2. Python入門¶

2.1 変数と基本データ型¶

Python を含む多くのプログラミング言語において、データは 変数 に格納して扱います。変数とは、さまざまな情報を保存するための入れ物のようなもので、基本的なデータ型に「整数」「浮動小数点数」「文字列」「論理値」があります。

x = 10          # 整数
pi = 3.1415     # 浮動小数点数
name = "Kano"   # 文字列
is_valid = True # 論理値 (True/False)

int x = 10;            // 整数
float pi = 3.1415;     // 浮動小数点数
char name[] = "Kano";  // 文字列
int is_valid = 1;      // 論理値 (1/0)

2.1.1 基本的な算術演算子¶

数値型のデータは、算術演算子を用いて演算を行うことができます。

# print() を使わなくても結果が表示される
2 + 3  # 5 と表示される

# 変数の値も直接表示できる
x = 10
x  # 10 と表示される

演習 2-1: 変数と演算¶

# 円の面積を計算
pi = 3.14159
r = 5
area = pi * r ** 2
print(f"半径{r}の円の面積: {area}")

# 除算、整数除算、剰余の計算
a = 17
b = 5
print(f"除算 {a} / {b} = {a / b}")
print(f"整数除算 {a} // {b} = {a // b}")
print(f"剰余 {a} % {b} = {a % b}")

半径5の円の面積: 78.53975
除算 17 / 5 = 3.4
整数除算 17 // 5 = 3
剰余 17 % 5 = 2

2.2 リストと辞書¶

複数のデータを扱いたいときには、「リスト」 (list) や「辞書」 (dict) といったデータ型を使用します。

2.2.1 リスト¶

リストは、順番のあるデータの集まり です。要素をカンマで区切り、角括弧 [] で作成します。インデックス（何番目の要素かを表す数字）で参照できることと、変更（追加・削除・更新）ができる性質を持ちます。

# リストの作成
fruits = ["apple", "banana", "lemon"]
print(fruits[0])  # 出力: "apple"

# 要素の追加
fruits.append("orange")

# 要素数の取得
print(len(fruits))  # 4

// 配列の作成（サイズ固定）
char *fruits[3] = {"apple", "banana", "lemon"};
printf("%s\n", fruits[0]);  // 出力: "apple"

// 要素数
int length = 3;  // 手動で管理

2.2.2 辞書¶

辞書は、キーと値がペアとなったデータ構造（順序あり） です。キーと値をコロンで区切り、それぞれの組をカンマで区切って波括弧 {} で作成します。キーを用いることで、値を高速に参照することができます。

# 辞書の作成
person = {"name": "Taro", "age": 30}
print(person["name"]) # "Taro"
print(person["age"])  # 30

# 新しいキーと値の追加
person["city"] = "Tokyo"

// C言語には標準で辞書型がありません
// 構造体を使って似たようなデータを扱います
struct Person {
    char name[50];
    int age;
};

struct Person person;
strcpy(person.name, "Taro");
person.age = 30;
printf("%s\n", person.name);  // "Taro"
printf("%d\n", person.age);   // 30

