【Python×筋肉分析】PFCバランスが神な食材を探すッ！！！

はじめに

どうも、マッチョです。💪

世の中では「鶏むね肉が最強」なんて言われていますが、
それが本当だなんてちゃんと確かめたことはないですよね。
なら、ちゃんとデータで決着つけようっちゅう話。

というわけで今回は、
厚労省の「日本食品標準成分表」のデータを使って、
どの食材が最も筋トレ向きなのか？

今回は、筋肉が歓喜する食材ランキングをデータで検証していこうと思います。。

📊 分析方法

• 使用データ：厚労省「日本食品標準成分表（八訂）」
  https://www.mext.go.jp/content/20260327-mxt_kagsei-mext-000029402_02.xlsx
• 対象項目：エネルギー、たんぱく質、脂質、炭水化物
• スコアリング：各食品の3大栄養素比率を合計100％とし、PFCバランスの理想比(2:2:1)との距離をスコア化
• スコアの基準：スコアが小さいほど「理想比に近い（優秀）」と判定
• 同点の場合は：カロリーが低い順に並べてランキング
• 外条件：エネルギー（kcal）が 0 の食品（水、お茶など）や調味料は除外

実行するソースコード

import numpy as np
import pandas as pd

FILE_PATH = "/content/drive/MyDrive/Colab Notebooks/Qiita/筋肉食材ランキング/20260327-mxt_kagsei-mext-000029402_02.xlsx"


def create_muscle_pfc_ranking(
    file_path: str,
    target_pfc: tuple = (2, 2, 1),
    exclude_non_food: bool = True,
    min_protein_g: float = 8.0,
):
    # 1. シートの読み込み
    raw_df = pd.read_excel(file_path, sheet_name="表全体", header=None)

    # 2. 成分識別子行の特定
    id_row_idx = None
    for idx, row in raw_df.head(15).iterrows():
        row_str_list = (
            row.astype(str)
            .str.replace(r"\s+", "", regex=True)
            .str.upper()
            .tolist()
        )
        if "ENERC_KCAL" in row_str_list:
            id_row_idx = idx
            break

    if id_row_idx is None:
        raise ValueError("成分識別子が見つかりませんでした。")

    identifiers = (
        raw_df.iloc[id_row_idx]
        .astype(str)
        .str.replace(r"\s+", "", regex=True)
        .str.upper()
        .tolist()
    )

    # 3. 列インデックスの特定
    col_indices = {}
    for col_idx in range(raw_df.shape[1]):
        column_str = "".join(raw_df.iloc[0 : id_row_idx, col_idx].astype(str))
        column_str_clean = column_str.replace(" ", "").replace("　", "")
        if "食品名" in column_str_clean:
            col_indices["食品名"] = col_idx
            break

    def find_col_index(target_ids):
        for t_id in target_ids:
            if t_id in identifiers:
                return identifiers.index(t_id)
        return None

    col_indices["エネルギー"] = find_col_index(["ENERC_KCAL"])
    col_indices["たんぱく質"] = find_col_index(["PROT-", "PROT"])
    col_indices["脂質"] = find_col_index(["FAT-", "FAT"])
    col_indices["炭水化物"] = find_col_index(["CHO-", "CHO", "CHOAVL"])

    # 4. データの抽出とクレンジング
    data_start_idx = id_row_idx + 1
    clean_df = pd.DataFrame()

    clean_df["食品名"] = (
        raw_df.iloc[data_start_idx:, col_indices["食品名"]]
        .astype(str)
        .str.strip()
    )
    clean_df["エネルギー(kcal)"] = raw_df.iloc[
        data_start_idx:, col_indices["エネルギー"]
    ]
    clean_df["たんぱく質(g)"] = raw_df.iloc[
        data_start_idx:, col_indices["たんぱく質"]
    ]
    clean_df["脂質(g)"] = raw_df.iloc[data_start_idx:, col_indices["脂質"]]
    clean_df["炭水化物(g)"] = raw_df.iloc[
        data_start_idx:, col_indices["炭水化物"]
    ]

    clean_df = clean_df[
        clean_df["食品名"].notna()
        & (clean_df["食品名"] != "")
        & (~clean_df["食品名"].str.contains("単位|成分識別子|食品名"))
    ]

    calc_cols = ["エネルギー(kcal)", "たんぱく質(g)", "脂質(g)", "炭水化物(g)"]
    for col in calc_cols:
        clean_df[col] = pd.to_numeric(
            clean_df[col]
            .astype(str)
            .str.replace(r"[^\d\.]", "", regex=True),
            errors="coerce",
        ).fillna(0)

