2.1.8 モジュールとパッケージ

この節の位置づけ

この節では、コードを複数のファイルに分けて、他の人が書いたライブラリを再利用する方法を学びます。モジュール、パッケージ、import、pip は Python エコシステムへの入口です。これらを理解すると、NumPy、Pandas、FastAPI、PyTorch などのツールをより自然に使えるようになります。

学習目標

• モジュールとパッケージの概念を理解する
• import のさまざまな使い方を身につける
• Python のよく使う標準ライブラリを知る
• pip を使ってサードパーティライブラリをインストールできるようになる
• 自分のモジュールを作成して使えるようになる

---

モジュールとは？

ここまで、あなたのコードはすべて1つのファイルに書いてきました。でも、プロジェクトが大きくなると、1つのファイルに何千行も入ることがあります。これは管理がとても大変です。

モジュール（module）とは、1つの .py ファイルのことです。 関連する関数、クラス、変数を1つのモジュールにまとめて、他のファイルから import して使えます。

引っ越しを想像してみてください。

• 服を1つの箱に入れる（clothes.py）
• 本を1つの箱に入れる（books.py）
• 台所用品を1つの箱に入れる（kitchen.py）

それぞれの箱がモジュールです。必要なときに、対応する箱を開ければよいのです。

---

import の基本的な使い方

モジュール全体を import する

import math

# 使うときはモジュール名の接頭辞が必要
print(math.pi)          # 3.141592653589793
print(math.sqrt(16))    # 4.0
print(math.ceil(3.2))   # 4（切り上げ）
print(math.floor(3.8))  # 3（切り捨て）

モジュールから特定の内容だけを import する

from math import pi, sqrt

# そのまま使えるので、モジュール名の接頭辞は不要
print(pi)          # 3.141592653589793
print(sqrt(16))    # 4.0

import して別名をつける

import numpy as np            # numpy に短い別名をつける
import pandas as pd           # pandas の標準的な別名

# AI 分野でよく使う慣例的な別名
import matplotlib.pyplot as plt
import tensorflow as tf
import torch

モジュールの中身をすべて import する

from math import *

# すべてを直接使える
print(pi)
print(sqrt(16))
print(sin(0))

from xxx import * はおすすめしません

見た目は便利ですが、モジュール内のすべての名前が現在のファイルに読み込まれるため、名前の衝突（2つのモジュールに同じ名前の関数があるなど）が起こりやすくなります。また、コードを読む人が「この関数はどこから来たのか」を判断しにくくなります。

おすすめの方法:

1. import math にして math.sqrt() を使う（最も明確）
2. from math import sqrt, pi のように必要なものだけを import する

---

Python のよく使う標準ライブラリ

Python には便利なモジュールがたくさん最初から入っています。Python をインストールすれば、追加のインストールなしですぐ使えます。

math —— 数学計算

import math

print(math.pi)          # 3.141592653589793
print(math.e)           # 2.718281828459045
print(math.sqrt(144))   # 12.0
print(math.pow(2, 10))  # 1024.0
print(math.log(100, 10))  # 2.0（10 を底にした対数）
print(math.sin(math.pi / 2))  # 1.0
print(math.factorial(5))  # 120（5! = 5×4×3×2×1）

random —— 乱数

import random

# ランダムな整数
print(random.randint(1, 100))     # 1 から 100 の間のランダムな整数

# ランダムな浮動小数点数
print(random.random())            # 0 から 1 の間のランダムな浮動小数点数
print(random.uniform(1.0, 10.0))  # 1.0 から 10.0 の間

# リストからランダムに選ぶ
colors = ["赤", "緑", "青", "黄"]
print(random.choice(colors))       # 1つをランダムに選ぶ
print(random.sample(colors, 2))    # 2つをランダムに選ぶ（重複なし）

# リストをシャッフルする
cards = list(range(1, 14))
random.shuffle(cards)
print(cards)  # シャッフル後のリスト

# 乱数シードを設定する（結果を再現可能にする。AI 学習でよく使う）
random.seed(42)
print(random.randint(1, 100))  # 毎回同じ結果になる

os —— OS とのやり取り

import os

# 現在の作業ディレクトリを取得
print(os.getcwd())

# ディレクトリ内のファイル一覧を表示
print(os.listdir("."))

# ファイル/ディレクトリが存在するか確認
print(os.path.exists("hello.py"))

# パスを結合する（クロスプラットフォーム対応）
path = os.path.join("data", "train", "images")
print(path)  # data/train/images（macOS/Linux）または data\train\images（Windows）

# ファイル名と拡張子を取得
filename = "model_v2.pth"
name, ext = os.path.splitext(filename)
print(f"ファイル名: {name}, 拡張子: {ext}")  # ファイル名: model_v2, 拡張子: .pth

