Python

Pythonの実行環境はどれがいい?初心者にGoogle Colabをおすすめする理由

酒井 裕麻株式会社Bistro 代表取締役社長

Pythonを始めようとして、最初につまずきやすいのが実行環境の準備です。「Anacondaを入れる」「パスを通す」「VS Codeを設定する」など、調べるほど手順が出てきて、コードを1行も書かないうちに疲れてしまった、という声をよく聞きます。

この記事では、Pythonの主な実行環境の違いを比較し、初心者やデータ分析が目的の方にはGoogle Colabがおすすめな理由と、Colabで最初のコードを動かすまでを紹介します。

Python自体の説明は、Pythonとは?できること・Rとの違い・始め方を初心者向けに解説をご覧ください。

実行環境とは

Pythonで書いたプログラムを動かすには、Python本体と、コードを書いて実行するための道具が必要です。この2つをまとめて「実行環境」と呼びます。

料理に例えると、Pythonのコードが「レシピ」、実行環境が「キッチン」です。レシピがあっても、キッチンがなければ料理は作れません。

主な実行環境の比較

実行環境 特徴 準備の手間 向いている人
Google Colab ブラウザで動く。Googleのコンピューターで実行される ほぼなし(Googleアカウントだけ) 初心者、データ分析、AI・機械学習を試したい人
Anaconda + Jupyter データ分析用のライブラリをまとめてパソコンに入れる 大きい(数GBのインストール) パソコンの中だけで分析したい人
VS Code + Python 本格的なプログラム開発向けのエディター 中〜大(Python本体と拡張機能の設定) ツールやアプリを開発したい人
パソコンにPythonだけを入れる python.org からインストール 中(ライブラリは自分で入れる) ちょっとしたスクリプトを動かしたい人

どれを選んでもPythonのコードの書き方は同じです。違いは、どこで動かすかと、準備や管理の手間です。

初心者にGoogle Colabがおすすめな理由

1. インストールがいらない

Colabは、ブラウザで開くだけで使えます。Googleアカウントがあれば、数十秒で最初のコードを実行できます。会社のパソコンで、ソフトのインストールが制限されている場合でも使えるのは大きな利点です。

2. データ分析のライブラリが最初から入っている

pandas、matplotlib、scikit-learnなど、データ分析でよく使うライブラリが、最初からインストールされています。「ライブラリのバージョンが合わない」といった、初心者がつまずきやすいトラブルがほとんどありません。

3. パソコンの性能を気にしなくていい

コードは、Googleのコンピューターで実行されます。手元のパソコンの性能が低くても、大きなデータの集計や機械学習を動かせます。必要に応じて、GPU(機械学習を速くする装置)も使えます。

4. コード・結果・メモを1つにまとめられる

Colabは「ノートブック」という形式で、コードと実行結果、説明の文章を、1つのファイルにまとめて保存できます。分析の手順をあとから見返したり、そのまま人に共有したりするのに便利です。ノートブックはGoogleドライブに保存されます。

5. 無料で始められる

基本的な機能は無料で使えます。より長い時間の実行や、高性能なGPUが必要になったら、有料プランも用意されています。

Colabの注意点

便利なColabですが、知っておきたい点もあります。

注意点 内容 対策
しばらく操作しないと切断される 操作しない状態が続いたり、長時間使い続けたりすると、実行環境がリセットされる ノートブックは残るので、上から実行し直せばよい
読み込んだファイルが消える リセットされると、アップロードしたファイルや作ったファイルも消える Googleドライブに保存する、URLから読み込む
インターネットが必要 オフラインでは使えない ―
機密データの扱い データはGoogleのコンピューターで処理される 社内のルールを確認する。個人情報などは扱いに注意

無料版で連続して実行できるのは最長12時間で、空き状況や使い方によって変わります。また、操作しない状態が続くと切断されます。普段の分析で困ることはほとんどありませんが、作ったファイルはGoogleドライブに保存する習慣をつけておきましょう。

Colabで最初のコードを動かしてみる

1. Colabを開く

ブラウザで Google Colab を開き、Googleアカウントでログインします。

2. ノートブックを作る

「ノートブックを新規作成」を押すと、新しいノートブックが開きます。

3. コードを書いて実行する

コードを書く枠(セル)に、次のコードを入力します。

import sys
print("Pythonのバージョン:", sys.version.split()[0])

セルの左にある再生ボタン(▶)を押すか、Shift + Enter で実行します。初回は、実行環境の準備に少し時間がかかります。

実行結果(例)

Pythonのバージョン: 3.12.12

Pythonのバージョンが表示されたら成功です(バージョンの番号は、時期によって変わります)。

4. データ分析のライブラリを使ってみる

続けて、新しいセルに次のコードを入れて実行してみましょう。インストールしなくても、pandasがすぐに使えます。

import pandas as pd
df = pd.DataFrame({"店舗": ["新宿店", "渋谷店", "横浜店"], "売上": [420, 380, 290]})
df["構成比"] = (df["売上"] / df["売上"].sum() * 100).round(1)
df

実行結果

    店舗   売上   構成比
0  新宿店  420  38.5
1  渋谷店  380  34.9
2  横浜店  290  26.6

Colabでは、表は見やすい形で表示されます。これだけで、Excelで構成比を計算するのと同じことができました。

ほかの実行環境に移るタイミング

Colabに慣れてきたら、目的に応じてほかの実行環境を使うのもよいです。

  • 社外に出せないデータを、パソコンの中だけで分析したい → Anaconda + Jupyter
  • 毎日決まった時間にプログラムを動かしたい、ツールを開発したい → VS Code + Python、クラウドのサーバー
  • 大きなデータを、会社のデータ基盤(BigQueryなど)で扱いたい → ColabからBigQueryに接続する、Colab Enterpriseなど

ColabはJupyterと同じ「ノートブック」の形式なので、Colabで書いたコードは、ほかの環境でもほぼそのまま使えます。

まとめ

  • Pythonの実行環境には、Colab、Anaconda・Jupyter、VS Codeなどがある
  • 初心者やデータ分析が目的なら、インストール不要のGoogle Colabがおすすめ
  • Colabは、ライブラリが最初から入っていて、パソコンの性能も気にしなくてよい
  • しばらく操作しないとリセットされるので、ファイルはGoogleドライブに保存する

Colabの初期設定や、ファイルの読み込み・保存の方法は、次の記事で解説しています。

株式会社Bistroでは、Pythonを使ったデータ分析のご支援や、社内研修も行っています。お気軽にご相談ください。

CONTACT

データ活用のお悩み、
直接相談しませんか。

「何から始めればいいかわからない」段階でも大丈夫です。課題の整理からお手伝いします。