生成AIに聞いてみた、Pythonの実践的なプロジェクト

7. 実践的なプロジェクト

• これまでに学んだ概念を使用した小規模プロジェクト

実践的なプロジェクトは、これまでに学んだPythonの概念を実際のアプリケーションに適用する素晴らしい機会です。以下に、異なる難易度レベルの3つのプロジェクト例を示します。各プロジェクトには、主要な機能を実装するサンプルコードを含めています。

1. 簡単: To-Doリストアプリケーション

このプロジェクトでは、基本的なデータ構造、入出力、関数を使用します。

tasks = []

def add_task(task):
    tasks.append(task)
    print(f"タスク '{task}' を追加しました。")

def remove_task(task):
    if task in tasks:
        tasks.remove(task)
        print(f"タスク '{task}' を削除しました。")
    else:
        print(f"タスク '{task}' が見つかりません。")

def show_tasks():
    if tasks:
        print("現在のタスク:")
        for i, task in enumerate(tasks, 1):
            print(f"{i}. {task}")
    else:
        print("タスクはありません。")

while True:
    print("\n1: タスクを追加")
    print("2: タスクを削除")
    print("3: タスクを表示")
    print("4: 終了")
    choice = input("選択してください (1-4): ")

    if choice == '1':
        task = input("新しいタスクを入力してください: ")
        add_task(task)
    elif choice == '2':
        task = input("削除するタスクを入力してください: ")
        remove_task(task)
    elif choice == '3':
        show_tasks()
    elif choice == '4':
        print("アプリケーションを終了します。")
        break
    else:
        print("無効な選択です。もう一度試してください。")

このアプリケーションでは、リスト、関数、ループ、条件文を使用しています。ユーザーはタスクの追加、削除、表示、およびプログラムの終了ができます。

2. 中級: 簡単な家計簿アプリケーション

このプロジェクトでは、クラス、ファイル入出力、および例外処理を使用します。

import json
from datetime import datetime

class BudgetTracker:
    def __init__(self, filename):
        self.filename = filename
        self.transactions = self.load_transactions()

    def load_transactions(self):
        try:
            with open(self.filename, 'r') as f:
                return json.load(f)
        except FileNotFoundError:
            return []

    def save_transactions(self):
        with open(self.filename, 'w') as f:
            json.dump(self.transactions, f)

    def add_transaction(self, amount, category, description):
        transaction = {
            'date': datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
            'amount': amount,
            'category': category,
            'description': description
        }
        self.transactions.append(transaction)
        self.save_transactions()

    def get_balance(self):
        return sum(transaction['amount'] for transaction in self.transactions)

    def get_transactions_by_category(self, category):
        return [t for t in self.transactions if t['category'] == category]

def main():
    tracker = BudgetTracker('transactions.json')

    while True:
        print("\n1: 取引を追加")
        print("2: 残高を確認")
        print("3: カテゴリ別取引を表示")
        print("4: 終了")
        choice = input("選択してください (1-4): ")

        if choice == '1':
            try:
                amount = float(input("金額を入力してください (収入は正、支出は負): "))
                category = input("カテゴリを入力してください: ")
                description = input("説明を入力してください: ")
                tracker.add_transaction(amount, category, description)
                print("取引が追加されました。")
            except ValueError:
                print("無効な金額です。もう一度試してください。")

        elif choice == '2':
            print(f"現在の残高: {tracker.get_balance():.2f}")

        elif choice == '3':
            category = input("表示するカテゴリを入力してください: ")
            transactions = tracker.get_transactions_by_category(category)
            if transactions:
                for t in transactions:
                    print(f"{t['date']} - {t['amount']:.2f} - {t['description']}")
            else:
                print(f"{category}カテゴリの取引はありません。")

        elif choice == '4':
            print("アプリケーションを終了します。")
            break

        else:
            print("無効な選択です。もう一度試してください。")

if __name__ == "__main__":
    main()

このアプリケーションでは、クラス、ファイル入出力（JSON形式）、例外処理、および日付処理を使用しています。ユーザーは取引の追加、残高の確認、カテゴリ別の取引表示ができます。

3. 上級: 簡単なWebスクレイピングと分析ツール

このプロジェクトでは、外部ライブラリの使用、Webスクレイピング、データ分析、およびデータの可視化を行います。

import requests
from bs4 import BeautifulSoup
import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter

def scrape_news_headlines(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    headlines = soup.find_all('h2', class_='headline')
    return [headline.text.strip() for headline in headlines]

def analyze_headlines(headlines):
    # 単語の出現頻度を計算
    words = ' '.join(headlines).lower().split()
    word_freq = Counter(words)
    
    # 最も頻繁に出現する10語を取得
    top_words = dict(word_freq.most_common(10))
    
    return top_words

def visualize_results(data):
    df = pd.DataFrame(list(data.items()), columns=['Word', 'Frequency'])
    plt.figure(figsize=(10, 6))
    plt.bar(df['Word'], df['Frequency'])
    plt.title('Top 10 Most Frequent Words in Headlines')
    plt.xlabel('Words')
    plt.ylabel('Frequency')
    plt.xticks(rotation=45)
    plt.tight_layout()
    plt.savefig('word_frequency.png')
    print("結果が'word_frequency.png'として保存されました。")

def main():
    url = input("ニュースサイトのURLを入力してください: ")
    try:
        headlines = scrape_news_headlines(url)
        print(f"{len(headlines)}件の見出しを取得しました。")
        
        analysis_result = analyze_headlines(headlines)
        print("\n最も頻繁に出現する10語:")
        for word, freq in analysis_result.items():
            print(f"{word}: {freq}")
        
        visualize_results(analysis_result)
    except Exception as e:
        print(f"エラーが発生しました: {e}")

if __name__ == "__main__":
    main()

このアプリケーションでは、以下の外部ライブラリを使用しています：

• requests: Webページの取得
• BeautifulSoup: HTMLの解析
• pandas: データ処理
• matplotlib: データの可視化

スクリプトは指定されたニュースサイトから見出しをスクレイピングし、最も頻繁に出現する単語を分析して、結果をグラフとして表示します。

これらのプロジェクトは、Pythonの様々な概念を実践的に適用する方法を示しています。難易度に応じて選択し、必要に応じて機能を追加または変更することができます。プロジェクトを通じて学ぶことで、プログラミングスキルを効果的に向上させることができます。