# ディレクトリを作成
os.makedirs("output/results", exist_ok=True)  # exist_ok=True は、すでに存在していてもエラーにしない

datetime —— 日付と時刻

from datetime import datetime, timedelta

# 現在時刻を取得
now = datetime.now()
print(now)                           # 2026-02-09 14:30:45.123456
print(now.strftime("%Y-%m-%d"))      # 2026-02-09
print(now.strftime("%Y年%m月%d日"))   # 2026年02月09日

# 時間の計算
tomorrow = now + timedelta(days=1)
last_week = now - timedelta(weeks=1)
print(f"明日: {tomorrow.strftime('%Y-%m-%d')}")
print(f"先週: {last_week.strftime('%Y-%m-%d')}")

# 時刻文字列を解析する
date_str = "2026-01-15"
date = datetime.strptime(date_str, "%Y-%m-%d")
print(date)

json —— JSON データの処理

import json

# Python オブジェクト → JSON 文字列
data = {
    "name": "小明",
    "age": 20,
    "scores": [85, 92, 78],
    "is_student": True
}

json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)

# JSON 文字列 → Python オブジェクト
parsed = json.loads(json_str)
print(parsed["name"])  # 小明

# JSON ファイルの読み書き
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("data.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)
    print(loaded)

標準ライブラリ早見表

モジュール	用途	よく使う機能
math	数学計算	sqrt, pi, sin, log
random	乱数	randint, choice, shuffle
os	OS	getcwd, listdir, path.join
datetime	日付と時刻	now, strftime, timedelta
json	JSON 処理	dumps, loads, dump, load
re	正規表現	search, findall, sub
collections	高度なコンテナ	Counter, defaultdict
pathlib	パス操作	Path, glob, mkdir
sys	システム引数	argv, path, exit
time	時間関連	sleep, time

---

サードパーティライブラリをインストールする

Python の強みは、サードパーティライブラリに大きく支えられています。つまり、他の人が作ったモジュールをそのままインストールして使えるのです。

pip でインストールする

# 単体のライブラリをインストール
pip install requests

# 特定のバージョンをインストール
pip install requests==2.28.0

# 複数のライブラリをインストール
pip install numpy pandas matplotlib

# すでにインストール済みのライブラリをアップグレード
pip install --upgrade requests

# アンインストール
pip uninstall requests

# インストール済みのライブラリを確認
pip list

# インストール済みのライブラリをすべて出力する（自分の環境を再現しやすくする）
pip freeze > requirements.txt

# ファイルからまとめてインストール
pip install -r requirements.txt

AI 開発でよく使うサードパーティライブラリ

ライブラリ	インストールコマンド	用途
NumPy	pip install numpy	数値計算の基礎ライブラリ
Pandas	pip install pandas	データ分析と処理
Matplotlib	pip install matplotlib	データ可視化
Requests	pip install requests	ネットワークリクエスト
scikit-learn	pip install scikit-learn	伝統的な機械学習
PyTorch	pip install torch	深層学習フレームワーク
Transformers	pip install transformers	Hugging Face の事前学習済みモデル
FastAPI	pip install fastapi	Web API フレームワーク

conda と pip の違い

第1章「開発者ツールの基礎」で conda をインストールしました。簡単にいうと:

• conda: Python 環境の管理や、複雑な科学計算ライブラリのインストールに使う
• pip: ほとんどの Python パッケージのインストールに使う

通常は、先に conda で環境を作成・管理し、その環境の中で pip を使って必要なライブラリを入れます。

---

自分のモジュールを作る

基本的なモジュール

my_math.py というファイルを作ります:

# my_math.py

PI = 3.14159

def circle_area(radius):
    """円の面積を計算する"""
    return PI * radius ** 2

def circle_perimeter(radius):
    """円周を計算する"""
    return 2 * PI * radius

def rectangle_area(width, height):
    """長方形の面積を計算する"""
    return width * height

別のファイルから使う場合:

# main.py
import my_math

print(my_math.circle_area(5))       # 78.53975
print(my_math.circle_perimeter(5))  # 31.4159

# または
from my_math import circle_area, PI
print(f"円の面積: {circle_area(3)}")
print(f"PI = {PI}")

__name__ の役割

他の人のコードで、次のような書き方を見たことがあるかもしれません。

if __name__ == "__main__":
    print("このファイルは直接実行されています。")

これはどういう意味でしょうか？

# my_math.py

def circle_area(radius):
    return 3.14159 * radius ** 2

# このコードは my_math.py を直接実行したときだけ動く
# 他のファイルから import されたときは実行されない
if __name__ == "__main__":
    # テストコード
    print("circle_area をテストします:")
    print(circle_area(5))  # 78.53975
    print("テスト完了！")

# my_math.py を直接実行 → __name__ は "__main__" なのでテストコードが実行される
python my_math.py
# 出力:
# circle_area をテストします:
# 78.53975
# テスト完了！

