2.1.1 Python の概要

Python から AI アプリケーションへのワークフロー

残す証拠

このページを終えたら、この evidence card を残します。

概念: 変数、型、演算子、入力/出力、分岐、ループ、構造、関数、またはモジュール
コード: この概念のための最小限の実行可能な Python スニペット
出力: 印字値、型、branch結果、loop trace、または返り値
失敗確認: 型不一致、インデント、オフバイワン、可変データ、または import パスの問題
期待される成果: 概念が機能することを証明するコードと出力結果

この節の位置づけ

この節は、Python 学習の入り口です。いきなり複雑な文法を覚える必要はありません。まずは、Python がなぜ AI に向いているのか、何ができるのかを理解し、最初のプログラムを実際に動かして、「コードで現実の問題を解決できる」という最初の実感をつかみましょう。

学習目標

Python とは何か、なぜこれほど人気なのかを理解する
AI 分野での Python の中心的な役割を理解する
あなたの最初の Python プログラムを書いて実行する
Python コードの基本構造を理解する

なぜ Python を学ぶのか？

プログラミング言語が道具だとしたら、Python はスイスアーミーナイフのようなものです。何でもできて、しかもすぐ使い始められます。

まずは、いくつかのデータを見てみましょう。

観点	説明
人気度	長年にわたり TIOBE のプログラミング言語ランキングで 1 位を維持
AI の第一選択	ほぼすべての AI / 機械学習フレームワーク（PyTorch、TensorFlow）が Python を中心に使っている
就職市場	データサイエンス、AI エンジニア、バックエンド開発の必須スキル
学習のしやすさ	文法が自然言語に近く、初心者でも始めやすい言語のひとつ

一言でまとめると、AI をやりたいなら、Python が唯一の出発点です。

Python とは何か？

Python は、Guido van Rossum（グイド・ヴァンロッサム）によって 1991 年に公開された高水準プログラミング言語です。

「高水準」とはどういう意味でしょうか？プログラミング言語がハードウェアから離れていて、人間の言葉に近いほど「高水準」です。比べてみましょう。

レベル	同じ処理の見え方
機械語	`10110000 01100001`
C 言語	`#include <stdio.h>` と完全な `main()` 関数
Python	`print("Hello World")`

同じ「1 文を表示する」処理でも、Python は 1 行で済みますが、C 言語では 5 行必要です。これが Python の設計思想です。シンプルで洗練されており、文法の細かさではなく問題解決に集中できるようになっています。

Python の主な特徴

特徴	説明	あなたにとっての利点
文法がシンプル	波かっこではなくインデントを使い、英語に近い書き方	早く学べて、書く量も少ない
インタプリタ言語	書いたらすぐ実行でき、コンパイルが不要	デバッグしやすく、すぐ結果が見える
動的型付け	変数の型宣言が不要	コードが短く、柔軟
エコシステムが豊富	40 万以上のサードパーティライブラリがある	誰かが作った便利なものをすぐ使える
マルチプラットフォーム	Windows、macOS、Linux で動く	1 つのコードをいろいろな環境で実行できる

Python で何ができるのか？

Python の活用範囲はとても広いです。ここでは、特に重要な分野をいくつか見てみましょう。

AI と機械学習（このコースの中心）

Colab や Jupyter で以下のコードを実行する前に、まずインストールしてください（1 回だけで OK）:

!pip install scikit-learn

ローカルのターミナルや Conda 環境では次を使います: pip install scikit-learn

# 数行でシンプルな線形回帰モデルを学習する（サンプルデータ、直接実行できます）
import numpy as np
from sklearn.linear_model import LinearRegression

X_train = np.array([[1], [2], [3], [4], [5]])   # 特徴量
y_train = np.array([2, 4, 6, 8, 10])             # ラベル（y ≈ 2*x）

model = LinearRegression()
model.fit(X_train, y_train)
# 学習後は model.predict() で予測できます

主なフレームワーク: PyTorch、TensorFlow、scikit-learn、Hugging Face Transformers

データ分析と可視化

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータ（実際のプロジェクトでは pd.read_csv("sales.csv") で自分のファイルを読み込めます）
data = pd.DataFrame({"month": ["1月", "2月", "3月"], "revenue": [100, 150, 120]})

