事務作業につかえるpythonのおすすめライブラリ3つを紹介

ここではエンジニアや、これからエンジニアを目指すといった目線ではなく、売上計算や経費計算、数値の推移などを確認したり、記録するといった日常的に事務作業を業務としておこなっている人が便利になるといった目線でpythonのおすすめライブラリを3つ紹介したいと思います。

どのライブラリもとても優秀な機能が備わっていて簡単にあつかうことができるものとなっています。
これらのライブラリをつかったコードを記事内で紹介していますので、ここで紹介しているライブラリはどんなことができるか雰囲気をつかめると思います。
ご自身の業務や作業に役立つものがあれば、是非ご自身でもつかってみてください。

【結論】事務作業につかえるpythonのおすすめライブラリ

おすすめしたいpythonの外部ライブラリは以下の3つとなります。

Matplotlib

Matplotlib(マットプロットリブ)は、いろいろなグラフを表示することができるライブラリです。エクセルなどの表計算ソフトとの相性が良いのでこれらのデータから視覚的にわかりやすくすることができます。

Seaborn

Seaborn(シーボーン)も、グラフを描画することが可能なライブラリです。Matplotlibと比べて見た目にこだわったグラフを出力することができます。

Pandas

Pandas(パンダス)はデータ分析ができるライブラリです。データフレーム(エクセルの表のような)形式でデータを管理することや処理をすることができます。

これらのライブラリをつかうための準備とそれぞれをつかっていきます。

環境を準備する：Python外部ライブラリをインストール

pythonライブラリについて

Pythonではライブラリと言われる特殊な機能を持つプログラムをまとめたものがあります。

また、ライブラリの中でもPythonに最初からインストールされている標準ライブラリと、別途インストールをすることで使うことが出来る外部ライブラリが存在します。

ライブラリは沢山あるため全てを覚える必要はありません。実装したいプログラムに適したライブラリをインターネットで探して利用しましょう。

Pythonの標準ライブラリと外部ライブラリ一覧は以下のサイトで確認することができます。

Python標準ライブラリ

Python 標準ライブラリ

Python 言語リファレンス ではプログラミング言語 Python の厳密な構文とセマンティクスについて説明されていますが、このライブラリリファレンスマニュアルでは Python とともに配付されている標準ライブラリについて説明します。ま...

docs.python.org

Python外部ライブラリ

https://pypi.org/

グラフを表示するための外部ライブラリ(matplotlib)がありますのでインストールします。

Pythonライブラリのインストール方法

外部ライブラリのインストール方法については、ターミナル（Windowsの場合にはコマンドプロンプト）にて、pipコマンドを使ってください。

macならアプリ検索で「ターミナル」と入力、Windows場合は「コマンド プロンプト」と入力してアプリを起動してください。

matplotlib(マットプロットリブ)をインストール

pip install matplotlib

seaborn(シーボーン)をインストール

pip install seaborn

pandas(パンダス)をインストール

pip install pandas

全てインストールが出来たら完了です。

これでライブラリは使用可能になりましたので、次から実際のPythonコードでライブラリを使う方法をみていきましょう。

Pythonで折れ線グラフを表示するコード

入力コード

import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns

sns.set(style='darkgrid',font='Yu Gothic')

x1 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y1 =[20,22,19,20,23]
x2 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y2 =[19,21,20,21,19]
x3 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y3 =[22,19,20,22,21]
x4 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y4 =[21,20,21,22,18]

plt.figure(figsize=(15,5))
plt.title('各スタッフ出勤状況比較')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x1, y1,label ='Aさん')
plt.plot(x2, y2,label ='Bさん')
plt.plot(x3, y3,label ='Cさん')
plt.plot(x4, y4,label ='Dさん')
plt.legend()
plt.show()

実行結果

グラフ表示に必要なライブラリ(matplotlib)をインポート

import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns

ライブラリとは特定の機能をまとめたプログラムであり、様々な機能を使うためのコードとなります。
プログラムの目的(本記事で言えばグラフを表示する)に応じたライブラリがあればどんどん使っていきましょう。

