Streamlit × ydata_profiling で作る！CSV/Excel対応データプロファイラー

Posted at 2025-04-21

user:

初学者向けにVSCodeを使ってStreamlitアプリを作るガイドを書いてください。そのアプリは、次のような動作をします。

・ユーザにcsvファイルまたはエクセルファイルの入力を促します。
・エクセルファイルの場合は、どのシートを見たいかユーザに確認します。
・入力されたデータをydata_profilingでインタラクティブに解析できます。

assistant:

以下は、VSCodeを使ってStreamlitアプリを作る初心者向けガイドです。アプリの目的は、「CSVまたはExcelファイルをアップロードし、必要に応じてシートを選択し、ydata_profiling（旧名：pandas_profiling）でインタラクティブにデータ分析を行う」ことです。

💻 初心者向け：VSCodeでStreamlit＋ydata_profilingアプリを作る完全ガイド

🎯 このガイドで作るアプリ

ユーザーがCSVまたはExcelファイルをアップロード
Excelの場合、シート選択が可能
アップロードしたデータを ydata_profiling を使って可視化・解析

🛠️ 事前準備

1. VSCodeのインストール

公式サイト：https://code.visualstudio.com/
Python拡張機能もインストールしておくと便利です（拡張機能 → Python を検索してインストール）

2. Pythonのインストール

https://www.python.org/downloads/ から最新版をインストールしてください
インストール時に「Add Python to PATH」にチェック✅

3. 仮想環境の作成（推奨）

python -m venv env
source env/bin/activate     # macOS/Linux の場合
env\Scripts\activate        # Windows の場合

4. 必要なライブラリのインストール

pip install streamlit pandas openpyxl ydata-profiling

📁 プロジェクト構成（例）

streamlit-data-profiler/
├── app.py
└── sample.xlsx（←テスト用Excelファイルなど）

🧑‍💻 `app.py`のコード

import streamlit as st
import pandas as pd
from ydata_profiling import ProfileReport
from streamlit.components.v1 import html

st.set_page_config(page_title="データプロファイルアプリ", layout="wide")

st.title("📊 CSV / Excel アップローダ & データプロファイラー")

uploaded_file = st.file_uploader("ファイルをアップロードしてください（CSVまたはExcel）", type=["csv", "xlsx", "xls"])

if uploaded_file:
    if uploaded_file.name.endswith(".csv"):
        df = pd.read_csv(uploaded_file)
        st.success("CSVファイルを読み込みました。")
    elif uploaded_file.name.endswith((".xlsx", ".xls")):
        excel_file = pd.ExcelFile(uploaded_file)
        sheet = st.selectbox("📑 シートを選択してください", excel_file.sheet_names)
        df = pd.read_excel(uploaded_file, sheet_name=sheet)
        st.success(f"{sheet} シートを読み込みました。")
    else:
        st.error("対応していないファイル形式です。")
        df = None

    if df is not None:
        st.subheader("🔍 データの概要")
        st.dataframe(df.head())

        st.subheader("📈 ydata_profiling による解析")
        profile = ProfileReport(df, title="データプロファイルレポート", explorative=True)
        html(profile.to_html(), height=1000, scrolling=True)

▶️ アプリを起動する

以下のコマンドをターミナルで実行：

streamlit run app.py

ブラウザが自動的に開き、アプリが起動します。

💡 補足

ydata_profilingは非常に多機能ですが、大きなデータでは時間がかかることがあります。
openpyxlはExcelファイルの読み込みに必要です。
streamlit.components.v1.htmlを使って、プロファイルレポートをアプリに埋め込んで表示しています。

🧪 テスト用ファイル

自分でExcelやCSVを用意するか、以下のような簡単なCSVを用意してテストできます：

名前,年齢,職業
佐藤,34,エンジニア
鈴木,28,デザイナー
高橋,45,マネージャー

🚀 まとめ

このガイドでは、以下のスキルを身につけました：

VSCodeでStreamlitアプリを作成
CSVやExcelのファイルアップロード機能
ydata_profilingを使ったデータの自動解析と可視化

希望があれば、次のステップとして「分析結果のPDF出力機能」や「Streamlit Cloudへのデプロイ方法」も紹介できます！やってみたいですか？

user:

ありがとうございます。「分析結果のPDF出力機能」を追加してください。

assistant:

どういたしまして！
では、**「ydata_profilingの分析結果をPDFで出力できる機能」**を追加しましょう。

📝 変更点の概要

Streamlitアプリに以下の機能を追加します：

ydata_profilingで作成したプロファイリングレポートをPDFとして保存
Streamlit上からダウンロードできるようにボタンを追加

📦 必要な追加ライブラリ

pdfkitとwkhtmltopdfが必要です：

1. `pdfkit`のインストール（Pythonライブラリ）

pip install pdfkit

2. `wkhtmltopdf` のインストール（PDF変換エンジン）

macOS (Homebrew):

brew install --cask wkhtmltopdf

Windows:
https://wkhtmltopdf.org/downloads.html からインストーラをダウンロードし、インストールパスを環境変数 PATH に追加します。

