Python の記事一覧

この記事は GMOインターネットグループ Advent Calendar 2025 5日目の記事です。こんにちは！GMOインターネット株式会社の杉浦巧です。今回は最近触って感動したmarimoに関して紹介します！ はじめに Python で分析や可視化をするとき、セルごとに実行できる Notebook 形式は本当に便利ですよね。みなさんは普段、どの Notebook を使っていますか？多くの方は Jupyter や Google Colab を使っているのではないでしょうか。 そんな中、最近 “次世代ノートブック” と呼ばれる marimo を触ってみたところ、あまりにも快適で驚きました。「え、もう Jupyter に戻れない…」と本気で感じるレベルです。 marimoとは何か？ marimo は オープンソースの Python ノートブック で、従来のノートブックが抱えていた “再現性” や “バージョン管理のしづらさ” を解決することを目的に作られたツールです。 一言でいえば、 「ノートブックの手軽さ」と「ソフトウェアとしての堅牢さ」を両立させた新しい開発体験を提供してくれる存在です。 公式サイトとリポジトリのリンクを以下にまとめておきます。 https://marimo.io/https://github.com/marimo-team/marimo https://www.youtube.com/watch?v=3N6lInzq5MI marimoのここがすごい！！ セルの依存関係の自動管理 marimo はノートブック全体を「データフローグラフ」として扱い、あるセルを変更すると、そのセルに依存する部分だけが自動で再実行されます。そのため「どのセルから実行するべきか」「実行順がバグって壊れた」という Notebook 特有の悩みがなくなります。常に一貫した状態を保てるのが大きな魅力です。 リアクティブ性 コードや値を変更すると、グラフやUIが即座に更新されます。“実行ボタンを押す” という概念がほぼ不要で、リアクティブアプリのような体験が得られます。UIパーツとコードも自動で同期するため、手間なくインタラクティブな分析環境を構築できます。 Gitフレンドリー marimo のノートブックは .py ファイルとして保存されるため、Git でのバージョン管理が非常にしやすいです。差分が綺麗に表示され、レビューやマージがスムーズに行えます。従来の Notebook にありがちな「出力混ざり問題」も回避できます。 DBフレンドリー SQL の実行、データフレーム操作、データベースとの接続が自然に記述できるようになっています。データ分析〜集計〜可視化までの一連の流れを marimo 上で完結させることができ、データ関連の作業と相性が非常に良いです。 AIネイティブな設計 marimo は AI 活用を前提にした設計になっており、AI の提案によるコード作成、Chat UI の埋め込み、LLM と連動したインタラクティブアプリの構築などが可能です。Notebook と AI の組み合わせが自然に扱えるのは大きな強みです。 テスト可能性 marimo のノートブックは Python モジュールとして import できるため、pytest などを使ったユニットテストを簡単に書けます。Notebook を “本番品質” に寄せるための仕組みが初めから用意されている点が特徴的です。 デモ 今回は marimo を立ち上げて BigQuery と連携し、データを可視化するところまでを紹介します。 インストール&起動 Python環境があればpipでインストールするだけで、簡単に利用できます。 pip install marimo uvやconda環境の方は以下で追加します。 uv add marimo or conda install -c conda-forge marimo インストールが完了したら、marimo_notebook を起動してみます。自動的に .py ファイルが作成されるので、任意の名前を付けてください。 marimo edit my_notebook.py 起動が完了すると、次のように URL が出力されます。クリックするか、ブラウザにコピーしてアクセスしてください。 (marimo-sample) marimo-sample$ marimo edit my_notebook.py Edit my_notebook.py in your browser 📝 ➜ URL: http://localhost:2718?access_token=q3546u57ektyjrt4u57eiyj リンクに遷移して以下のような画面になっていれば起動成功です。 Agent設定 このままでも利用できますが、今の時代は AI チャットやコード補完が欲しくなりますよね。marimo でも、設定を行えば Copilot のような補完を使えるようになります。 まず、左側のメニューから 「Chat with AI」 タブを開き、「AI settings」 をクリックします。次に 「AI Providers」 タブを選択し、利用したい AI の API キー と Base URL を設定してください。 次に AI Models のタブで、利用したいモデルを ON にします。 その後、AI Features タブに戻り、「CODE COMPLETION」と「AI ASSISTANT」の項目で、先ほど ON にしたモデルを選択します。 「CODE COMPLETION」については、GitHub Copilot を使っている場合は Provider から Copilot を選択してください。好きなモデルを使いたい場合は custom を選択すれば問題ありません。 設定が終わったら、試しに AI with chat で何かプロンプトを入力してみてください。問題なく応答が返ってくれば設定完了です。 初回実行時は、必要なライブラリがインストールされていない場合に警告が出ることがあります。その際は、自分の環境に合わせて Install をクリックしてください。私は uv を使ってインストールしました。 従来は Jupyter でセルを使ってインストールしていましたが、marimo では不足ライブラリをワンクリックで入れられるので、地味に嬉しいポイントです。 これで Chat 機能・Generate 機能・Completion 機能 が使えるようになります。 