2.2.3 タプルと集合¶

リストと辞書のほかに、「タプル」 (tuple) と「集合」(set) というデータ構造もあります。

タプル は、リストに似ていますが、一度作成すると要素を変更できない（イミュータブル） データ構造です。要素をカンマで区切り、丸括弧 () を使って定義します。

# タプルの作成
dimensions = (1920, 1080)
print(dimensions[0])  # 1920

# タプルのアンパック（複数の変数にまとめて代入）
width, height = dimensions
print(f"Width: {width}, Height: {height}")

画像サイズや座標のように「変更されては困る値の組」を表すときは、リストではなくタプルを使うと安全です。

集合 は、重複のない要素の集まり を扱うデータ構造です。波括弧 {} を使って定義しますが、辞書と異なりキーと値のペアではなく、要素の順序も保証されません。

# 集合の作成
A = {1, 2, 3, 4}
B = {3, 4, 5, 6}

print(A | B)  # 和集合: {1, 2, 3, 4, 5, 6}
print(A & B)  # 積集合: {3, 4}

重複を取り除きたいときや、和集合・積集合などの集合演算を行いたいときに便利です。とはいえ、はじめのうちは「リスト」と「辞書」だけ扱うことができれば十分です。

演習 2-2: リストと辞書¶

# リストの操作
fruits = ["りんご", "バナナ", "オレンジ"]
print(f"初期リスト: {fruits}")

# "ぶどう"を追加
fruits.append("ぶどう")
print(f"追加後: {fruits}")

# 2番目の要素を出力（インデックスは0から始まるので1）
print(f"2番目の要素: {fruits[1]}")

# 要素数を出力
print(f"要素数: {len(fruits)}")

# 辞書の作成
my_info = {
    "name": "ちくわ",
    "age": 20,
    "city": "水戸",
    "major": "機械システム"
}

# 名前を出力
print(f"名前: {my_info['name']}")

初期リスト: ['りんご', 'バナナ', 'オレンジ']
追加後: ['りんご', 'バナナ', 'オレンジ', 'ぶどう']
2番目の要素: バナナ
要素数: 4
名前: ちくわ

2.3 条件分岐（if 文）¶

if 文は、条件に応じて処理を分岐させることができる構文です。複数の分岐を作りたい場合は、elif や else を使用します。

score = 85
if score >= 90:
    print("Excellent")
elif score >= 80:
    print("Good")
else:
    print("Bad")

int score = 85;
if (score >= 90) {
    printf("Excellent\n");
} else if (score >= 80) {
    printf("Good\n");
} else {
    printf("Bad\n");
}

2.3.1 比較演算子¶

2.3.2 論理演算子¶

演習 2-3: 条件分岐¶

# 気温と湿度の設定（いろいろな値で試してみてください）
temperature = 25
humidity = 60

if temperature >= 20 and temperature < 30 and humidity < 70:
    print("快適")
elif temperature < 20:
    print("寒いです")
elif temperature >= 30:
    print("暑いです")
else:
    print("湿度が高いです")

快適

2.4 繰り返し処理（for 文、while 文）¶

同じ処理を複数回行うときには、for 文や while 文を使います。

2.4.1 for 文¶

for 文は、リストの中身を 1 つずつ処理する際に、if 文と組み合わせてよく使用されます。

# リストの中身を 1 つずつ処理する例
for n in [1, 2, 3, 4, 5]:
    print(n)

# 数値の範囲を range で指定する例
for i in range(30):
    if i % 3 == 0:
        print(f"{i}!")
    else:
        print(i)

// 配列の中身を 1 つずつ処理する例
int numbers[] = {1, 2, 3, 4, 5};
for (int i = 0; i < 5; i++) {
    printf("%d\n", numbers[i]);
}

// 数値の範囲でループする例
for (int i = 0; i < 30; i++) {
    if (i % 3 == 0) {
        printf("%d!\n", i);
    } else {
        printf("%d\n", i);
    }
}

2.4.2 while 文¶

while 文は、特定の条件を満たす間、同じ処理を繰り返したいときに使用されます。 途中でループを抜け出したいときには break 文、ループの判定に戻りたいときは continue 文を使います。

# n (>2) が素数かどうかを判定するプログラム
n = 23
i = 2
while i < n:
    if n % i == 0:
        print(f"{n} は素数ではない")
        break
    i = i + 1
if i == n:
    print(f"{n} は素数")

// n (>2) が素数かどうかを判定するプログラム
int n = 23;
int i = 2;
while (i < n) {
    if (n % i == 0) {
        printf("%d は素数ではない\n", n);
        break;
    }
    i = i + 1;
}
if (i == n) {
    printf("%d は素数\n", n);
}

