Python コース

関数の引数にはデフォルト値を設定できます。デフォルト引数を使うと、その引数を省略して関数を呼び出すことができ、省略された場合は設定したデフォルト値が使用されます。これにより、関数の柔軟性が向上し、よく使われる値を事前に設定しておくことで、コードの重複を減らすことができます。

Pythonの関数は複数の値を返すことができます。実際にはタプルとして返され、呼び出し側でアンパック（展開）して個別の変数に代入できます。これにより、関連する複数の値を一度に返す便利な関数を作成でき、コードの可読性と効率性が向上します。

Pythonでは変数のスコープ（有効範囲）が重要です。関数内で定義された変数はローカル変数、関数外で定義された変数はグローバル変数となります。関数内からグローバル変数を変更するには、globalキーワードを使用する必要があります。スコープを理解することで、予期しないバグを防ぐことができます。

docstring（ドキュメント文字列）は、関数やクラスの説明を記述するための特別な文字列です。関数定義の直後に三重引用符で囲んで記述します。help()関数で表示でき、IDEの補完機能でも活用されます。適切なdocstringを書くことで、コードの可読性と保守性が大幅に向上します。

isinstance()関数を使うと、変数の型を実行時にチェックできます。これは動的型付け言語のPythonで、関数の引数が期待する型かどうかを確認する際に重要です。適切な型チェックとエラーハンドリングを組み合わせることで、より堅牢な関数を作成できます。

再帰関数は、自分自身を呼び出す関数です。複雑な問題を同じパターンの小さな問題に分解して解決する際に有効です。重要なのは、必ず終了条件（ベースケース）を設定することです。終了条件がないと無限ループになってしまいます。階乗計算は再帰の典型的な例です。

f-stringはPython 3.6以降で使える文字列フォーマット機能です。文字列の前にfを付けて、波括弧{}内に変数や式を埋め込めます。従来の%演算子やformat()メソッドよりも読みやすく、高速です。変数の値を文字列に埋め込む最もモダンな方法として推奨されています。

f-stringでは、コロン(:)の後に書式指定子を追加することで、数値の表示形式や文字列の配置を細かく制御できます。小数点以下の桁数指定、幅指定、左寄せ・右寄せ・中央寄せなどが可能です。これにより、見やすい表形式の出力や、数値の整形された表示が簡単に実現できます。

split()メソッドは文字列を指定した区切り文字で分割してリストを作成します。join()メソッドは逆にリストの要素を指定した文字列で結合します。これらのメソッドはCSVデータの処理やテキストの整形など、実務でよく使用される重要な機能です。

strip()、lstrip()、rstrip()メソッドは文字列の両端、左端、右端から指定した文字を削除します。引数を省略すると空白文字（スペース、タブ、改行）が削除されます。ユーザー入力の前処理やファイルから読み込んだデータのクリーニングなどで頻繁に使用される重要なメソッドです。

find()メソッドは文字列内で部分文字列を検索し、最初に見つかった位置のインデックスを返します。見つからない場合は-1を返します。replace()メソッドは指定した文字列を別の文字列に置換します。第3引数で置換回数を制限できます。テキスト処理において非常に重要なメソッドです。

文字列の大文字・小文字を変換するメソッドについて学びます。upper()で全て大文字に、lower()で全て小文字に変換できます。capitalize()は最初の文字のみ大文字に、title()は各単語の最初を大文字にします。

文字列の内容を判定するメソッドについて学びます。isdigit()は数字のみか、isalpha()はアルファベットのみか、isspace()は空白のみかを判定します。これらは入力検証やデータ処理で重要な役割を果たします。

文字列に変数を埋め込む方法を学びます。format()メソッドは{}プレースホルダーに値を埋め込みます。%演算子は古い方法ですが、まだ使われています。f-stringが最も新しく推奨される方法です。

リスト内包表記は、既存のリストから新しいリストを作成する簡潔な方法です。forループをより短く、読みやすく書けます。[式 for 変数 in リスト]の形式で、各要素に対して処理を適用できます。

リスト内包表記に条件を追加して、特定の条件を満たす要素のみを抽出できます。[式 for 変数 in リスト if 条件]の形式で、フィルタリング処理を簡潔に書けます。

辞書内包表記を使って、簡潔に辞書を作成できます。{キー: 値 for 変数 in リスト}の形式で記述します。zip()関数と組み合わせることで、複数のリストから辞書を作成できます。

enumerate()関数は、リストの要素とそのインデックスを同時に取得できます。forループでカウンタ変数を手動で管理する必要がなくなり、コードがより簡潔になります。開始番号も指定可能です。

zip()関数は複数のリストを並列に処理します。同じインデックスの要素をまとめてタプルにし、同時に反復処理できます。異なる長さのリストの場合、最も短いリストに合わせて処理されます。