# 1 行でグラフを描画
data.plot(x="month", y="revenue", kind="bar")
plt.show()

主なライブラリ: pandas、NumPy、Matplotlib、Seaborn

Web バックエンド開発

Python を使うと、API を提供する Web バックエンドをすばやく作れます。たとえば次のようになります。

from fastapi import FastAPI

app = FastAPI()

@app.get("/hello")
def say_hello():
    return {"message": "こんにちは、世界！"}

サービスを起動してアクセスする:

まず上のコードをファイル（例: main.py）として保存し、ターミナルでそのディレクトリに移動して次を実行します。
Terminal window
```
pip install fastapi uvicorn
uvicorn main:app --reload
```
ターミナルに Uvicorn running on http://127.0.0.1:8000 と表示されたら、ブラウザで次を開きます。
- http://127.0.0.1:8000/hello → {"message":"こんにちは、世界！"} が返ります
- http://127.0.0.1:8000/docs → 自動生成された API ドキュメントページ。ここからそのまま試せます

主なフレームワーク: FastAPI、Django、Flask

自動化スクリプト

import os

# 例: フォルダ内の画像を一括リネームする（まずテスト用ディレクトリを作ってから実行し、FileNotFoundError を避けましょう）
os.makedirs("photos", exist_ok=True)
for i in range(3):
    open(f"photos/old_{i}.jpg", "w").close()   # 3 つの空ファイルを作って例にする

for i, filename in enumerate(os.listdir("photos/")):
    new_name = f"photo_{i+1}.jpg"
    os.rename(f"photos/{filename}", f"photos/{new_name}")

# 結果を確認（実際のプロジェクトではテスト用ディレクトリを削除してもよい: os.removedirs など）
print(os.listdir("photos/"))   # ['photo_1.jpg', 'photo_2.jpg', 'photo_3.jpg']

Web スクレイピング

# 先にインストール: !pip install beautifulsoup4
from bs4 import BeautifulSoup

# サンプル HTML を使って解析を示す（外部ネットワークに依存せず、直接実行できます）
html = """
<html><body>
  <h1>Python を学ぼう</h1>
  <p>1 つ目の段落</p>
  <p>2 つ目の段落</p>
</body></html>
"""
soup = BeautifulSoup(html, "html.parser")
title = soup.find("h1").text
paragraphs = soup.find_all("p")
print(f"Web ページのタイトル: {title}")
print(f"段落の数: {len(paragraphs)} 個")

最初の Python プログラムを書こう

方法 1: ターミナルで Python の対話モードを使う

ターミナルを開いて（第 1 ステップで学びました）、次を入力します。

python

次のようなプロンプトが表示されます。

Python 3.11.5 (main, Sep 11 2023, 08:31:25)
Type "help", "copyright", "credits" or "license" for more information.
>>>

>>> は Python の対話プロンプトで、コマンド入力を待っていることを意味します。

次を試してみましょう。

>>> print("Hello, World!")
Hello, World!

>>> 1 + 1
2

>>> "AI" * 3
'AIAIAI'

>>> len("Python")
6

対話モードを終了するには、exit() を入力するか、Ctrl+D を押します。

方法 2: VS Code で書いて実行する

VS Code を開きます（第 1 ステップですでにインストール済み）
新しいファイル hello.py を作成します（拡張子が .py であることに注意）
次のコードを入力します。

# これが私の最初の Python プログラムです
print("Hello, World!")
print("私は Python を学んでいます！")
print("1 + 1 =", 1 + 1)

ファイルを保存します（Ctrl+S / Cmd+S）
ターミナルで次を実行します。

python hello.py

出力:

Hello, World!
私は Python を学んでいます！
1 + 1 = 2

おめでとうございます。あなたの最初の Python プログラムができました！

方法 3: Jupyter Notebook で実行する

第 1 ステップですでに Jupyter をインストールしています。次で起動します。

jupyter notebook

新しい Notebook を作成し、コードセルに print("Hello from Jupyter!") と入力して Shift+Enter で実行します。

Python コードの基本ルール

本格的に学ぶ前に、まず最も基本的なルールを確認しましょう。

インデントが重要

Python では、他の言語のように波かっこ {} を使わず、インデント（通常は 4 スペース）でコードブロックを表します。

# 正しい ✅
if True:
    print("4 スペースでインデントされています")
    print("同じコードブロックです")

次の例は意図的に間違っています。実行すると IndentationError が発生します。

if True:
print("インデントがないので Python はエラーになります")

