Excelでのデータ解析に限界を感じている研究者・学生の方へ。
私は、Pythonに出会い、人生が大きく変わりました。
Excelでのデータ解析に限界を感じていた日々
Pythonに出会う前までは、レポートや論文のグラフ作成にExcelを使っていました。しかし、毎回解析をするたびに頭を抱えていたのです。
Excelの使い方がわからないからではありません。私はもともと、Excelを使いこなそうと多くの書籍を読み、ショートカットキーをできる限り覚えて身につけようとしました。
しかし、いくらExcelのスキルを高めても、生産性はそれほど上がっていないと感じていました。Ctrl+CとCtrl+Vでデータをコピペして、Ctrl+矢印でX軸とY軸を選択して、挿入から散布図を作成して……。Excelで納得のいくグラフを素早く作るには、結局キーボードやマウス操作をいかに速くできるかというGUI勝負になってしまいます。
低スペックPCとの戦い
学生が使えるパソコンは、それほどスペックの高いものではないでしょう。私も、少し複雑な計算をするとパソコンからザーッと音が鳴り始め、カーソルがくるくる回り出すような低スペックPCを使っていました。
そして最悪の場合、Excelがフリーズしてしまい、時間をかけた努力が水の泡に——これはよくある話だと思います。
ヒューマンエラーという致命的な問題
もともと自分はミスをしやすいタイプですし、そもそも人間はミスをしやすい生き物です。
Excelで同じ作業をしていても、レポートの構成を頭の中で考えたり、考察を練ったりしていると、データの選択を間違えて変なグラフができあがることがあります。特にExcelでは、凡例を設定するだけでも何度もマウスをクリックする必要があります。
その結果、元データが間違ったグラフを使って、致命的なレポートになってしまう可能性もあるのです。ヒューマンエラーによる意図しないデータ改ざんが起きうる——これがExcelの大きな問題だと感じていました。
Pythonとの出会い
そんな時に、Pythonと出会いました。
最初にPythonを学んだのは、YouTuberの「キノコード」さんのわかりやすい解説動画です。動画の内容を写経しながら、基本的な文法から学んでいきました。
授業でVBAやBASICを習ったことはありましたが、Pythonはインデントだけでfor文やif文が整理できるなど、非常に読みやすい言語だと感動したのを覚えています。
また、Jupyterはサーバー上で実行するのでパソコンのスペックに依存しないのが低スペックPCを待ってた学生にとって非常に良い味方となりました。現在はハイスペックPCを購入してVS codeをローカルで動かしていますが。最近のパソコンもスペックが上がってきてるので、こういった悩みはなくなってきてるかもですが、当時はひし
実験データ解析への応用
その後、「どうすれば実験データ解析にPythonを使えるのか」を考え続けました。とにかくコードを書いてグラフを作り、ネットで調べる——この繰り返しです。
そこで気づいたのが、インプットとアウトプットを整理してフローを考えるという方法でした。この考え方を取り入れることで、データ解析の流れが驚くほどすっきりと整理できるようになったのです。
あえてPythonを選ぶトレーニング
それに気づいてから、学生実験のレポートでも周りがExcelを使う中、自分はトレーニングのためにPythonでグラフを作成しました。
この時、「こういうグラフにしたいけど、今のスキルではできない」ということもしっかりと言語化しておきました。いつか達成できる日を信じて。
発見と成長の連続
基本的なグラフを作るためにネットで情報を調べていく中で、「こんな使い方もできるのか！」という発見がたくさんありました。使い続けていくうちに、以前はできなかったことが次々とできるようになっていったのです。
また、以前書いたコードを別の解析にコピペで転用できることにも気づき、コード作成のスピードがどんどん上がっていきました。そして、自分が納得のいくグラフができるまでブラッシュアップを重ね、レポートに載せて提出しました。
この頃には、一度コードを書いてしまえば、後で抽象化してforで回せばいいということにも気づき、解析の時間はどんどん短縮されていきました。
Pythonがもたらした成果
その結果、Pythonを使って作成したレポートはすべて満点という評価を得ました。Pythonを使い、データを定量的に比較して可視化しながら、論理的に考察ができたからだと思っています。
今も変わらない心強い相棒
それ以降、このPythonスキルをどんどん磨き、自分のやりたいことを実現するための道具として使ってきました。
そして今でも、Pythonは私の心強い相棒です。学生時代だけでなく、社会人になった今でも良きパートナーとして活躍してくれています。
この経験の中で多くの気づきを得ました。特に大きかったのは次の2つです。
- 「再現性」の力：一度書いたコードは何度でも同じ結果を返す。人間の手作業では避けられないミスやブレを、コードが防いでくれる
- 「抽象化」という思考法：似たような作業を見つけたら、共通部分を抜き出してループで回す。これはコードに限らず、日常の業務効率化にも直結する考え方
これらの気づきは、Pythonに限らず実際の仕事や問題解決にも応用できるものです。
次回は、研究者がPythonを始めるための具体的なステップについて書いていきます。「何から始めればいいかわからない」という方は、ぜひ読んでみてください。
コメント