Python：外部ライブラリ（requests / pandas入門）

解答 == C

Pythonを入れた直後から使えるものと、そうでないもの。

C

pandas と requests は外部ライブラリで pip install pandas が必要。import でエラーが出たら、まずインストール済みか確認する。

出力 == (3, 2)

import pandas as pd してから pd.DataFrame(辞書)。行数と列数は df.shape。

import pandas as pd

df = pd.DataFrame({"名前": ["田中", "鈴木", "高橋"], "点数": [82, 95, 67]})

print(df.shape)

辞書のキーが列名、値のリストが列の中身になる。shape は (行数, 列数) のタプル。

出力 == 81.3

df["点数"].mean() で平均が取れる。表示は f"{値:.1f}"。

import pandas as pd

df = pd.DataFrame({"名前": ["田中", "鈴木", "高橋"], "点数": [82, 95, 67]})

print(f"{df['点数'].mean():.1f}")

ループも sum も len も不要。列に対してそのまま .mean() を呼べるのがpandasの発想。

____ pandas as pd

df = pd.DataFrame({"a": [1, 2, 3]})
print(len(df))

出力 == 3

モジュールを読み込むキーワード。PY12で学んだ as と組み合わせる。

import

import pandas as pd は世界共通の書き方。ネット上のサンプルコードもすべてこの形なので、必ずこれに合わせる。

解答 == B

アンダースコアでつないだ2語。

B

200なら成功、404は見つからない、500はサーバー側のエラー。まず status_code を確認してから中身を読むのが基本手順。

出力 == ['田中', '高橋', '佐藤']

df[df["点数"] >= 60] で行を絞れる。名前をリストにするには list(絞った表["名前"])。

import pandas as pd

df = pd.DataFrame({
    "名前": ["田中", "鈴木", "高橋", "佐藤"],
    "点数": [82, 45, 91, 67],
})

passed = df[df["点数"] >= 60]

print(list(passed["名前"]))

df["点数"] >= 60 は True/False の列を作り、それを df[...] に渡すとTrueの行だけが残る。PY09の内包表記の絞り込みに相当する。

import pandas as pd

df = pd.DataFrame({"価格": [1000, 2000]})
df[____] = (df["価格"] * 1.1).astype(int)

print(list(df["税込"]))

出力 == [1100, 2200]

新しい列名を文字列で指定する。最後の print と同じ名前にすること。

"税込"

存在しない列名に代入すると列が追加される（辞書と同じ発想）。列全体に一度に掛け算できるので、ループは要らない。

解答 == B

戻り値で知らせるのか、それとも別の手段か。

B

通信は必ず try/except で囲む。まとめて捕まえるなら except requests.RequestException: が便利。timeout を付けないと延々と待ち続けることもある。

出力 == {'人事': 80, '営業': 250, '開発': 320}

df.groupby("部署")["売上"].sum() で集計できる。辞書にするには .to_dict()。

import pandas as pd

df = pd.DataFrame({
    "部署": ["営業", "開発", "営業", "人事", "開発"],
    "売上": [100, 200, 150, 80, 120],
})

print(df.groupby("部署")["売上"].sum().to_dict())

PY07で辞書とループを使って書いた集計が1行になる。groupby の結果はキー順に並べ替えられる点に注意。

出力 == ['鈴木', '高橋']

df.sort_values("点数", ascending=False) で降順。先頭だけ取るには .head(2)。

import pandas as pd

df = pd.DataFrame({
    "名前": ["田中", "鈴木", "高橋", "佐藤"],
    "点数": [82, 95, 91, 67],
})

top2 = df.sort_values("点数", ascending=False).head(2)

print(list(top2["名前"]))

PY06で sorted(...)[:3] と書いたランキング処理のpandas版。行全体が一緒に並び替わるので、名前と点数の対応が崩れない。

接続時：取得成功：200 とキー一覧が出力される

requests.get(url, timeout=5) を try で囲み、except requests.RequestException as e: で受け止める。キー一覧は list(data.keys())。

import requests

url = "https://zipcloud.ibsnet.co.jp/api/search?zipcode=1000001"

try:
    r = requests.get(url, timeout=5)

    if r.status_code == 200:
        data = r.json()
        print(f"取得成功：{r.status_code}")
        print(list(data.keys()))
    else:
        print(f"取得失敗：{r.status_code}")

except requests.RequestException as e:
    print(f"通信エラー：{e}")

status_code を確認 → json() で辞書化 → キーを見るが、初めて触るAPIの正しい進め方。いきなり中身を決め打ちで取り出さず、まず構造を確認する。応答の中身はPY15のS05で練習した「辞書の中にリスト」の形になっている。