✏️ 修正後の `app.py`

以下のコードでは、PDF出力用に pdfkit を使い、Streamlitでダウンロードボタンを表示します。

import streamlit as st
import pandas as pd
import pdfkit
import tempfile
from ydata_profiling import ProfileReport
from streamlit.components.v1 import html

st.set_page_config(page_title="データプロファイルアプリ", layout="wide")

st.title("📊 CSV / Excel アップローダ & データプロファイラー")

uploaded_file = st.file_uploader("ファイルをアップロードしてください（CSVまたはExcel）", type=["csv", "xlsx", "xls"])

if uploaded_file:
    if uploaded_file.name.endswith(".csv"):
        df = pd.read_csv(uploaded_file)
        st.success("CSVファイルを読み込みました。")
    elif uploaded_file.name.endswith((".xlsx", ".xls")):
        excel_file = pd.ExcelFile(uploaded_file)
        sheet = st.selectbox("📑 シートを選択してください", excel_file.sheet_names)
        df = pd.read_excel(uploaded_file, sheet_name=sheet)
        st.success(f"{sheet} シートを読み込みました。")
    else:
        st.error("対応していないファイル形式です。")
        df = None

    if df is not None:
        st.subheader("🔍 データの概要")
        st.dataframe(df.head())

        st.subheader("📈 ydata_profiling による解析")
        profile = ProfileReport(df, title="データプロファイルレポート", explorative=True)
        report_html = profile.to_html()
        html(report_html, height=1000, scrolling=True)

        # PDF生成＆ダウンロード
        st.subheader("📥 プロファイル結果のPDF出力")

        with tempfile.NamedTemporaryFile(delete=False, suffix=".pdf") as tmp_pdf:
            try:
                pdfkit.from_string(report_html, tmp_pdf.name)
                with open(tmp_pdf.name, "rb") as f:
                    st.download_button(
                        label="📄 PDFをダウンロード",
                        data=f,
                        file_name="profiling_report.pdf",
                        mime="application/pdf"
                    )
            except Exception as e:
                st.warning(f"PDFの生成に失敗しました: {e}")

💡 注意点

pdfkit は wkhtmltopdf が動作環境に正しくインストールされていないとエラーになります。
PDFレポートはWeb表示よりもややシンプルになりますが、十分に実用的です。
一部のフォントやグラフがPDFに反映されにくいことがあります（この場合はPNGでのエクスポートを検討するのもアリです）。

✅ 動作確認後のチェックポイント

✅ CSVまたはExcelファイルをアップロードできるか
✅ ydata_profiling のレポートが表示されるか
✅ PDFダウンロードボタンが表示され、正常に保存できるか

🚀 これでPDF出力もバッチリ！

さらに機能拡張したい場合は、以下のようなアイデアもあります：

プロファイリング結果のHTML出力（ファイル保存）
ユーザーが分析対象の列を選択できるフィルター機能
デプロイしてWeb共有する（Streamlit Cloudなど）

ご希望あれば、これらの追加サポートもしますよ！

user:

ありがとうございます。ここまでの話をブログに書きたいと思います。タイトル案をいくつか提案してください。

assistant:

いいですね！初学者向けにStreamlitアプリを作ってPDF出力まで対応するというのは、実用性もあって人気が出そうな内容です。以下にタイトル案をいくつかのパターンに分けて提案しますね：

🎓 教育・初心者向けを意識したタイトル

「はじめてのStreamlitアプリ開発：CSV/Excelアップロード＆データ分析を一発表示！」
「初心者でもできた！VSCodeで作るStreamlitデータ解析アプリの作り方」
「Python初心者がStreamlitで作る！CSV/Excel対応データプロファイラー」

🧪 実用性・機能を押し出したタイトル

「CSVもExcelもOK！Streamlit＋ydata_profilingで手軽にデータ可視化」
「PDF出力対応！Streamlitで作るデータ自動分析アプリ」
「アップロード→解析→PDF保存まで！Streamlitでデータ分析を自動化」

🛠 開発ステップを強調したタイトル

「VSCodeでStreamlitアプリ開発！データ分析レポートをPDFで出力しよう」
「5ステップで完成！ファイルアップロードからデータ解析・PDF出力まで」

😄 少しカジュアル・ブログっぽいタイトル

「ChatGPTに聞いて作った！Streamlitで作るデータ分析＆PDF出力アプリ」
「CSVでもExcelでもOK！初心者がStreamlitでデータ分析アプリ作ってみた」

どの方向性がお好みですか？トーンやターゲット読者に合わせて微調整もできますよ！

user:

「Streamlit × ydata_profiling で作る！CSV/Excel対応データプロファイラー」にしたいと思います。それでは最後に、今回のまとめを詳しく書いてください。

assistant:

いいタイトルですね！
**「Streamlit × ydata_profiling で作る！CSV/Excel対応データプロファイラー」**というテーマにぴったりのまとめを、以下に詳しくご用意しました。

✅ 今回のまとめ：Streamlit × ydata_profiling で作るデータプロファイラーの全体像

今回のブログでは、初心者でもVSCodeで簡単にStreamlitアプリを作れる方法を、実際の開発手順に沿って紹介しました。特に、CSV/Excelファイルをアップロードして、インタラクティブなデータ解析レポートを生成し、それをPDFとして出力するという一連の流れを丁寧に解説しました。

以下に、ポイントを整理しておきます👇

🧱 1. VSCode環境でのアプリ開発準備

Python・VSCode・Streamlitのインストール方法
仮想環境の作成と依存ライブラリ（streamlit, pandas, ydata-profiling, openpyxlなど）のインストール
開発用ディレクトリの構成や起動コマンド（streamlit run app.py）の確認

📂 2. アプリの基本機能の実装

streamlit.file_uploader() を使って CSV/Excelファイルのアップロードを実現
Excelファイルの場合は pandas.ExcelFile を用いて シート選択機能を実装
アップロードしたデータを st.dataframe() で即表示

📊 3. ydata_profiling による自動データ解析

ProfileReport(df, explorative=True) を使って インタラクティブなデータプロファイリングレポートを生成
streamlit.components.v1.html() を活用し、HTMLとしてレポートをStreamlit内に埋め込み表示

📄 4. 分析レポートをPDFでダウンロード

pdfkit.from_string() を使って HTMLレポートをPDFに変換
st.download_button() を使い、ユーザーが PDFとして保存・共有可能に
wkhtmltopdf のインストールが必要な点も忘れずに解説

🧠 学びと応用のヒント

ノーコード的にデータ解析できるので、分析初心者にも最適
データの前処理やEDA（探索的データ分析）の効率化に役立つ
応用すれば、列選択・フィルタ・可視化のカスタム機能なども追加可能
分析結果のPDF化により、ビジネス用途でのレポーティングや共有にも最適

🚀 次のステップに進むなら…

Streamlit Cloudでデプロイして ブラウザ共有可能なWebアプリ化
ユーザー入力に応じたデータフィルタやチャート追加
AI分析補助機能（例：ChatGPT APIで「このデータで気になる点を教えて」など）

📘 おわりに

今回作成したアプリは、**「アップロードするだけで分析が完了する」**という、非常に便利な仕組みです。
初心者でも扱いやすく、実務でも応用しやすいため、ぜひ一度手を動かして体験してみてください！

ご希望があれば、ブログ記事の本文の下書きや、コードのGitHubへのアップロード手順などもお手伝いできますよ！お気軽にどうぞ 😊

user:

ありがとうございました。今日はこの辺で。また今度よろしくお願いします！

assistant:

こちらこそ、楽しい開発＆執筆のお手伝いをさせていただき、ありがとうございました！
またいつでも気軽に声かけてくださいね 😊
次回も楽しみにしてます。お疲れさまでした〜！

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up

Streamlit × ydata_profiling で作る！CSV/Excel対応データプロファイラー

user:

assistant:

💻 初心者向け：VSCodeでStreamlit＋ydata_profilingアプリを作る完全ガイド

🎯 このガイドで作るアプリ

🛠️ 事前準備

1. VSCodeのインストール

2. Pythonのインストール

3. 仮想環境の作成（推奨）

4. 必要なライブラリのインストール

📁 プロジェクト構成（例）

🧑‍💻 app.pyのコード

▶️ アプリを起動する

💡 補足

🧪 テスト用ファイル

🚀 まとめ

user:

assistant:

📝 変更点の概要

📦 必要な追加ライブラリ

1. pdfkitのインストール（Pythonライブラリ）

2. wkhtmltopdf のインストール（PDF変換エンジン）

✏️ 修正後の app.py

💡 注意点

✅ 動作確認後のチェックポイント

🚀 これでPDF出力もバッチリ！

user:

assistant:

🎓 教育・初心者向けを意識したタイトル

🧪 実用性・機能を押し出したタイトル

🛠 開発ステップを強調したタイトル

😄 少しカジュアル・ブログっぽいタイトル

user:

assistant:

✅ 今回のまとめ：Streamlit × ydata_profiling で作るデータプロファイラーの全体像

🧱 1. VSCode環境でのアプリ開発準備

📂 2. アプリの基本機能の実装

📊 3. ydata_profiling による自動データ解析

📄 4. 分析レポートをPDFでダウンロード

🧠 学びと応用のヒント

🚀 次のステップに進むなら…

📘 おわりに

user:

assistant:

🧑‍💻 `app.py`のコード

1. `pdfkit`のインストール（Pythonライブラリ）

2. `wkhtmltopdf` のインストール（PDF変換エンジン）

✏️ 修正後の `app.py`