Pythonにはリストをソートする2つの方法があります。sorted()関数は元のリストを変更せずに新しいソート済みリストを返します。一方、list.sort()メソッドは元のリストを直接変更します。両方ともkey引数で並べ替えの基準を、reverse引数で降順・昇順を指定できます。

map()関数はリストやイテラブルのすべての要素に対して指定した関数を適用し、その結果を返します。既存の関数（組み込み関数など）やlambda式、カスタム関数を使って、要素を一括で変換できます。リスト内包表記と同様の処理を関数型プログラミングのスタイルで書けます。

filter()関数は、指定した条件を満たす要素のみを抽出してフィルタリングします。第一引数に条件を判定する関数、第二引数にイテラブルを渡します。結果はfilterオブジェクトとして返され、list()で変換できます。リスト内包表記の条件付きと同様の処理を関数型プログラミングのスタイルで実現できます。

lambda式は名前のない小さな関数（無名関数）を作成する方法です。1行で書ける簡単な処理に適しており、map()やfilter()、sorted()などの関数と組み合わせて使用されることが多いです。通常の関数定義よりも簡潔に書けますが、複雑な処理には向いていません。

any()関数はイテラブルの要素のうち少なくとも1つがTrueならTrueを返します。all()関数はすべての要素がTrueの場合のみTrueを返します。これらの関数は条件チェックやバリデーション処理で非常に便利です。空のイテラブルに対してany()はFalse、all()はTrueを返す点に注意が必要です。

Pythonの組み込み関数sum()、min()、max()は、イテラブルの要素を集計する便利な関数です。sum()は合計値、min()は最小値、max()は最大値を返します。min()とmax()はkey引数を指定することで、比較の基準をカスタマイズできます。これらの関数は数値だけでなく、文字列やタプルなどにも使用できます。

itertoolsモジュールは、効率的なループ処理のための強力なツールを提供します。count()は無限カウンタ、cycle()はイテラブルを無限に繰り返し、repeat()は値を指定回数繰り返します。これらの関数は遅延評価を行うため、メモリ効率的に大量のデータを扱えます。

try-except文は、プログラム実行中に発生する可能性のあるエラー（例外）を処理するための基本的な構文です。tryブロック内のコードで例外が発生すると、プログラムは停止せずにexceptブロックの処理に移ります。これにより、エラーが発生してもプログラムを継続実行でき、ユーザーに適切なメッセージを表示できます。

exceptブロックで特定の例外タイプを指定することで、異なる種類のエラーに対して適切な処理を行えます。ValueError（値エラー）、TypeError（型エラー）、KeyError（キーエラー）など、Pythonには多くの組み込み例外タイプがあります。特定の例外のみをキャッチすることで、予期しないエラーを見逃さずに済みます。

try-except文では複数のexceptブロックを使用して、異なる例外に対して異なる処理を実行できます。また、else節を追加すると、tryブロックで例外が発生しなかった場合にのみ実行される処理を記述できます。これにより、正常処理と例外処理を明確に分離できます。

finally節は、try-except文の最後に追加でき、例外の発生有無に関わらず必ず実行される処理を記述します。ファイルのクローズ、データベース接続の切断、リソースの解放など、クリーンアップ処理に適しています。returnやbreakがあってもfinally節は実行されます。

raise文を使用すると、プログラム内で意図的に例外を発生させることができます。これは入力値の検証や、特定の条件が満たされない場合にエラーを通知する際に便利です。組み込みの例外タイプを使用することも、カスタムメッセージを付けることもできます。

with文は、ファイル操作において自動的にクローズ処理を行うコンテキストマネージャーとして機能します。ファイルを開いた後、処理が終了すると自動的にclose()が呼ばれるため、リソースの解放忘れを防げます。これにより、より安全で読みやすいファイル操作のコードが書けます。

Pythonではファイルの読み込みに複数のメソッドを使用できます。read()は全体を文字列として読み込み、readlines()は各行をリストの要素として読み込みます。readline()は1行ずつ読み込むため、大きなファイルの処理に適しています。用途に応じて適切なメソッドを選択します。