# main.py で my_math を import → __name__ は "my_math" なのでテストコードは実行されない

これは Python のうまい設計です。1つのファイルを、import 用にも単独実行用にも使えるようにしています。

---

パッケージ（Package）

モジュールがたくさん増えたら、パッケージとして整理できます。パッケージとは、__init__.py を含むフォルダのことです。

my_project/
├── main.py
└── utils/               ← これがパッケージ
    ├── __init__.py      ← このファイルで Python に utils がパッケージだと知らせる
    ├── math_utils.py
    ├── string_utils.py
    └── file_utils.py

使い方:

# main.py
from utils.math_utils import circle_area
from utils.string_utils import clean_text
from utils import file_utils

area = circle_area(5)
text = clean_text("  Hello  ")
file_utils.save_data(data, "output.json")

__init__.py は空でも構いませんし、パッケージを import したときのデフォルト動作を定義するためにも使えます。

# utils/__init__.py
from .math_utils import circle_area, rectangle_area
from .string_utils import clean_text

# こうすると、利用者はパッケージから直接 import できる
# from utils import circle_area

---

総合例：個人用ツールライブラリ

複数の便利な関数を含むモジュールを作ってみましょう。

# tools.py —— 私の個人用ツールライブラリ

import random
import string
from datetime import datetime

def generate_id(length=8):
    """ランダムな ID を生成する"""
    chars = string.ascii_letters + string.digits
    return ''.join(random.choice(chars) for _ in range(length))

def timestamp():
    """現在時刻のタイムスタンプ文字列を取得する"""
    return datetime.now().strftime("%Y%m%d_%H%M%S")

def format_number(num):
    """大きな数を3桁区切りで整形する"""
    return f"{num:,.0f}"

def flatten_list(nested):
    """ネストしたリストを平坦化する"""
    result = []
    for item in nested:
        if isinstance(item, list):
            result.extend(flatten_list(item))
        else:
            result.append(item)
    return result

def timer(func):
    """簡単な計測デコレーター"""
    import time
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} の実行時間: {end - start:.4f} 秒")
        return result
    return wrapper


if __name__ == "__main__":
    # テスト
    print(f"ランダム ID: {generate_id()}")
    print(f"タイムスタンプ: {timestamp()}")
    print(f"整形結果: {format_number(1234567890)}")
    print(f"平坦化: {flatten_list([1, [2, 3], [4, [5, 6]]])}")

---

手を動かしてみよう

練習 1：標準ライブラリを調べる

math、random、datetime を使って、次のタスクをそれぞれ実行してみましょう。

# 1. 100 の階乗が何桁かを求める
# ヒント: math.factorial() と len(str(...))

# 2. 1〜100 の重複しないランダムな数を10個生成する
# ヒント: random.sample()

# 3. 今日から 2027 年 1 月 1 日まであと何日あるかを計算する
# ヒント: datetime

練習 2：自分のモジュールを作る

string_tools.py というモジュールを作り、次の関数を含めてください。

def count_words(text):
    """英語テキストの単語数を数える"""
    return len(text.split())

def reverse_words(text):
    """各単語の順番を逆にする（文字の順番ではない）"""
    # "hello world" → "world hello"
    return " ".join(reversed(text.split()))

def is_palindrome(text):
    """回文かどうかを判定する（空白と大文字小文字を無視する）"""
    # "A man a plan a canal Panama" → True
    normalized = "".join(text.lower().split())
    return normalized == normalized[::-1]

その後、別のファイルで import してテストしてみましょう。

練習 3：pip の操作練習

ターミナルで次の操作を実行してください。

# 1. requests ライブラリをインストールする
pip install requests

# 2. requests をテストする簡単なスクリプトを書く
python -c "import requests; print(requests.get('https://httpbin.org/get').status_code)"

# 3. 現在の環境にどのライブラリが入っているか確認する
pip list

# 4. 依存関係リストを出力する
pip freeze > requirements.txt

---

まとめ

概念	説明	例
モジュール	1つの .py ファイル	import math
パッケージ	__init__.py を含むフォルダ	from utils import helper
import	モジュール全体を import する	import os
from...import	特定の内容だけを import する	from math import pi
as	別名をつける	import numpy as np
pip	サードパーティライブラリをインストールする	pip install requests
__name__	直接実行されたかを判定する	if __name__ == "__main__":

核心の理解

モジュールシステムのおかげで、あなたは巨人の肩の上に立てます。Python が強いのは、言語そのものが複雑だからではありません。データ分析から機械学習、Web 開発から画像処理まで、何十万ものモジュールがあるからです。思いつくほとんどの機能は、すでに誰かが作ってくれています。これらのモジュールを見つけて使う力は、Python 開発者にとってとても大切な能力です。