コメントは `#` を使う

# これはコメントです。Python は無視します
print("この行は実行されます")  # 行末にもコメントを書けます

# 複数行コメントは、# で始まる行を並べます
# 1 行目のコメント
# 2 行目のコメント

コメントは人間のために書くものです。あなた自身や他の人がコードを理解しやすくなります。良いコメントは、何をしたかではなく、なぜそうしたかを説明します。

大文字と小文字を区別する

service_name = "ログイン API"
Service_Name = "検索 API"
SERVICE_NAME = "Worker"
# これらは 3 つの別々の変数です！

print(service_name)   # ログイン API
Print(service_name)   # エラー！Python に Print はなく、print だけです

ファイルの末尾は `.py`

Python スクリプトの拡張子は .py です。たとえば hello.py、train.py、model.py です。

Python 2 それとも Python 3？

短く答えると、Python 3 を使ってください。Python 2 は使わないでください。

Python 2 は 2020 年 1 月 1 日に正式にサポート終了しました。新しいプロジェクトや現代的なライブラリは、すべて Python 3 のみをサポートしています。このコースでは Python 3.10 以上 を使います。

Python のバージョンを確認しましょう。

python --version
# Python 3.10.x 以上が表示されるはずです

もし Python 2.x と表示されたら、python3 コマンドを使うか、第 1 ステップで設定した conda 環境が正しく有効になっているか確認してください。

ハンズオン演習

演習 1: Hello World の発展版

about_me.py というファイルを作成し、自己紹介を出力してみましょう。

print("=== 自己紹介 ===")
print("名前：[あなたの名前]")
print("目標：AI エンジニアになること")
print("学習中：Python プログラミング")
print("=" * 20)

実行して、出力を確認してください。内容を変更して、もっと情報を追加してみましょう。

演習 2: Python を電卓として使う

Python の対話モードで、次の計算を試してみましょう。

>>> 100 + 200
>>> 10 * 3.14
>>> 2 ** 10        # ** は累乗、2 の 10 乗
>>> 17 / 5         # 割り算
>>> 17 // 5        # 切り捨て除算（小数部分を捨てる）
>>> 17 % 5         # 余り

それぞれの結果を記録して、なぜそうなるのか考えてみましょう。

演習 3: print() を調べる

次のコードを試して、print() のさまざまな使い方を観察しましょう。

print("Hello")
print("Hello", "World")           # 複数の引数はカンマで区切る
print("Hello", "World", sep="-")  # - でつなぐ
print("Hello", end=" ")           # 改行しない
print("World")
print("価格:", 99.9, "円")

参考実装と解説

about_me.py はターミナルから実行でき、読みやすい複数行の自己紹介を表示できる状態にします。文面を変えるだけなら Python の構文を変える必要はありません。
計算機の出力には、300、31.400000000000002 または近い浮動小数点値、1024、3.4、3、2 が含まれます。
print("Hello", "World") は空白を挿入します。sep="-" は区切り文字を変え、end=" " は次の print() を同じ行につなげます。
スクリプトが動かないときは、ファイル名、現在のフォルダ、Python 3 の実行環境、引用符や丸括弧の対応を確認します。
証拠として、コードだけでなく実行コマンドと出力も残します。

まとめ

ポイント	説明
Python は AI 開発の第一選択	ほとんどの AI フレームワークは Python を基盤にしている
文法がシンプルで自然言語に近い	学習のハードルが下がり、ロジックに集中できる
エコシステムが豊富	40 万以上のサードパーティライブラリがあり、ほとんどのニーズに既製の解決策がある
実行方法は 3 種類ある	対話モード、.py ファイル、Jupyter Notebook
インデントは Python の命	4 スペースでインデントし、Tab は使わない