ファイルへの書き込みはopen()関数でモードを指定して行います。'w'モードは既存のファイルを上書きし、'a'モードは既存の内容の末尾に追記します。write()メソッドは文字列を書き込み、writelines()はリストの各要素を書き込みます。改行は自動的に追加されないため、必要に応じて\nを付けます。

os.path.exists()関数を使用すると、ファイルやディレクトリの存在を確認できます。ファイル操作の前に存在確認を行うことで、FileNotFoundErrorを防げます。osモジュールには他にもisfile()、isdir()など、パスの種類を判定する関数があり、より詳細な確認が可能です。

JSON（JavaScript Object Notation）は、データ交換によく使われる形式です。Pythonのjsonモジュールを使用すると、Python辞書とJSON形式の相互変換が簡単に行えます。dump()でファイルに書き込み、load()でファイルから読み込みます。文字列との変換にはdumps()とloads()を使用します。

Pythonでクラスを定義するにはclassキーワードを使用します。クラス名は慣例的にPascalCase（各単語の先頭を大文字）で記述します。クラスはオブジェクトの設計図であり、データ（属性）と処理（メソッド）をまとめて定義できます。最も簡単なクラスはpassを使った空のクラスです。

__init__メソッドは、クラスのコンストラクタ（初期化メソッド）です。インスタンスが作成される際に自動的に呼ばれ、インスタンスの初期設定を行います。第一引数は必ずselfで、これは作成されるインスタンス自身を指します。引数を通じて初期値を設定できます。

インスタンス変数はself.変数名の形式で定義し、各インスタンスが独自に持つデータです。メソッドはクラス内で定義される関数で、第一引数にselfを取ります。selfを通じてインスタンス変数にアクセスし、オブジェクトの振る舞いを定義できます。

クラス変数は、クラス定義の直下（メソッドの外）で定義され、すべてのインスタンスで共有される変数です。クラス名.変数名でアクセスできます。インスタンス変数と異なり、全インスタンスで同じ値を参照するため、カウンターや設定値の保持などに使用されます。

Pythonには3種類のメソッドがあります。通常のインスタンスメソッド（self引数）、@classmethodデコレータを付けたクラスメソッド（cls引数）、@staticmethodデコレータを付けた静的メソッド（self/cls不要）です。それぞれ用途に応じて使い分けます。

継承は、既存のクラス（親クラス）の機能を受け継いで新しいクラス（子クラス）を作成する仕組みです。子クラスは親クラスのすべてのメソッドと属性を自動的に持ちます。クラス名の後の括弧内に親クラス名を指定することで継承を実現します。これによりコードの再利用性が向上します。

super()関数は、子クラスから親クラスのメソッドを呼び出すために使用します。特に__init__メソッドで、親クラスの初期化処理を実行しつつ、子クラス独自の初期化も追加する場合によく使われます。これにより、親クラスの機能を維持しながら拡張できます。

オーバーライドは、親クラスのメソッドを子クラスで同じ名前のメソッドで上書きする機能です。これにより、親クラスの基本的な振る舞いを継承しつつ、子クラス固有の振る舞いに変更できます。メソッド名とパラメータを同じにすることで自動的にオーバーライドされます。

@propertyデコレータを使用すると、メソッドを属性のようにアクセスできるようにします。これによりゲッター（値の取得）を定義でき、メソッド呼び出しの括弧なしでアクセスできます。内部的な計算や変換を行いながら、シンプルなインターフェースを提供できます。

__str__メソッドは、オブジェクトの文字列表現を定義する特殊メソッドです。print()関数やstr()関数でオブジェクトを表示する際に自動的に呼ばれます。人間が読みやすい形式でオブジェクトの情報を返すように実装します。これによりデバッグやログ出力が便利になります。

Pythonでは演算子オーバーロードにより、独自クラスで+や==などの演算子を使えるようにできます。__add__メソッドで加算演算子(+)を、__eq__メソッドで等価演算子(==)を定義します。これによりクラスのインスタンス同士を直感的な方法で操作できるようになります。

Pythonでは、属性名の前にアンダースコア2つ(__)を付けることで、プライベート属性を作成できます。これは名前マングリングと呼ばれ、外部から直接アクセスしにくくなります。ただし完全なアクセス制限ではなく、慣習的な保護です。通常はゲッターメソッドを通じてアクセスします。

import文は、Pythonの標準ライブラリや他のモジュールの機能を使用するための基本的な方法です。importの後にモジュール名を指定し、モジュール名.関数名の形式でアクセスします。これにより名前空間が保たれ、どのモジュールの機能を使っているかが明確になります。

from...import文を使うと、モジュールから特定の関数や定数だけを直接インポートできます。これによりモジュール名を付けずに関数を使用できますが、名前の衝突に注意が必要です。カンマで区切って複数の要素を同時にインポートすることも可能です。

import...as文を使うと、モジュールに短いエイリアス（別名）を付けることができます。長いモジュール名を短縮したり、名前の衝突を避けたりする際に便利です。一般的な慣習として、numpyはnp、pandasはpdなどのエイリアスがよく使われます。