演習 2-4: 繰り返し処理¶

# 1. 1から10までの合計を計算
total = 0
for i in range(1, 11):  # 1から10まで（11は含まない）
    total += i
print(f"1から10までの合計: {total}")

# 2. 10以上の数だけを出力
numbers = [12, 7, 23, 8, 15, 4, 19]
print("10以上の数:")
for num in numbers:
    if num >= 10:
        print(num)

# 3. 1000以下の値だけを表示し、2倍ずつ増やす
value = 1
print("2倍ずつ増やす:")
while value <= 1000:
    print(value)
    value *= 2

1から10までの合計: 55
10以上の数:
12
23
15
19
2倍ずつ増やす:
1
2
4
8
16
32
64
128
256
512

2.5 関数¶

何度も使う可能性のある一連の処理は、関数 にまとめることで、プログラムをスッキリ整理することができます。関数は def 関数名(引数): といった形で定義し、return で結果を返します。慣れないうちは、無理に関数を使わなくても全く問題ありません。慣れてきたら、より洗練されたプログラムにするために、関数を使うことを検討してください。

# 足し算を行う関数
def add(a, b):
    return a + b
print(add(3, 5)) # 8

# 3 の倍数かどうかを判定する関数
def is_3x(n):
    return n % 3 == 0
print(is_3x(42)) # True

# リストの平均値を計算する関数
# 要素の合計（sum()）を要素数（len()）で割る
def calc_average(numbers):
    return sum(numbers) / len(numbers)
print(calc_average([10, 20, 30, 40])) # 25.0

// 足し算を行う関数
int add(int a, int b) {
    return a + b;
}
printf("%d\n", add(3, 5)); // 8

// 3 の倍数かどうかを判定する関数
int is_3x(int n) {
    return n % 3 == 0;
}
printf("%d\n", is_3x(42)); // 1 (True)

// 配列の平均値を計算する関数
float calc_average(int numbers[], int length) {
    int sum = 0;
    for (int i = 0; i < length; i++) {
        sum += numbers[i];
    }
    return (float)sum / length;
}
int nums[] = {10, 20, 30, 40};
printf("%.1f\n", calc_average(nums, 4)); // 25.0

より包括的な概念として クラス がありますが、これもはじめのうちは意識しなくて問題ありません。

演習 2-5: 関数¶

# 1. 最大値を返す関数
def max_value(a, b):
    if a > b:
        return a
    else:
        return b

print(max_value(10, 25))
print(max_value(100, 50))

# 2. 偶数の個数を数える関数
def count_even(numbers):
    count = 0
    for num in numbers:
        if num % 2 == 0:
            count += 1
    return count

test_numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(f"偶数の個数: {count_even(test_numbers)}")

# 3. 階乗を計算する関数
def factorial(n):
    result = 1
    for i in range(1, n + 1):
        result *= i
    return result

print(f"5の階乗: {factorial(5)}")
print(f"10の階乗: {factorial(10)}")

25
100
偶数の個数: 5
5の階乗: 120
10の階乗: 3628800

2.6 ライブラリの使い方（NumPy、pandas）¶

Python では多くの便利な機能が「ライブラリ」として提供されています。指す対象の広さに応じて「パッケージ」「モジュール」とも呼ばれますが、便利なツール群ということで言葉の違いはあまり気にしなくても問題ありません。いずれも import 文で使います。

import numpy as np # 数値計算ライブラリ
import pandas as pd # データ処理ライブラリ
import matplotlib.pyplot as plt # 可視化モジュール

# ライブラリの使用例
arr = np.array([1, 2, 3, 4, 5])
print(arr.mean())  # 平均値を計算

#include <stdio.h>  // 標準入出力ライブラリ
#include <math.h>   // 数学関数ライブラリ
#include <string.h> // 文字列処理ライブラリ

// ライブラリの使用例
double result = sqrt(16.0);  // 平方根を計算
printf("%.1f\n", result);

