はじめに

前に、VBA×生成AIの記事を初級・中級・上級と３回連続でアップしました。

ここでは同じようにPython×生成AIの記事を初級・中級・上級と３回連続でアップしていきます。

＝＝＝＝＝＝

Excelのデータを整理していて、こんな経験はありませんか？

「株式会社ABC」と「(株)ABC」と「ABC株式会社」が混在している
「東京都港区」と「東京都港区」で半角スペースが入っていたりいなかったり
「田中太郎」と「田中太郎」で氏名の区切りがバラバラ

これらの表記ゆれは、VLOOKUP やピボットテーブルが正しく動かない原因になります。手作業で直すのは大変ですし、VBA で対応しようとしても「どのパターンに統一するか」のルール作りが膨大になりがちです。

この記事では、Python と OpenAI API（GPT） を使って、生成AIに表記ゆれの判断と修正を任せるツールを作ります。

この記事のシリーズ

レベル	内容
初級（本記事）	Python + OpenAI API で Excel の表記ゆれを自動修正
中級（次回）	Coming Soon
上級（次々回）	Coming Soon

対象読者

Excel の表記ゆれに悩んだことがある方
Python をこれから学びたい方・始めたばかりの方
VBA でデータクレンジングをしていたが限界を感じている方

完成イメージ

こんな表記ゆれだらけの Excel ファイルが…

No	会社名	住所
1	株式会社ABC	東京都港区赤坂1-1-1
2	(株)ABC	東京都港区赤坂1-1-1
3	ABC株式会社	東京都港区赤坂１−１−１
4	株式会社エービーシー	東京都港区赤坂1丁目1番1号

↓ 生成AIが自動で統一！

No	会社名	住所
1	株式会社ABC	東京都港区赤坂1-1-1
2	株式会社ABC	東京都港区赤坂1-1-1
3	株式会社ABC	東京都港区赤坂1-1-1
4	株式会社ABC	東京都港区赤坂1丁目1番1号

注意: 「赤坂1丁目1番1号」と「赤坂1-1-1」のように意味は同じでも表記形式が異なるケースは、生成AIでも完全な統一が難しい場合があります。プロンプトの調整次第で改善可能ですので、4章のカスタマイズも参考にしてください。

1. 環境構築

1-1. 必要なもの

項目	説明
Python	3.9 以上
OpenAI API キー	OpenAI Platform で取得
テキストエディタ	VS Code 推奨

1-2. ライブラリのインストール

pip install openai python-dotenv openpyxl

ライブラリ	用途
`openai`	OpenAI API を Python から呼び出す
`python-dotenv`	API キーを安全に管理する
`openpyxl`	Excel ファイル（.xlsx）の読み書き

1-3. プロジェクトフォルダの作成

まず、作業用のフォルダを作ります。エディタのターミナルを開いてください（メニューの「ターミナル」→「新しいターミナル」、またはショートカット Ctrl + `）。

ターミナルに以下を入力して Enter を押します。

mkdir excel-cleansing
cd excel-cleansing

すると、excel-cleansingフォルダに移動します。

1-4. API キーの設定

エディタの左側エクスプローラーで「新しいファイル」アイコンをクリック
ファイル名を .env と入力してEnter
excel-cleansingフォルダ内に.envファイルを作成
OPENAI_API_KEY=sk-xxxxxxxx... と入力
ctrl + S で保存

.env

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

sk-xxxxxxxx... の部分は、自分の API キーに置き換えてください。
API キーは OpenAI Platform の API keys ページで発行できます。

1-5. サンプルデータの準備

動作確認用の Excel ファイルを Python スクリプトで作成します。

手順1: エディタの左側エクスプローラーで「新しいファイル」アイコンをクリックし、create_sample.py というファイル名で作成します。

手順2: 以下のコードをそのままコピーして貼り付け、保存します。

create_sample.py

import openpyxl

wb = openpyxl.Workbook()
ws = wb.active
ws.title = "顧客リスト"