    # 調味料などの除外
    if exclude_non_food:
        exclude_keywords = [
            "みそ",
            "味噌",
            "しょうゆ",
            "ソース",
            "ドレッシング",
            "カレーパウダー",
            "ジャム",
            "マヨネーズ",
            "だし",
            "スープ",
            "乾燥",
            "こしょう",
            "プレミックス",
        ]
        pattern = "|".join(exclude_keywords)
        clean_df = clean_df[~clean_df["食品名"].str.contains(pattern)]

    # たんぱく質下限による足切り
    clean_df = clean_df[clean_df["たんぱく質(g)"] >= min_protein_g]

    # 5. PFCカロリー比率の計算
    p_cal = clean_df["たんぱく質(g)"] * 4
    f_cal = clean_df["脂質(g)"] * 9
    c_cal = clean_df["炭水化物(g)"] * 4

    total_cal = p_cal + f_cal + c_cal
    total_cal = total_cal.replace(0, np.nan)

    clean_df["pct_p_cal"] = p_cal / total_cal
    clean_df["pct_f_cal"] = f_cal / total_cal
    clean_df["pct_c_cal"] = c_cal / total_cal

    target_sum = sum(target_pfc)
    ideal_p = target_pfc[0] / target_sum
    ideal_f = target_pfc[1] / target_sum
    ideal_c = target_pfc[2] / target_sum

    # 6. ペナルティスコアの計算
    p_penalty = np.maximum(0, ideal_p - clean_df["pct_p_cal"])
    f_penalty = np.maximum(0, clean_df["pct_f_cal"] - ideal_f)
    c_penalty = np.maximum(0, clean_df["pct_c_cal"] - ideal_c)

    clean_df["score"] = np.sqrt(
        p_penalty**2 + f_penalty**2 + c_penalty**2
    )
    clean_df["score"] = clean_df["score"].fillna(np.inf)

    # 7. ランキングのソートと確定
    ranked_df = clean_df.sort_values(
        by=["score", "たんぱく質(g)", "エネルギー(kcal)"],
        ascending=[True, False, True],
    ).reset_index(drop=True)
    ranked_df["ranking"] = ranked_df.index + 1

    # 8. 表記の丸め処理
    for col in ["pct_p_cal", "pct_f_cal", "pct_c_cal"]:
        ranked_df[col] = (ranked_df[col] * 100).round(1).astype(str) + "%"

    ranked_df["score"] = ranked_df["score"].round(4)

    return ranked_df


# ランキングの実行
try:
    result_df = create_muscle_pfc_ranking(
        FILE_PATH, target_pfc=(2, 2, 1), exclude_non_food=True, min_protein_g=8.0
    )

    print("\n--- 筋肉食材！PFCカロリーバランス(2:2:1) パターンAランキング TOP 30 ---")
    display(
        result_df[
            [
                "ranking",
                "食品名",
                "エネルギー(kcal)",
                "score",
                "たんぱく質(g)",
                "脂質(g)",
                "炭水化物(g)",
                "pct_p_cal",
                "pct_f_cal",
                "pct_c_cal",
            ]
        ].head(20)
    )
except Exception as e:
    print(f"エラーが発生しました: {e}")

ソースコードの説明です。

1. 成分標準成分表の自動パース（前処理）
Excel（「表全体」シート）から、成分識別子（ENERC_KCAL や PROT など）の行を検出し、必要な列インデックス（食品名・カロリー・3大栄養素）を特定してクレンジングします。

2. ノイズデータの除外
エネルギーが 0 の食品や、日常の摂取量が少なくデータ上の数値が跳ねやすい「調味料・スープ」などをキーワードで除外。さらに、たんぱく質が極端に少ない食材を足切りします。

3. カロリーベースのPFC比率と「理想との距離」の計算
各栄養素をグラム数からカロリーに換算（P=4, F=9, C=4）し、その合計に対する各自の割合を算出。目標とする理想比（2:2:1 = 40%:40%:20%）からの乖離度をユークリッド距離（ベクトルの長さ）を用いてスコア化します。

4. 筋肉仕様のソートによるランキング確定
スコアが小さい順（＝理想比に近い順）を最優先し、同点の場合は「たんぱく質含有量（g）が多い順」、さらに同点なら「総エネルギー（kcal）が低い順」の3段階でソートをかけます。