この例のように、import ... as ... とすることで、長いライブラリ名やモジュール名を省略することができます。as を使わずに使用することもできますが、matplotlib.pyplot なんて毎回書いていられないので、plt にして簡潔にしているというわけです。

ここで挙げた numpy、pandas、matplotlib は、数値計算、表形式データの処理、可視化をそれぞれ担当します。以降の章でも、この3つを組み合わせてデータを確認・加工します。

2.6.1 pandas とは¶

pandas は、Python でデータ分析を行うための最重要ライブラリの一つです。表形式のデータを扱うのに特化しており、Excel や CSV ファイルのようなデータを簡単に操作できます。

pandas の主な特徴

• 表形式データ（テーブルデータ）を扱いやすい
• CSV、Excel、SQL データベースなど、さまざまなデータ形式の読み込み・書き出しが簡単
• 欠損値の処理が容易
• データの集計、グループ化、結合などの操作が直感的
• NumPy や Matplotlib、scikit-learn との連携がスムーズ

graph LR
    A("データソース") --> B("pandas")
    B --> C("データの読み込み")
    B --> D("データの加工")
    B --> E("データの分析")
    B --> F("データの可視化")

    C --> G("CSV, Excel, SQL...")
    D --> H("欠損値処理<br/>データ変換<br/>特徴量作成")
    E --> I("統計量計算<br/>グループ化<br/>集計")
    F --> J("matplotlib<br/>seaborn")

    classDef data fill:#D9EAF3,stroke:#0072B2,stroke-width:2px,color:#000
    classDef proc fill:#D9F0EA,stroke:#009E73,stroke-width:2px,color:#000
    classDef model fill:#F7EBF2,stroke:#CC79A7,stroke-width:2px,color:#000
    classDef out fill:#F5ECE2,stroke:#BF8040,stroke-width:2px,color:#000
    classDef neu fill:#F2F2F2,stroke:#8C8C8C,stroke-width:2px,color:#000
    class A,C,G data
    class D,H proc
    class E,I model
    class F,J out
    class B neu

2.6.2 pandas のインポート¶

pandas は通常、pd という略称でインポートします。これは慣習的な書き方で、ほとんどのコードで使われています。

import pandas as pd
import numpy as np

2.6.3 主要なデータ構造¶

pandas には 2 つの主要なデータ構造があります。

Series（シリーズ）¶

Series は、1 次元のデータ構造です。NumPy の配列に「インデックス（ラベル）」が付いたものと考えることができます。

Series を作成するためには、pandas.Series クラスを使用します。

import pandas as pd
s = pd.Series([10, 20, 30, 40, 50])
print(s)

0    10
1    20
2    30
3    40
4    50
dtype: int64

import pandas as pd
s = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
print(s)

a    10
b    20
c    30
d    40
e    50
dtype: int64

print(s['c'])  # 30
print(s.iloc[2])    # 30（位置でもアクセス可能）

DataFrame（データフレーム）¶

DataFrame は、2 次元のデータ構造（表形式データ）です。Excel のスプレッドシートや SQL のテーブルのようなものと考えることができます。

DataFrame を作成するためには、pandas.DataFrame クラスを使用します。

import pandas as pd

df = pd.DataFrame({
    'name': ['太郎', '花子', '次郎', '梅子'],
    'age': [25, 30, 35, 28],
    'city': ['茨城', '大阪', '京都', '東京']
})
print(df)

  name  age city
0   太郎   25   茨城
1   花子   30   大阪
2   次郎   35   京都
3   梅子   28   東京

print(df['name'])

0    太郎
1    花子
2    次郎
3    梅子
Name: name, dtype: object

print(df.loc[0])     # インデックスで指定

name    太郎
age     25
city    茨城
Name: 0, dtype: object

graph TB
    A("pandas のデータ構造") --> B("Series<br/>1次元")
    A --> C("DataFrame<br/>2次元")