# ヘッダー
ws.append(["No", "会社名", "住所", "電話番号"])

# 表記ゆれを含むサンプルデータ
data = [
    [1, "株式会社ABC",         "東京都港区赤坂1-1-1",     "03-1234-5678"],
    [2, "(株)ABC",             "東京都 港区 赤坂1-1-1",   "03(1234)5678"],
    [3, "ABC株式会社",          "東京都港区赤坂１−１−１",    "０３−１２３４−５６７８"],
    [4, "株式会社エービーシー",   "東京都港区赤坂1丁目1番1号", "03-1234-5678"],
    [5, "株式会社 ABC",         "東京都港区赤坂 1-1-1",    "03 1234 5678"],
    [6, "株式会社ＸＹＺ",        "大阪府大阪市北区梅田2-2",  "06-9876-5432"],
    [7, "(株)XYZ",             "大阪府大阪市北区梅田2-2",  "06(9876)5432"],
    [8, "XYZ株式会社",          "大阪府大阪市 北区 梅田2-2", "０６−９８７６−５４３２"],
]

for row in data:
    ws.append(row)

# 列幅の調整
ws.column_dimensions["A"].width = 5
ws.column_dimensions["B"].width = 25
ws.column_dimensions["C"].width = 30
ws.column_dimensions["D"].width = 20

wb.save("sample_data.xlsx")
print("sample_data.xlsx を作成しました")

python create_sample.py

sample_data.xlsx を作成しました と表示されれば成功です。
excel-cleansing フォルダ内に Excel ファイルが生成されています。

この時点で、フォルダの中身は以下のようになっています。

2. 表記ゆれ修正スクリプトを作ろう

2-1. 全体のコード

エディタの左側エクスプローラーで「新しいファイル」アイコンをクリックし、excel_cleansing.py というファイル名で作成します。
注意：excel-cleansingフォルダ内に作成すること。

次に、この新しいexcel_cleansing.pyファイルに以下のコードをそのままコピーして貼り付け、保存してください。

excel_cleansing.py

import os
import json
from openai import OpenAI
from dotenv import load_dotenv
import openpyxl

# .envファイルからAPIキーを読み込む
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))


def normalize_column(values: list[str], column_name: str) -> list[str]:
    """
    生成AIを使って列データの表記ゆれを修正する関数

    Args:
        values: 修正対象の値リスト
        column_name: 列名（会社名、住所など）

    Returns:
        修正後の値リスト
    """

    prompt = f"""
以下は「{column_name}」列のデータ一覧です。
表記ゆれを検出し、統一されたデータに修正してください。

【修正ルール】
- 同じ意味のデータは最も一般的・正式な表記に統一してください
- 会社名の場合: 「株式会社」は前につける形に統一（例: 株式会社ABC）
- 住所の場合: 余分なスペースを除去し、数字は半角に統一してください
- 電話番号の場合: 「03-1234-5678」の形式（半角ハイフン区切り）に統一してください
- 全角英数字は半角に変換してください
- 元のデータの意味や内容は変えないでください

【入力データ】
{json.dumps(values, ensure_ascii=False)}

【出力形式】
修正後のデータをJSON配列で返してください。
入力と同じ要素数・同じ順序で返してください。
JSON配列のみを返し、それ以外のテキストは含めないでください。
"""

    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "system",
                "content": "あなたはデータクレンジングの専門家です。指示に従ってJSON配列のみを返してください。"
            },
            {"role": "user", "content": prompt}
        ],
        temperature=0.0    # 表記統一なので創造性は不要
    )

    result_text = response.choices[0].message.content.strip()

    # JSON文字列の前後にマークダウンのコードブロックがついている場合に除去する
    if result_text.startswith("```"):
        result_text = result_text.split("\n", 1)[1]  # 最初の行を除去
    if result_text.endswith("```"):
        result_text = result_text.rsplit("\n", 1)[0]  # 最後の行を除去

    result = json.loads(result_text)

    return result


def cleanse_excel(input_file: str, output_file: str, target_columns: list[str]):
    """
    Excelファイルの指定列の表記ゆれを修正する関数

    Args:
        input_file: 入力Excelファイルのパス
        output_file: 出力Excelファイルのパス
        target_columns: 修正対象の列名リスト
    """

    wb = openpyxl.load_workbook(input_file)
    ws = wb.active

    # ヘッダー行から列名とインデックスの対応を取得
    headers = {}
    for col_idx, cell in enumerate(ws[1], start=1):
        headers[cell.value] = col_idx

    # 対象列ごとに処理
    for column_name in target_columns:
        if column_name not in headers:
            print(f"警告: 「{column_name}」列が見つかりません。スキップします。")
            continue

        col_idx = headers[column_name]