各URLについて1行ずつ [OK] / [NG] / [ERR] が出力される

1件の失敗で止めないことが目的。try/except を関数の中に入れ、ループ側は淡々と回すだけにする。

import requests

urls = [
    "https://zipcloud.ibsnet.co.jp/api/search?zipcode=1000001",
    "https://zipcloud.ibsnet.co.jp/存在しないパス",
    "https://this-domain-does-not-exist-12345.example",
]


def check(url):
    try:
        r = requests.get(url, timeout=5)

        if r.status_code == 200:
            return f"[OK] {url} → {r.status_code}"

        return f"[NG] {url} → {r.status_code}"

    except requests.RequestException as e:
        return f"[ERR] {url} → {type(e).__name__}"


for u in urls:
    print(check(u))

「HTTPエラー」と「通信できない」は別物。404はサーバーに届いたうえでの応答、ConnectionError はそもそも届いていない。監視スクリプトやクローラーはこの2つを区別して記録する。

出力4行が完全一致

保存は df.to_csv("scores.csv", index=False, encoding="utf-8")。読み込みは pd.read_csv()。合格者数は len(df[df["点数"] >= 60])。

import pandas as pd

df = pd.DataFrame({
    "名前": ["田中", "鈴木", "高橋", "佐藤"],
    "点数": [82, 45, 91, 98],
})

df.to_csv("scores.csv", index=False, encoding="utf-8")

loaded = pd.read_csv("scores.csv")

print(f"行数：{len(loaded)}")
print(f"平均点：{loaded['点数'].mean():.1f}")
print(f"最高点：{loaded['点数'].max()}")
print(f"合格者：{len(loaded[loaded['点数'] >= 60])}人")

PY11でcsvモジュールを使って書いた処理がread_csv の1行になる。index=False を付けないと行番号の列が余計に保存されるので忘れないこと。

出力5行が完全一致

税込は (df["価格"] * 1.1).astype(int)。送料の列は内包表記でも作れるが、df["税込"].apply(lambda x: 0 if x >= 10000 else 800) が簡潔。出力は for _, row in df.iterrows(): で1行ずつ取り出す。

import pandas as pd

df = pd.DataFrame({
    "商品": ["ノートPC", "マウス", "キーボード", "モニター"],
    "価格": [128000, 3200, 8500, 45000],
})

df["税込"] = (df["価格"] * 1.1).astype(int)
df["送料"] = [0 if x >= 10000 else 800 for x in df["税込"]]

for _, row in df.iterrows():
    print(f"{row['商品']}：{row['税込']:,}円（送料{row['送料']}円）")

print(f"送料無料：{len(df[df['送料'] == 0])}件")

列を足していくだけで表が育つのがpandasの気持ちよさ。iterrows() は1行ずつ取り出す方法だが遅いので、集計は必ず列単位（sum / mean / groupby）で行うこと。

出力4行が完全一致

合計は groupby("部署")["売上"].sum()、件数は .count()。合計を sort_values(ascending=False) で並べ替え、for 部署, 金額 in 並べ替えた結果.items(): で回す。

import pandas as pd

df = pd.DataFrame({
    "部署": ["営業", "開発", "営業", "人事", "開発", "営業"],
    "売上": [120, 200, 150, 80, 220, 90],
})

totals = df.groupby("部署")["売上"].sum().sort_values(ascending=False)
counts = df.groupby("部署")["売上"].count()

for dept, amount in totals.items():
    print(f"{dept}：{amount}万円（{counts[dept]}件）")

print(f"全社：{df['売上'].sum()}万円")

groupby → sort_values → items() で回すが集計レポートの定番の流れ。PY07で辞書を2つ用意して数えた処理と同じことを、宣言的に短く書けている。