    B --> B1("インデックス付き配列<br/>例： 時系列データ")
    C --> C1("表形式データ<br/>例： CSVファイル、Excelシート")

    C --> D("複数のSeriesが<br/>集まったもの")

    classDef data fill:#D9EAF3,stroke:#0072B2,stroke-width:2px,color:#000
    classDef proc fill:#D9F0EA,stroke:#009E73,stroke-width:2px,color:#000
    classDef neu fill:#F2F2F2,stroke:#8C8C8C,stroke-width:2px,color:#000
    class A neu
    class B,B1 data
    class C,C1,D proc

2.6.4 DataFrame の基本操作¶

データの確認¶

データの先頭を確認するためには、.head() メソッドを使用します。同様に、末尾を確認するには .tail() メソッドを使用します。

データの概要を確認するには、.info() メソッドや .describe() メソッドを使用します。

import pandas as pd
import numpy as np

# サンプルデータの作成
np.random.seed(42)
df = pd.DataFrame({
    'A': np.random.randint(1, 100, 10),
    'B': np.random.randint(1, 100, 10),
    'C': np.random.randint(1, 100, 10)
})

# 先頭5行を表示
print(df.head())

# 末尾5行を表示
print(df.tail())

# データの形状（行数、列数）
print(f"形状: {df.shape}")  # (10, 3)

# データの情報
df.info()

# 統計情報
print(df.describe())

列の選択¶

import pandas as pd

df = pd.DataFrame({
    'name': ['太郎', '花子', '次郎'],
    'age': [25, 30, 35],
    'salary': [400, 500, 600]
})

# 1つの列を選択（Series として返る）
print(df['name'])

# 複数の列を選択（DataFrame として返る）
print(df[['name', 'age']])

# 新しい列を追加
df['bonus'] = df['salary'] * 0.1
print(df)

行の選択とフィルタリング¶

行を選択するためには、.loc[]（ラベルベース）や .iloc[]（位置ベース）を使用します。

import pandas as pd

df = pd.DataFrame({
    'name': ['太郎', '花子', '次郎', '梅子'],
    'age': [25, 30, 35, 28],
    'salary': [400, 500, 600, 450]
})

# 条件でフィルタリング
print(df[df['age'] >= 30])

# 複数条件
print(df[(df['age'] >= 30) & (df['salary'] >= 500)])

# loc: ラベルベースの選択
print(df.loc[0:2, ['name', 'age']])

# iloc: 位置ベースの選択
print(df.iloc[0:2, 0:2])

基本的な統計量¶

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50],
    'C': [100, 200, 300, 400, 500]
})

# 各列の平均
print("平均:")
print(df.mean())

# 各列の合計
print("\n合計:")
print(df.sum())

# 各列の最大値・最小値
print("\n最大値:")
print(df.max())

print("\n最小値:")
print(df.min())

# 特定の列の統計量
print(f"\nAの平均: {df['A'].mean()}")
print(f"Bの標準偏差: {df['B'].std()}")

2.6.5 欠損値の処理¶

実際のデータには欠損値（NaN: Not a Number）が含まれることがよくあります。pandas では欠損値の処理を簡単に行うことができます。

欠損値を確認するためには、.isnull() メソッドを使用します。欠損値を削除するには .dropna() メソッド、欠損値を埋めるには .fillna() メソッドを使用します。

import pandas as pd
import numpy as np

# 欠損値を含むデータ
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4, 5],
    'B': [10, np.nan, 30, 40, 50],
    'C': [100, 200, 300, np.nan, 500]
})

print("元のデータ")
print(df)

# 欠損値の確認
print("\n欠損値の有無")
print(df.isnull())

print("\n各列の欠損値の数")
print(df.isnull().sum())