ということで、結果を見てみましょう。

💪 結果（TOP20）💪

$\text{順位}$	$\text{食品名}$	$\text{kcal}$	$\text{score}$	$\text{P(g)}$	$\text{F(g)}$	$\text{C(g)}$	$\text{P%}$	$\text{F%}$	$\text{C%}$
$\text{1}$	$\text{＜畜肉類＞　ぶた　［その他］　ゼラチン}$	$\text{347}$	$\text{0.0}$	$\text{87.6}$	$\text{0.3}$	$\text{0.0}$	$\text{99.2%}$	$\text{0.8%}$	$\text{0.0%}$
$\text{2}$	$\text{＜牛乳及び乳製品＞　（その他）　カゼイン}$	$\text{358}$	$\text{0.0}$	$\text{86.2}$	$\text{1.5}$	$\text{0.0}$	$\text{96.2%}$	$\text{3.8%}$	$\text{0.0%}$
$\text{3}$	$\text{＜魚類＞　（さめ類）　ふかひれ}$	$\text{344}$	$\text{0.0}$	$\text{83.9}$	$\text{1.6}$	$\text{0.0}$	$\text{95.9%}$	$\text{4.1%}$	$\text{0.0%}$
$\text{4}$	$\text{＜魚類＞　とびうお　煮干し}$	$\text{325}$	$\text{0.0}$	$\text{80.0}$	$\text{2.2}$	$\text{0.1}$	$\text{94.1%}$	$\text{5.8%}$	$\text{0.1%}$
$\text{5}$	$\text{だいず　［その他］　大豆たんぱく　分離大豆たんぱく　塩分無調整タイプ}$	$\text{335}$	$\text{0.0}$	$\text{79.1}$	$\text{3.0}$	$\text{1.0}$	$\text{91.1%}$	$\text{7.8%}$	$\text{1.2%}$
$\text{6}$	$\text{だいず　［その他］　大豆たんぱく　分離大豆たんぱく　塩分調整タイプ}$	$\text{335}$	$\text{0.0}$	$\text{79.1}$	$\text{3.0}$	$\text{1.0}$	$\text{91.1%}$	$\text{7.8%}$	$\text{1.2%}$
$\text{7}$	$\text{＜魚類＞　（さけ・ます類）　しろさけ　サケ節　削り節}$	$\text{346}$	$\text{0.0}$	$\text{77.4}$	$\text{3.4}$	$\text{0.2}$	$\text{90.8%}$	$\text{9.0%}$	$\text{0.2%}$
$\text{8}$	$\text{＜魚類＞　（かつお類）　加工品　かつお節}$	$\text{332}$	$\text{0.0}$	$\text{77.1}$	$\text{2.9}$	$\text{0.7}$	$\text{91.4%}$	$\text{7.7%}$	$\text{0.8%}$
$\text{9}$	$\text{＜魚類＞　（かつお類）　加工品　削り節}$	$\text{327}$	$\text{0.0}$	$\text{75.7}$	$\text{3.2}$	$\text{0.4}$	$\text{90.9%}$	$\text{8.6%}$	$\mathbf{0.5%}$
$\text{10}$	$\text{＜魚類＞　（いわし類）　たたみいわし}$	$\text{348}$	$\text{0.0}$	$\text{75.1}$	$\text{5.6}$	$\text{0.6}$	$\text{85.1%}$	$\text{14.3%}$	$\text{0.7%}$

💡 分析結果と考察

1. プロテイン原材料が上位を独占

ゼラチン？カゼイン？なんのこっちゃ分からないですが、どうやら市販されているプロテインパウダーの原材料に使われているものらしいです。そりゃ1、2位になりますね。

2. 乾燥・加工魚介類のポテンシャル

水分を徹底的に飛ばす（乾燥させる）ことで、100gあたりの栄養密度を限界まで高めてるってことですかね。

💡 考察

1、2位はなるべくしてなったと言えますね。魚介系は乾燥してるが故のランクインのため、今回の検証は微妙だったかも、、、と感じでいます。
ちなみに、鶏むね肉（皮なし）は40位、卵は100位以下でした。

まとめ

個人的には3位のフカヒレが意外でした。すごいタンパク質量ですね。栄養面で見ても高級なだけのことはある。
今回は食材の栄養価のみで判定し、食べやすさなどの現実味はなかったため、そこは改善の余地ありと感じました。

では💪