ライブラリ名を覚える必要はありませんが、参考までに今回使用しているライブラリの参照ページを掲載しておきます。

ライブラリ名	参照ページ(URL)
matplotlib	https://matplotlib.org/stable/api/pyplot_summary.html?highlight=pyplot#module-matplotlib.pyplot
seaborn	https://seaborn.pydata.org/api.html
pandas	https://pandas.pydata.org/docs/index.html

コード全文から該当する箇所のみを抜粋して見てみましょう。

入力コード

import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns

sns.set(style='darkgrid',font='Yu Gothic')

コード内の1行目、import matplotlib.pyplot as pltは、ライブラリの「matplotlib.pyplot」とインポートして、「Plt」として使えるようにする。という意味のコードになります。3行目のimport seaborn as snsも1行目同様にライブラリの「seaborn」をインポートして「sns」として使えるようにする。といったコードになります。

2行目・4行目はそれぞれのライブラリが日本語表示に対応するための基本設定コードです。

matplotlibライブラリで表示するグラフの元データを作る

職場の出勤状況を比較するグラフを表示することを想定して、サンプルデータを作成してみます。
ここでは、スタッフ4名の2022年6月から10月までの出勤日数データを作成することにします。

入力コード

#Aさんの出勤状況データ
x1 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y1 =[20,22,19,20,23]

#Bさんの出勤状況データ
x2 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y2 =[19,21,20,21,19]

#Cさんの出勤状況データ
x3 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y3 =[22,19,20,22,21]

#Dさんの出勤状況データ
x4 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y4 =[21,20,21,22,18]

グラフの元となるX(横)軸には月の値を変数に代入し、Y(縦)軸には出勤した日数の値を変数に代入しています。

ここまででグラフを表示するための「ライブラリの準備(インポート)」やグラフの「元データの作成」が完了しました。
あとはグラフを表示するために必要なコードを書いていきます。

matplotlibライブラリでグラフを表示するコードを書く

入力コード

#グラフ全体表示に関する設定コード
plt.figure(figsize=(15,5))
plt.title('各スタッフ出勤状況比較')
plt.xlabel('月')
plt.ylabel('出勤日数')

#個別のデータのセットとラベル名をつけるためのコード
plt.plot(x1, y1,label ='Aさん')
plt.plot(x2, y2,label ='Bさん')
plt.plot(x3, y3,label ='Cさん')
plt.plot(x4, y4,label ='Dさん')

#凡例を表示するためのコード
plt.legend()

#出力するコード
plt.show()

Pythonで折れ線グラフを表示するコード(複数に分けて表示)

入力コード

import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns

sns.set(style='darkgrid',font='Yu Gothic')

#グラフの元となるデータ
x1 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y1 =[20,22,19,20,23]
x2 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y2 =[19,21,20,21,19]
x3 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y3 =[22,19,20,22,21]
x4 =['2022/6','2022/7','2022/8','2022/9','2022/10']
y4 =[21,20,21,22,18]

#グラフ全体設定
plt.figure(figsize=(18,13))

#グラフ左上
plt.subplot(2, 2, 1)
plt.title('Aさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x1, y1)

#グラフ右上
plt.subplot(2, 2, 2)
plt.title('Bさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x2, y2,color="orange")

#グラフ左下
plt.subplot(2, 2, 3)
plt.title('Cさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x3, y3,color="green")

#グラフ右下
plt.subplot(2, 2, 4)
plt.title('Dさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x4, y4,color="red")

実行結果

matplotlibライブラリでグラフを表示するコードを書く

入力コード

#グラフ全体設定
plt.figure(figsize=(18,13))

#グラフ左上
plt.subplot(2, 2, 1)
plt.title('Aさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x1, y1)

#グラフ右上
plt.subplot(2, 2, 2)
plt.title('Bさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x2, y2,color="orange")

