Pythonはシンプルな文法と豊富なライブラリを備え、さまざまな分野で活用されています。

1. データ操作・解析

🔹 Pandas – データ操作（Data Manipulation）

Pandasは、表形式のデータを効率的に処理できるライブラリです。データの読み込み、クリーニング、フィルタリング、変換など、多くの機能を提供します。

📌 サンプルコード:

import pandas as pd

# CSVファイルの読み込み
df = pd.read_csv("data.csv")

# データの確認
print(df.head())

# 特定の条件でフィルタリング
filtered_df = df[df["age"] > 30]

2. 機械学習

🔹 Scikit-Learn – 機械学習（Machine Learning）

Scikit-Learnは、機械学習アルゴリズムを簡単に実装できるライブラリです。分類・回帰・クラスタリングなど、多様な機械学習タスクに対応しています。

📌 サンプルコード:

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

# データのロード
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

# モデルの作成と学習
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 予測
predictions = model.predict(X_test)

3. ディープラーニング

🔹 TensorFlow – 深層学習（Deep Learning）

TensorFlowはGoogleが開発したディープラーニング向けのライブラリです。

📌 サンプルコード:

import tensorflow as tf
from tensorflow.keras import layers

# モデルの定義
model = tf.keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=(10,)),
    layers.Dense(32, activation='relu'),
    layers.Dense(1, activation='sigmoid')
])

# コンパイル
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

4. データ可視化

🔹 Matplotlib & Seaborn – データ可視化（Data Visualization）

MatplotlibやSeabornを使うことで、折れ線グラフやヒートマップなどを簡単に作成できます。

📌 サンプルコード（ヒートマップ）:

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

data = np.random.rand(10, 10)
sns.heatmap(data, annot=True)
plt.show()

5. Web開発

🔹 Flask – 軽量なWebアプリ開発

FlaskはシンプルなWebフレームワークで、APIの構築に最適です。

📌 サンプルコード:

from flask import Flask

app = Flask(__name__)

@app.route("/")
def home():
    return "Hello, Flask!"

if __name__ == "__main__":
    app.run(debug=True)

🔹 FastAPI – 高速なAPI開発 🚀

FastAPIは、Flaskよりも高速で非同期処理に対応したAPIフレームワークです。データのバリデーションやOpenAPIドキュメントが自動生成されるのも魅力です。

📌 サンプルコード（簡単なAPIサーバー）:

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"message": "Hello, FastAPI!"}

@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
    return {"item_id": item_id, "query": q}

✨ FastAPIのメリット

自動ドキュメント生成（Swagger UI対応）
非同期処理対応（async/await）
データバリデーションが簡単

FastAPIを使うことで、スピーディーにAPI開発ができます！

6. ゲーム開発

🔹 Pygame – ゲーム開発（Game Development）

Pygameは2Dゲーム開発に適したライブラリです。

📌 サンプルコード（ウィンドウを開く）:

import pygame

pygame.init()
screen = pygame.display.set_mode((500, 500))
pygame.display.set_caption("Pygame Window")

running = True
while running:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            running = False
pygame.quit()

7. モバイルアプリ開発

🔹 Kivy – モバイルアプリ開発（Mobile App Development）

Kivyを使うことで、クロスプラットフォームのアプリが開発できます。

📌 サンプルコード:

from kivy.app import App
from kivy.uix.button import Button

class MyApp(App):
    def build(self):
        return Button(text="Hello, Kivy!")

MyApp().run()

8. GUI開発

🔹 Tkinter – デスクトップアプリのGUI開発（GUI Development）

TkinterはPython標準ライブラリで、簡単なGUIアプリを作成できます。

📌 サンプルコード:

import tkinter as tk

root = tk.Tk()
root.title("Tkinter Window")

label = tk.Label(root, text="Hello, Tkinter!")
label.pack()

root.mainloop()