        # 列のデータを取得（ヘッダー行を除く）
        values = []
        for row in ws.iter_rows(min_row=2, min_col=col_idx, max_col=col_idx):
            cell = row[0]
            values.append(str(cell.value) if cell.value is not None else "")

        if not values:
            continue

        print(f"「{column_name}」列を修正中...（{len(values)}件）")

        # 生成AIで表記ゆれを修正
        normalized = normalize_column(values, column_name)

        # 修正結果をExcelに書き戻す
        for i, row in enumerate(ws.iter_rows(min_row=2, min_col=col_idx, max_col=col_idx)):
            cell = row[0]
            old_value = str(cell.value) if cell.value is not None else ""
            new_value = normalized[i]

            if old_value != new_value:
                print(f"  修正: {old_value} -> {new_value}")

            cell.value = new_value

    wb.save(output_file)
    print(f"\n{output_file} に保存しました")


def main():
    """メイン処理"""

    print("=" * 50)
    print("Excel 表記ゆれ自動修正ツール")
    print("=" * 50)

    # 設定
    input_file = "sample_data.xlsx"
    output_file = "sample_data_cleaned.xlsx"
    target_columns = ["会社名", "住所", "電話番号"]

    # ファイルの存在確認
    if not os.path.exists(input_file):
        print(f"エラー: {input_file} が見つかりません。")
        print("先に create_sample.py を実行してサンプルデータを作成してください。")
        return

    print(f"\n入力ファイル: {input_file}")
    print(f"出力ファイル: {output_file}")
    print(f"対象列: {', '.join(target_columns)}")
    print()

    # 表記ゆれ修正を実行
    cleanse_excel(input_file, output_file, target_columns)

    print("\n完了しました")


if __name__ == "__main__":
    main()

3. 実行してみよう

インプット

インプットデータは、先ほどコードを使って作成したサンプルファイルの通りです。
中身はこうなっています。

全体的に表記ゆれがあるので、それを先ほどのコードで整えていくということですね。

アウトプット

コードを実行します。
すると、ターミナルにはこう表示されます。

最終的に、エクセルファイルは「sample_data_cleaned.xlsx」という名前で別名保存され、画像の通り修正されました！

最初の時と違って表記ゆれが整理されていますね。

2-2. コードの解説

以下、コードの解説です。

ポイント1: 列単位でAIに渡す

values = []
for row in ws.iter_rows(min_row=2, min_col=col_idx, max_col=col_idx):
    cell = row[0]
    values.append(str(cell.value) if cell.value is not None else "")

normalized = normalize_column(values, column_name)

セル1つずつAIに渡すと API 呼び出し回数が増えてコストがかかります。そこで、列のデータをまとめてリストとして渡すことで、AIが全体を見て統一的な修正を行えるようにしています。

方法	API呼び出し回数	メリット	デメリット
セル1つずつ	データ件数 x 列数	個別に丁寧な処理	コスト高・低速
列単位でまとめて	列数のみ	低コスト・高速・統一性が高い	大量データには分割が必要

ポイント2: temperature=0.0

temperature=0.0    # 表記統一なので創造性は不要

日報生成のような文章作成では temperature=0.7 程度で多様性を持たせますが、表記ゆれ修正は正確さが最優先です。temperature=0.0 に設定することで、毎回同じ入力に対して同じ出力を返すようになります。

ポイント3: JSON形式で受け取る

prompt = f"""
...
【出力形式】
修正後のデータをJSON配列で返してください。
入力と同じ要素数・同じ順序で返してください。
JSON配列のみを返し、それ以外のテキストは含めないでください。
"""

生成AIの出力をプログラムで処理するには、構造化されたフォーマットで返してもらう必要があります。JSON配列で返すよう指示することで、json.loads() でそのままPythonのリストに変換できます。

ただし、GPT はたまにマークダウンのコードブロック（```json ... ```）で囲んで返すことがあるため、以下のように除去処理を入れています。

if result_text.startswith("```"):
    result_text = result_text.split("\n", 1)[1]
if result_text.endswith("```"):
    result_text = result_text.rsplit("\n", 1)[0]

ポイント4: 修正内容のログ表示

if old_value != new_value:
    print(f"  修正: {old_value} -> {new_value}")

どのデータが修正されたかを表示することで、AIの判断を目視確認できるようにしています。生成AIの出力は必ずしも正しいとは限らないため、特にデータクレンジングのような用途では確認の仕組みが重要です。

