
sub = s[6:11]
print(sub)  # "World" と出力される

リストの使い方

Pythonのリストは、複数の要素を順序付けて格納するためのデータ構造です。

以下に具体的な使用例を示します。

# リストの作成
nums = [1, 2, 3, 4, 5]

# リストへの要素の追加
nums.append(6)
print(nums)  # [1, 2, 3, 4, 5, 6] と出力される

# リストからの要素の削除
nums.remove(3)
print(nums)  # [1, 2, 4, 5, 6] と出力される

# リストの要素のアクセス
print(nums[0])  # 1 と出力される
print(nums[-1])  # 6 と出力される

辞書型の活用

辞書型はキーと値を組み合わせてデータを保持するデータ構造です。

キーを元に値を返すため、検索などに用いられます。

以下に辞書型の基本的な使用例を示します。

# 辞書の作成
capitals = {'Japan': 'Tokyo', 'USA': 'Washington D.C.', 'France': 'Paris'}

# 辞書への要素の追加
capitals['China'] = 'Beijing'
print(capitals)  # {'Japan': 'Tokyo', 'USA': 'Washington D.C.', 'France': 'Paris', 'China': 'Beijing'}

# 辞書からの要素の削除
del capitals['USA']
print(capitals)  # {'Japan': 'Tokyo', 'France': 'Paris', 'China': 'Beijing'}

# 辞書のキーを元に値を取り出す
print(capitals['Japan'])  # 'Tokyo' と出力される

forループを使った繰り返し

Pythonでは、for文を使って繰り返し処理を行うことができます。

以下にリストの要素を順に出力する例を示します。

fruits = ['apple', 'banana', 'cherry']
for fruit in fruits:
    print(fruit)

# 結果
# apple
# banana
# cherry

また、range()関数を使用して指定した回数だけループを行うこともできます。

for i in range(5):
    print(i)

# 結果
# 0
# 1
# 2
# 3
# 4

if文による条件分岐

Pythonでは、if文を用いて条件分岐を行います。

以下に、数値が正、負、ゼロかを判断する例を示します。

num = -3

if num > 0:
    print("Positive")
elif num == 0:
    print("Zero")
else:
    print("Negative")

# 結果
# Negative

次に示す例では、文字列が特定の文字を含むかどうかを判断しています。

string = "Hello, World!"

if "World" in string:
    print("Found 'World'!")
else:
    print("Did not find 'World'.")

# 結果
# Found 'World'!

以上がPythonの基本構文の一部です。

これらの構文を理解し、活用することでPythonでのプログラミングがスムーズに行えます。

実践的なPythonサンプルコード集

実践的なPythonのコードを見ていきましょう。

初学者から中級者向けの内容まで、さまざまなサンプルを紹介します。

GUIアプリケーションの作成
Webスクレイピングでデータ取得
データ可視化の実例
画像処理とOpenCVライブラリ
機械学習を活用したAIプログラム
新しいデスクトップアプリフレームワーク「flet」

GUIアプリケーションの作成

Pythonでは、TkinterやPyQtなどのライブラリを使ってGUIアプリケーションを作成することができます。

以下はTkinterを使用した簡単なウィンドウ作成の例です。

import tkinter as tk

root = tk.Tk()
root.title("Simple GUI App")

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

root.mainloop()

このコードを実行すると、”Hello, Python GUI!”と書かれたウィンドウが表示されます。

Webスクレイピングでデータ取得

PythonのBeautifulSoupやScrapyといったライブラリを使用することで、Webページから情報を取得するスクレイピングが可能です。

以下は、BeautifulSoupを使用してWebページからタイトルを取得する例です。

from bs4 import BeautifulSoup
import requests

url = "https://www.example.com/"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

title = soup.title.string
print(title)

データ可視化の実例

PythonのMatplotlibやSeabornといったライブラリを使用することで、データを視覚的に理解しやすい形にするデータ可視化が可能です。

以下は、Matplotlibを使用してシンプルなグラフを作成する例です。

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.plot(x, y)
plt.show()

これらのライブラリを活用することで、より高度なPythonプログラミングが可能となります。

画像処理とOpenCVライブラリ

PythonはOpenCVのようなライブラリを用いて画像処理も可能です。

以下のサンプルはOpenCVを使用して、画像をグレースケールに変換するものです。

import cv2

image = cv2.imread('input.jpg')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imwrite('output.jpg', gray_image)

上記のコードでは、’input.jpg’という画像を読み込み、cv2.cvtColor関数を使ってグレースケールに変換し、その結果を’output.jpg’として保存しています。

機械学習を活用したAIプログラム

Pythonは機械学習ライブラリの豊富さも特徴の一つで、scikit-learnやTensorFlowなどを使って、機械学習を活用したAIプログラムを作成できます。

以下に、scikit-learnを使ってアヤメのデータセットを分類するサンプルコードを示します。

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import tree
from sklearn.metrics import accuracy_score

# Load iris dataset
iris = datasets.load_iris()
x = iris.data
y = iris.target

# Split dataset into training set and test set
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)

# Create Decision Tree classifer object
clf = tree.DecisionTreeClassifier()

# Train Decision Tree Classifer
clf = clf.fit(x_train,y_train)

# Predict the response for test dataset
y_pred = clf.predict(x_test)

# Model Accuracy
print("Accuracy:",accuracy_score(y_test, y_pred))

このコードは、アヤメの花のデータセットを学習し、新たなデータがどの種類のアヤメに該当するかを予測する機械学習モデルを構築します。

これらの実例を通じて、Pythonがどのようにさまざまな問題を解決するために使用されるか、具体的に理解できたでしょう。次に、Python学習のためのリソースを紹介します。