Pythonファイルは、直接実行される場合とモジュールとしてインポートされる場合があります。__name__変数は、直接実行時には"__main__"に設定され、インポート時にはモジュール名になります。この仕組みを使って、スクリプトとして実行された時のみ動作するコードを書くことができます。

osモジュールは、オペレーティングシステムとのインターフェースを提供します。ファイルシステムの操作、環境変数へのアクセス、プロセス管理など、システムレベルの操作を行うことができます。os.getcwd()で現在のディレクトリ、os.environで環境変数にアクセスできます。

datetimeモジュールは、日付と時刻を扱うための機能を提供します。datetime.now()で現在時刻を取得し、strftime()で文字列にフォーマット、strptime()で文字列を日時オブジェクトに変換できます。書式指定子(%Y, %m, %d, %H, %M等)を使って柔軟な変換が可能です。

randomモジュールは、乱数生成に関する機能を提供します。choice()でリストから1つの要素をランダムに選択、shuffle()でリストをその場でシャッフル、sample()で重複なしで複数の要素を選択できます。ゲーム、シミュレーション、テストデータ生成などに活用されます。

Pythonパッケージは、関連するモジュールをまとめたディレクトリです。各ディレクトリに__init__.pyファイルを置くことで、そのディレクトリがパッケージとして認識されます。階層構造を持つパッケージでは、ドット記法（package.subpackage.module）でアクセスします。

デコレータは、関数を引数として受け取り、新しい関数を返す関数です。@記号を使って関数定義の直前に記述することで、元の関数を拡張・修正できます。関数の実行前後に処理を追加したり、関数の振る舞いを変更したりする際に使用されます。

引数を持つデコレータは、デコレータファクトリーと呼ばれる関数を使って実装します。外側の関数がパラメータを受け取り、実際のデコレータを返します。これにより、デコレータの動作をパラメータで制御できるようになり、より柔軟な装飾が可能になります。

ジェネレータ関数は、yieldキーワードを使って値を1つずつ生成する特殊な関数です。通常の関数と異なり、実行を中断・再開でき、メモリ効率的に大量のデータを扱えます。next()関数で次の値を取得するか、forループで反復処理できます。

ジェネレータ式は、リスト内包表記と似た構文で、角括弧[]の代わりに丸括弧()を使います。リスト内包表記が全ての値を即座に生成するのに対し、ジェネレータ式は値を必要に応じて生成するため、メモリ効率が良く、大量のデータを扱う際に有効です。

イテレータプロトコルは、__iter__と__next__メソッドを実装することで、独自のイテレータを作成する仕組みです。__iter__はイテレータ自身を返し、__next__は次の値を返すか、終了時にStopIterationを発生させます。これによりforループで使用できるカスタムオブジェクトを作成できます。

コンテキストマネージャーは、__enter__と__exit__メソッドを実装することで、with文で使用できるオブジェクトを作成する仕組みです。__enter__はリソースを取得して返し、__exit__はリソースを解放します。これにより、例外が発生してもリソースが確実に解放されることを保証できます。

async/awaitは、非同期プログラミングを簡潔に記述するための構文です。async defで非同期関数を定義し、awaitで非同期処理の完了を待ちます。asyncio.run()でイベントループを実行します。I/O待機中に他のタスクを実行できるため、効率的な並行処理が可能です。

型ヒントは、関数の引数と戻り値の型を明示的に指定する機能です。引数にはコロン(:)の後に型を、戻り値には矢印(->)の後に型を記述します。実行時に型チェックは行われませんが、IDEやmypyなどの静的型チェッカーでエラーを検出でき、コードの可読性と保守性が向上します。

typingモジュールは、より複雑な型ヒントを提供します。List[str]でstrのリスト、Dict[str, int]でstrからintへの辞書を表現できます。Optional[T]はTまたはNoneを表し、Union[A, B]はAまたはBを表します。これらを使うことで、より正確な型情報を提供できます。

match文（Python 3.10以降）は、パターンマッチングを行う構文です。値の構造や内容に基づいて分岐処理を行えます。caseで各パターンを定義し、|で複数の値をマッチ、変数で値をキャプチャ、_でデフォルトケースを表現します。switch文より柔軟で強力な機能を提供します。