4. カスタマイズしてみよう

4-1. 修正ルールを変える

プロンプトの 【修正ルール】 を変えることで、統一ルールを自由にカスタマイズできます。

# 例: 会社名を略称に統一したい場合
"""
- 会社名の場合: 「(株)」の形式に統一（例: (株)ABC）
"""

# 例: 住所の丁目表記を維持したい場合
"""
- 住所の場合: 「1丁目1番1号」の形式はそのまま維持してください
- 「1-1-1」の形式は変換しないでください
"""

4-2. 対象列を変える

main() 関数内の target_columns を変えるだけで、任意の列を修正対象にできます。

# 例: 氏名と部署名だけ修正したい場合
target_columns = ["氏名", "部署名"]

4-3. 大量データへの対応

データが多い場合、一度に全件をAPIに送ると制限に引っかかることがあります。以下のようにバッチ処理を入れると安全です。

def normalize_column_batch(values: list[str], column_name: str, batch_size: int = 50) -> list[str]:
    """大量データをバッチに分割して処理する"""

    all_results = []

    for i in range(0, len(values), batch_size):
        batch = values[i:i + batch_size]
        print(f"  バッチ処理中... {i + 1}〜{min(i + batch_size, len(values))}件目")
        result = normalize_column(batch, column_name)
        all_results.extend(result)

    return all_results

5. VBA との比較

VBA でも表記ゆれ修正は可能ですが、生成AIを使うアプローチとの違いを整理します。

観点	VBA	Python + 生成AI
ルール作成	全パターンを手動で定義する必要がある	AIが文脈から判断してくれる
未知のパターン	定義していないパターンには対応できない	初見のパターンにも柔軟に対応
処理速度	高速（ローカル処理）	API通信があるため比較的遅い
コスト	無料	API利用料がかかる
精度の保証	ルール通り確実に動く	まれに誤変換の可能性がある
導入の手軽さ	Excel さえあれば動く	Python環境とAPIキーが必要

使い分けの指針: パターンが明確で件数が多いなら VBA、パターンが複雑・不定で判断が必要なら生成AI、というように併用するのがおすすめです。

6. よくあるエラーと対処法

JSON のパースに失敗する

json.JSONDecodeError: Expecting value

→ AIの出力がJSON形式になっていない場合に発生します。プロンプトに「JSON配列のみを返してください」と明記しているか確認してください。それでも発生する場合はリトライ処理の追加を検討しましょう。

修正結果の件数が合わない

→ AIが要素を追加・削除してしまうケースです。normalize_column 関数にチェックを追加すると安全です。

result = json.loads(result_text)

if len(result) != len(values):
    print(f"  警告: 入力 {len(values)}件に対し出力 {len(result)}件。修正をスキップします。")
    return values  # 元のデータをそのまま返す

API の料金が心配

この記事のサンプルデータ（8件 x 3列）を処理した場合の目安です。

モデル	1回あたりのコスト目安
`gpt-4o-mini`	約 0.01 円以下
`gpt-4o`	約 0.1 円程度

gpt-4o-mini であれば、数百件のデータを処理しても数円程度です。

まとめ

この記事では、Python と OpenAI API を使って Excel データの表記ゆれを自動修正するツールを作りました。

今回学んだこと

openpyxl で Excel ファイルを読み書きする方法
生成AIに構造化データ（JSON）を返させるプロンプトの書き方
temperature=0.0 で出力の安定性を確保する手法
VBA と生成AIの使い分けの考え方

生成AIに任せる際の注意点

表記ゆれの修正を生成AIに任せるということは、判断をAIに委ねるということです。AIの判断が常に正しいとは限らないため、以下の点に注意してください。

過剰な修正: 「株式会社ABC」と「株式会社エービーシー」が実際には別会社なのに、AIが同じ会社と判断して統一してしまう可能性があります
判断のブレ: temperature=0.0 でもAPIのバージョンアップなどで挙動が変わり、実行するたびに結果が異なることがあります
文脈の見落とし: 「1-1-1」と「1丁目1番1号」のどちらに統一すべきかは会社のルール次第ですが、AIにはその背景がわかりません

だからこそ、だからこそ、本記事のコードに入れた「修正: 旧データ -> 新データ」のターミナル表示が重要です。AIに任せっぱなしにするのではなく、「AIが下書きして、人間が確認する」という運用を心がけるのが良さそうです。
慣れてきたら楽になるかなと思います。ぜひお試しを！

参考リンク

この記事は「Python x 生成AI 業務自動化シリーズ」の初級編です。
いいねやストックしていただけると励みになります！