# 欠損値を含む行を削除
print("\n欠損値を含む行を削除")
print(df.dropna())

# 欠損値を特定の値で埋める
print("\n欠損値を0で埋める")
print(df.fillna(0))

# 欠損値を平均値で埋める
print("\n欠損値を平均値で埋める")
print(df.fillna(df.mean()))

元のデータ
     A     B      C
0  1.0  10.0  100.0
1  2.0   NaN  200.0
2  NaN  30.0  300.0
3  4.0  40.0    NaN
4  5.0  50.0  500.0

欠損値の有無
       A      B      C
0  False  False  False
1  False   True  False
2   True  False  False
3  False  False   True
4  False  False  False

各列の欠損値の数
A    1
B    1
C    1
dtype: int64

欠損値を含む行を削除
     A     B      C
0  1.0  10.0  100.0
4  5.0  50.0  500.0

欠損値を0で埋める
     A     B      C
0  1.0  10.0  100.0
1  2.0   0.0  200.0
2  0.0  30.0  300.0
3  4.0  40.0    0.0
4  5.0  50.0  500.0

欠損値を平均値で埋める
     A     B      C
0  1.0  10.0  100.0
1  2.0  32.5  200.0
2  3.0  30.0  300.0
3  4.0  40.0  275.0
4  5.0  50.0  500.0

2.6.6 CSV ファイルの読み込み¶

pandas の最も強力な機能の一つは、さまざまな形式のファイルを簡単に読み書きできることです。

CSV ファイルを読み込むためには、pandas.read_csv() 関数を使用します。Excel ファイルを読み込むには、pandas.read_excel() 関数を使用します。

import pandas as pd

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

# ヘッダーがない場合
df = pd.read_csv('data.csv', header=None)

# 列名を指定
df = pd.read_csv('data.csv', names=['col1', 'col2', 'col3'])

# 特定の列のみ読み込む
df = pd.read_csv('data.csv', usecols=['col1', 'col2'])

# Excel ファイルの読み込み
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

2.6.7 pandas と NumPy の相互変換¶

pandas と NumPy は相互に変換できます。

DataFrame を NumPy 配列に変換するためには、.values 属性または .to_numpy() メソッドを使用します。

import pandas as pd
import numpy as np

# DataFrame から NumPy 配列へ
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
arr = df.values  # または df.to_numpy()
print("DataFrame → NumPy 配列")
print(type(arr))
print(arr)

# NumPy 配列から DataFrame へ
arr = np.array([[1, 2, 3], [4, 5, 6]])
df = pd.DataFrame(arr, columns=['A', 'B', 'C'])
print("\nNumPy 配列 → DataFrame")
print(type(df))
print(df)

DataFrame → NumPy 配列
<class 'numpy.ndarray'>
[[1 4]
 [2 5]
 [3 6]]

NumPy 配列 → DataFrame
<class 'pandas.core.frame.DataFrame'>
   A  B  C
0  1  2  3
1  4  5  6

2.7 発展: モジュール・例外処理・ファイル入出力¶

ここでは、この先の章でコードを読み書きする際に知っておくと役立つトピックを、要点だけ紹介します。最初から完璧に覚える必要はなく、「こういう仕組みがある」と知っておくだけで十分です。

2.7.1 モジュールと標準ライブラリ¶

モジュール とは、Python のコードをまとめたファイルのことです。import 文には主に 3 つの書き方があります。

# 1. モジュールをそのまま読み込む
import math
print(math.sqrt(25))  # 5.0

# 2. 別名（エイリアス）を付けて読み込む
import numpy as np
print(np.sqrt(25))  # 5.0

# 3. モジュールから特定の関数やクラスだけを読み込む
from datetime import datetime
print(datetime.now())  # 現在の日時

Python には、インストール不要ですぐに使える 標準ライブラリ が豊富に用意されています。代表的なものをいくつか紹介します。

import random

# 1から100までのランダムな整数を生成
print(random.randint(1, 100))

# リストからランダムに選択
print(random.choice(["リンゴ", "バナナ", "オレンジ"]))

from datetime import datetime

# 現在の日付と時刻を取得
now = datetime.now()
print(now.strftime("%Y-%m-%d"))

2.7.2 例外処理¶

プログラムの実行中に発生する予期しないエラーを 例外 と呼びます。try-except 文を使うと、例外が発生してもプログラムを停止させずに、適切な処理を行うことができます。