@dataclassデコレータは、クラスに自動的に__init__、__repr__、__eq__などの特殊メソッドを生成します。フィールドには型ヒントを付け、デフォルト値も設定できます。これにより、データを保持するクラスを簡潔に定義でき、ボイラープレートコードを大幅に削減できます。

functoolsモジュールは関数型プログラミングのツールを提供します。@lru_cacheは関数の結果をキャッシュして高速化（メモ化）し、partial()は関数の一部の引数を固定して新しい関数を作成します。これらにより、効率的で再利用可能なコードが書けます。

@contextmanagerデコレータを使うと、__enter__と__exit__メソッドを定義せずに、ジェネレータ関数でコンテキストマネージャーを作成できます。yield文の前がエントリー処理、後がクリーンアップ処理になります。これにより、with文で使える便利なユーティリティを簡単に作成できます。

ディスクリプタは、__get__、__set__、__delete__メソッドを実装することで、属性アクセスをカスタマイズする仕組みです。クラス属性として定義され、インスタンスの属性アクセス時に自動的に呼ばれます。プロパティの検証やキャッシュなど、高度な属性管理に使用されます。

メタクラスは「クラスのクラス」で、クラスの生成や振る舞いを制御します。typeを継承してメタクラスを作成し、metaclass引数で指定します。__call__メソッドをオーバーライドすることで、インスタンス生成を制御できます。シングルトンパターンなどの実装に使用されます。

抽象基底クラス（ABC）は、abcモジュールを使って定義され、サブクラスが実装すべきメソッドを定義します。ABCを継承し、@abstractmethodデコレータを付けたメソッドは、サブクラスで必ず実装しなければなりません。これにより、インターフェースの契約を強制でき、設計の一貫性を保てます。

プロトコル（Python 3.8以降）は、typing.Protocolを使って構造的部分型を定義します。特定のメソッドを持つオブジェクトを表現でき、明示的な継承なしに型チェックが可能です。これにより、ダックタイピングに型安全性を加えることができ、より柔軟な設計が可能になります。

名前付きタプル（namedtuple）は、フィールドに名前を持つタプルを作成する機能です。通常のタプルと同じく不変ですが、ドット記法で要素にアクセスでき、可読性が向上します。軽量なデータクラスの代替として使用でき、メモリ効率も良好です。

プロファイリングは、コードの実行時間やパフォーマンスを測定する技術です。timeitモジュールは、小さなコード片の実行時間を正確に測定でき、複数回実行して平均時間を算出します。これにより、異なる実装の性能を比較し、最適化の効果を確認できます。

リストは全ての要素をメモリに保持しますが、ジェネレータは必要に応じて値を生成するため、メモリ効率が大幅に異なります。大量のデータを扱う場合、ジェネレータはメモリ使用量を削減できますが、要素への再アクセスはできません。用途に応じて適切に選択することが重要です。

threadingモジュールは、Pythonでスレッドベースの並行処理を実現します。Threadクラスでスレッドを作成し、start()で開始、join()で終了を待ちます。GIL（Global Interpreter Lock）の影響で、CPUバウンドなタスクでは真の並列実行はできませんが、I/Oバウンドなタスクでは有効です。

multiprocessingモジュールは、プロセスベースの並列処理を提供します。ProcessクラスやPoolクラスを使用して、複数のCPUコアを活用した真の並列実行が可能です。GILの制約を受けないため、CPUバウンドなタスクで高いパフォーマンスを発揮します。

concurrent.futuresモジュールは、スレッドとプロセスの両方に対して統一的なインターフェースを提供します。ThreadPoolExecutorとProcessPoolExecutorを使い、submit()でタスクを送信し、result()で結果を取得します。as_completed()を使えば、完了順に結果を処理できます。

asyncio.gather()は、複数の非同期タスクを並行実行し、全ての結果をリストで返します。*演算子でタスクのリストを展開して渡します。これにより、複数の非同期操作を効率的に管理し、I/O待機時間を最小化できます。async/awaitと組み合わせて強力な非同期プログラムを構築できます。

__slots__属性を定義すると、インスタンスの属性を固定し、__dict__の代わりに効率的なスロットを使用します。これによりメモリ使用量を大幅に削減できます。また、ローカル変数の活用やループ内での属性アクセスの最適化など、様々なテクニックでパフォーマンスを向上させることができます。