#グラフ左下
plt.subplot(2, 2, 3)
plt.title('Cさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x3, y3,color="green")

#グラフ右下
plt.subplot(2, 2, 4)
plt.title('Dさん出勤状況')
plt.xlabel('月')
plt.ylabel('出勤日数')
plt.plot(x4, y4,color="red")

グラフの表示位置を決定しているコードは下記です。

plt.subplot(2, 2, 1)の（）内の引数は、
行数・列数・位置となっていて、左上から番号を割り振られています。

上のコード場合は1枚の紙を4分割にして、左上の位置に表示するといった意味になります。

Pythonで円グラフを表示するコード

コードの書く順番は以下のとおり、それぞれのブロック別に見ていけば読み取りやすくなります。

入力コード

#円グラフを表示するコード全文
import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns   
sns.set(style='darkgrid',font='Yu Gothic')

data ={'4月売上金額':[2200,550,2250],
       '5月売上金額':[1450,6500,2000],
       '6月売上金額':[4000,1900,2500],
      }
idx = ['Aさん','Bさん','Cさん']
df = pd.DataFrame(data,index=idx)
colors = ["red", "gold", "green"]

plt.figure(figsize=(25,20))
#4月売上
plt.subplot(1,4,1)
df['4月売上金額'].plot.pie(startangle=90, counterclock=False, colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

#5月売上
plt.subplot(1,4,2)
df['5月売上金額'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

#6月売上
plt.subplot(1,4,3)
df['6月売上金額'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

df['売上合計']= df.sum(axis = 1)#行

#合計
plt.subplot(1,4,4)
df['売上合計'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

plt.show()
display(df)

実行結果

グラフ表示に必要なライブラリをインポート

入力コード

import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns   
sns.set(style='darkgrid',font='Yu Gothic')

pandasの特徴等については以下のとおりです。

特徴
・データ操作のための高速で効率的なデータフレーム (DataFrame) オブジェクト

・メモリ内のデータ構造とその他のフォーマットのデータ間で相互に読み書きするためのツール群。フォーマット例: CSV、テキストファイル、Excel、SQLデータベース、HDF5フォーマットなど

・データの調整および統合された欠損値処理

・ラベルに基づいたスライス、fancyインデクシング、巨大なデータセットのサブセット取得

・データセットに対するsplit-apply-combine操作を可能にするエンジンが提供するpowerful groupを使ったデータの集計および変換

・高性能なデータセットのマージと結合

・時系列データ: 日付範囲生成[4]、周波数変換、移動窓を用いた統計値や線形回帰、シフトと遅延、など

・パフォーマンスのための高度な最適化。重要なコードはCythonまたはC言語で実装されている[5]。

wikipediaより引用

グラフにするデータを作る

入力コード

data ={'4月売上金額':[2200,550,2250],
       '5月売上金額':[1450,6500,2000],
       '6月売上金額':[4000,1900,2500],
      }
idx = ['Aさん','Bさん','Cさん']
df = pd.DataFrame(data,index=idx)
colors = ["red", "gold", "green"]

この時点でのデータフレーム(表)は以下のとおりです。
コード内の”idx = [‘Aさん’,’Bさん’,’Cさん’]“でデータフレームのインデックスになります。
“df = pd.DataFrame(data,index=idx)“で最左列(インデックス)にAさん、Bさん、Cさんのリストデータを指定しています。

グラフにするデータを表にしたもの。売上合計はこの後のコードで追加していきます。

スタッフ名／月	4月売上金額	5月売上金額	6月売上金額
Aさん	2200	1450	4000
Bさん	550	6500	1900
Cさん	2250	2000	2500

グラフを表示するコードを書く

入力コード

plt.figure(figsize=(25,20))
#4月売上
plt.subplot(1,4,1)
df['4月売上金額'].plot.pie(startangle=90, counterclock=False, colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

#5月売上
plt.subplot(1,4,2)
df['5月売上金額'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