DB接続 今回は、DB の接続先として BigQuery に接続します。左メニューの Explore data sources から Add database or catalog をクリックしてください。 次に BigQuery を選択し、project_id、dataset、Credentials JSON を入力します。 余談ですが、これだけ多くの種類のデータベースをサポートしているのは本当にありがたいですね。 Add をクリックすると、対応するコードがセルに自動生成されます。そのセルを実行すると、DATASOURCES タブに指定したデータセットがマウントされていることを確認できます。 marimo では Python や Markdown に加えて SQL もサポートしているため、セル内で直接 SQL を実行できるのも便利なポイントです。 SQL セルでは、取得するデータソースと出力先の変数名を指定します。セルを実行すると、指定した変数が自動的に追加されているのを確認できるはずです。 また、クエリ結果については 簡易的な可視化 も自動で行ってくれます。普段の業務で SQL を中心にデータ加工をしている方は、こちらの方が扱いやすいと感じるかもしれませんね。 可視化 最後に、取得したデータを可視化してみます。matplotlib を使っても良いのですが、今回は 手軽にインタラクティブな可視化 を行うため、marimo ライブラリを使って描画してみます。 先ほど SQL で取得したデータを、以下のコードで可視化します。 # セル2 start, end = date.value filtered = df.filter( (pl.col("record_date") >= start) & (pl.col("record_date") <= end) ) mo.ui.altair_chart( alt.Chart(filtered.to_pandas()) .mark_line() .encode(x="record_date:T", y="value1:Q") .properties(height=300, title="value1 の推移（期間変更で自動更新）") ) 実行すると、以下のようなグラフが表示されます。また、セル 1 で期間を選択すると、下のグラフの表示範囲が自動で更新されます。 このように UI コンポーネントを簡単に設置できる のも、marimo の大きな強みです。 まとめ 今回は簡単なデモでしたが、使いこなせば BI ツールやアプリケーションとしてデプロイすることも可能です。特に、組織的にデータ分析を行っている環境では、コードで管理できる点などが刺さるポイントだと思います。 一方で、まだ動作が安定しない部分があるのも事実で、大規模に組織導入するには不安定なところも残っています。 marimo は「Notebook の便利さ」と「ソフトウェアとしての堅牢さ」を両立させた、これまでにない開発体験を提供するツールです。セルの依存関係は自動管理され、リアクティブに動作し、Git・データベース・AI とも自然に連携できます。テストや再利用も容易で、Notebook を使い捨てではなく“育てられる資産”へと変えてくれます。 Jupyter や Colab を普段使っている方ほど、「ノートブックでもここまでできるのか」という違いを強く感じるはずです。新しい選択肢として、一度触ってみていただければと思います。

こんにちはGMOインターネット、ビジネスサポートプロダクトチームの倉持です。ExcelにPythonのアイコンとともに「Pythonの挿入」機能が表示されていることに気づき気になっていました。今回は「触ってみて動きを確認する」というテーマでゆったりと書いてみたいと思います。 この機能は何？ 契約などによって、この機能の利用可否が決まるようです。詳細はマイクロソフトのページで確認いただければと思います。=PY()という関数が追加され、そこにPythonコードを書くとクラウドでコードが実行されて内容を表示するという仕組みになっているようです。ということで思いついたものでいくつか試していくことにします。 文字列結合：SQLをF-Stringで組み立て！ Excelで大量のデータを使ってSQL文を組み立てる作業ありますよね？(スクリプト書いたり、テキストエディタのマルチカーソル、矩形選択、正規表現一括置換を活用したりのほうがメジャーですか？)従来のExcel関数を駆使するパターンだと、たとえば =="UPDATE users SET a="&"a='"&A1&"' where id="&B1&";" のように、&記号とダブルクォートの羅列で個人的には、とにかく面倒でした。=PY()関数を使えば、Pythonのf-string（フォーマット済み文字列リテラル）が使えます！ そして普通のセルのようにコピペしてこんな感じです。 Pythonのf-stringになれている人だとこちらのほうがさっと組み立てられるかも？と思いました。今回の目的は使ってみる事なのでこれでOKということで次！ ちょっとした画像生成：QRコードをさくっと出す Pythonには便利なライブラリがたくさんありますよね。QRコード生成もそのひとつです。例えば、資料のURLをExcelで管理しているとして、その横にQRコードを表示するとかどうですかね。=PY()関数は、生成した画像をExcelのセルにオブジェクトとして返したり、このように表示することもできました。 ANACONDAがベースとどこかで見ましたが、こちらにも表示されていました。コードがシンプルなのでなんとなく可能性を感じます！ データ可視化：ヒートマップで傾向を掴む Python、データ分析でよくあるのはデータの可視化ですよね。ヒートマップとかどうでしょうか？ これも使いどころは置いておいて可能性を感じます。 おわりに 今回触ってみた印象としては、なんか使えそうな気がする！でした。ところで色々と他にも試しているとき、こんな表示が出ました。機能によっては有料枠消費？になるものもあるようです。本格利用する場合はこちらも確認いただいたほうがよさそうです。 あわせて、AI (Copilot)との連携も今後期待できそうな気がしています。コードサンプルの多いPythonはAIも得意だと思います。Excelと組み合わさることで自然言語で意図を伝えるだけでより高い表現力を手に入れた助手が資料をまとめてくれるようになるかもしれません。