try:
    result = 10 / 0  # 例外が発生する可能性があるコード
except ZeroDivisionError as e:
    print(f"エラーが発生しました: {e}")
    # 出力: エラーが発生しました: division by zero

try ブロック内で例外が発生すると、except ブロックに処理が移ります。

機械学習では、データファイルの読み込み時に ファイルが見つからない エラー（FileNotFoundError クラス）がよく発生します。

import pandas as pd

try:
    df = pd.read_csv("data.csv")
except FileNotFoundError:
    print("エラー: data.csv が見つかりません。ファイル名やパスを確認してください")

2.7.3 ファイル入出力¶

ファイルの読み書きには open() 関数を使います。with 文と組み合わせることで、処理が終わったあとにファイルが自動的に閉じられるため、この書き方が推奨されています。

# ファイルへの書き込み（'w': 書き込みモード）
with open("example.txt", "w") as f:
    f.write("Hello, Python!")

# ファイルの読み込み（'r': 読み取りモード）
with open("example.txt", "r") as f:
    content = f.read()
    print(content)  # Hello, Python!

モードには、読み取りの 'r'、書き込み（上書き）の 'w'、追記の 'a' などがあります。

なお、2.6.6 で紹介した pd.read_csv() 関数は、このようなファイル読み込みと CSV の解析を pandas がまとめて行ってくれる関数であり、機械学習で表形式データを扱う場合は通常こちらを使います。

2.8 演習問題¶

演習 2-6: 倍数チェッカー¶

for i in range(1, 51):  # 1から50まで
    if i % 3 == 0 and i % 5 == 0:
        print(f"{i}!?")
    elif i % 3 == 0:
        print(f"{i}!")
    elif i % 5 == 0:
        print(f"{i}?")
    else:
        print(i)

1
2
3!
4
5?
6!
7
8
9!
10?
11
12!
13
14
15!?
16
17
18!
19
20?

for i in range(1, 51):
    if i % 15 == 0:  # 3と5の最小公倍数
        print(f"{i}!?")
    elif i % 3 == 0:
        print(f"{i}!")
    elif i % 5 == 0:
        print(f"{i}?")
    else:
        print(i)

for i in range(1, 51):
    output = str(i)
    if i % 3 == 0:
        output += "!"
    if i % 5 == 0:
        output += "?"
    print(output)

発展課題: 数当てゲーム¶

import random

# 1から100までのランダムな整数を生成
answer = random.randint(1, 100)
attempts = 0

print("数当てゲーム")
print("1から100までの数を当ててください！")

while True:
    # ユーザーからの入力を受け取る
    try:
        guess = int(input("数字を入力: "))
        attempts += 1

        # 予想と正解を比較
        if guess < answer:
            print("もっと大きい数です")
        elif guess > answer:
            print("もっと小さい数です")
        else:
            print(f"正解です！{attempts}回で当たりました！")
            break

    except ValueError:
        print("エラー: 整数を入力してください")

# ゲーム終了後のメッセージ
if attempts <= 5:
    print("素晴らしい！")
elif attempts <= 10:
    print("まぁまぁの結果です！")
else:
    print("もう少し頑張りましょう！")

数当てゲーム
1から100までの数を当ててください！
数字を入力: 50
もっと小さい数です
数字を入力: 25
もっと大きい数です
数字を入力: 37
もっと小さい数です
数字を入力: 31
もっと大きい数です
数字を入力: 34
正解です！5回で当たりました！
素晴らしい！