#6月売上
plt.subplot(1,4,3)
df['6月売上金額'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

df['売上合計']= df.sum(axis = 1)#行
※Aさん、Bさん、Cさんの行を合計して、"売上合計"の列を表に付け加える。

#合計
plt.subplot(1,4,4)
df['売上合計'].plot.pie(startangle=90, counterclock=False,colors=colors,labeldistance=0.7,autopct="%1.1f%%")
plt.title('売上割合')

plt.show() #グラフを出力する
display(df) #売上合計を追加した表を出力する

データフレーム(表)の更新

スタッフ名／月	4月売上金額	5月売上金額	6月売上金額
Aさん	2200	1450	4000
Bさん	550	6500	1900
Cさん	2250	2000	2500

Aさん・Bさん・Cさんのそれぞれの行を足し算した値をデータフレーム(表)に売上合計の列を付け加えるためのコード。
コード実行後のデータフレーム(表)は以下のとおりで売上合計の列が追加されます。

一番右側にAさん、Bさん、Cさんの合計金額を列を追加

スタッフ名／月	4月売上金額	5月売上金額	6月売上金額	売上合計
Aさん	2200	1450	4000	7650
Bさん	550	6500	1900	8950
Cさん	2250	2000	2500	6750

Pythonで縦棒グラフを表示するコード

入力コード

import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib #matplotlib を日本語表示に対応するモジュールインポート
import seaborn as sns   
sns.set(style='darkgrid',font='Yu Gothic')


data={
    'Aさん':[65,80,78,63,52],
    'Bさん':[80,45,67,30,97],
    'Cさん':[28,97,80,70,35],
}

idx=["国語","数学","英語","理科","社会"]
df = pd.DataFrame(data,index=idx)

display(df)

plt.figure(figsize=(20,3))
plt.subplot(1,3,1)
plt.title('Aさんの教科別点数')
plt.bar(idx,df['Aさん'],color="red")

plt.subplot(1,3,2)
plt.title('Bさんの教科別点数')
plt.bar(idx,df['Bさん'],color="blue")

plt.subplot(1,3,3)
plt.title('Cさんの教科別点数')
plt.bar(idx,df['Cさん'],color="gold")

ax = df.plot.bar(title="AさんとBさんの比較",figsize=(20,2.5),rot=0, color={'Aさん': 'red', 'Bさん': 'blue','Cさん':'gold'})

実行結果

グラフを表示するコードを書く

plt.figure(figsize=(20,3))
plt.subplot(1,3,1)
plt.title('Aさんの教科別点数')
plt.bar(idx,df['Aさん'],color="red")

plt.subplot(1,3,2)
plt.title('Bさんの教科別点数')
plt.bar(idx,df['Bさん'],color="blue")

plt.subplot(1,3,3)
plt.title('Cさんの教科別点数')
plt.bar(idx,df['Cさん'],color="gold")

ax = df.plot.bar(title="AさんとBさんの比較",figsize=(20,2.5),rot=0, color={'Aさん': 'red', 'Bさん': 'blue','Cさん':'gold'})

表示する方法に他のグラフと大きな違いはなく、「plt.XXX(x軸,y軸,系列の色)」の’XXX‘部分でグラフの種類を指定していることになります。

Pythonでグラフ表示するまとめ

今回はPythonの外部ライブラリ「matplotlib.pyplot」と「seaborn」更に「pandas」を使ってグラフを表示してみました。

Excelなどでグラフを作成することに慣れている方などにとっては、イメージしているより簡単だったのではないでしょうか。

今回実際にご紹介したものも含め、下記のようなグラフを表示することができます。

※グラフ種類を網羅している訳ではございませんので予めご了承下さい。

グラフの種類	コードで指定する方法
折れ線グラフ	plt.plot
ヒストグラム	plt.hist
棒グラフ	plt.bar
円グラフ	plt.pie
箱ひげ図	plt.boxplot
散布図	plt.scatter

本ブログ上ではサンプルデータを用いてグラフを作成してみましたが、応用して実務で使うようなデータなどを取り入れてみると面白いかもしれません。