CSVデータから統計・可視化・機械学習を一括実行するPythonアプリ

CSVファイルを入力するだけで、統計量の出力・グラフによる可視化・機械学習モデルの作成と評価までを一括で実行できる、Dockerと仮想環境に対応した再現性の高いデータ分析自動化ツールです。

---

処理の流れ

CSV入力 → 統計量出力 → 可視化（グラフ生成）→ 機械学習（分類）→ モデル評価

---

開発背景

「データ分析や機械学習を学びたい初心者が、環境構築や手順でつまずかず、すぐに実践できるアプリが欲しい」と考え、実務でも使える再現性・汎用性を意識して開発しました。

---

想定ユーザー

• Pythonやデータ分析・機械学習の学習を始めたい初心者
• 業務データの可視化や分類モデル作成を手早く試したい方
• ポートフォリオやGitHub公開用の実用的なサンプルを探している方

---

特長

• 1コマンドで「統計量出力→グラフ化→機械学習モデル作成・評価」まで自動実行
• 仮想環境（venv）・Docker両対応で、環境差なく再現可能
• 全手順をREADMEに明記、初心者でも迷わず実行できる
• 実務で使える「データ前処理・可視化・モデル評価」まで網羅
• コピペで使えるコマンド例を多数掲載

---

実行イメージ・出力例

1. データの統計情報出力

    feature1 feature2 target_column
   count 5.0 5.0 5.0
   mean 3.0 4.0 0.4
   std 1.58 1.58 0.55
   min 1.0 2.0 0.0
   max 5.0 6.0 1.0
   

2. グラフ表示（matplotlibウィンドウで自動表示）

   • ターゲット列（予測したい項目）のヒストグラム
   • 特徴量同士の散布図

   

   ※サンプル画像は screenshots/ フォルダに格納しています。実行時に同様のグラフが自動生成されます。

3. モデルの評価結果

   Model Accuracy: 0.80
   

※input.csvの内容を変えるだけで、これらの出力が自動的に更新されます。

---

入力データ（input.csv）の前提

• すべて数値データのCSVファイルを想定
• 「target_column」という名前のターゲット列（予測したい項目）を必ず含めてください

---

フォルダ構成

python-training/
├── src/
│ ├── main.py
│ ├── utils.py
│ └── mytypes/
│ └── __init__.py
├── data/
│ └── input.csv
├── requirements.txt
├── Dockerfile
├── docker-compose.yml
├── screenshots/
│ ├── histogram.png
│ └── scatter.png
└── README.md

---

セットアップ・実行手順

1. 仮想環境（venv）での実行

【Windowsコマンドプロンプト/PowerShell】

cd python-training
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
python src/main.py

【Git Bash（Windows）】

cd python-training
python -m venv .venv
source .venv/Scripts/activate
pip install -r requirements.txt
python src/main.py

【WSL / Linux / Mac】

cd python-training
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python src/main.py

---

2. Dockerでの実行

【全OS共通・推奨：docker compose】

まずは以下を実行してください（最も簡単な方法です）。

cd python-training
docker compose up --build

この方法は環境差なく再現できるため、最も簡単で確実です。

※「とにかくすぐ動かしたい」「初心者の方」はこの方法を推奨します。

---

【補足：個別dockerコマンド（OS別）】

docker composeが使えない場合や、細かくコントロールしたい場合は、下記のOS別コマンドを利用してください。

• Windows（PowerShell）

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v ${PWD}\data:/app/data -v ${PWD}\screenshots:/app/screenshots pyproj

• Windows（コマンドプロンプト）

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v %cd%\data:/app/data -v %cd%\screenshots:/app/screenshots pyproj

• Mac / Linux

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v $(pwd)/data:/app/data -v $(pwd)/screenshots:/app/screenshots pyproj

どの方法を使えばよいか迷った場合は、まず「docker compose」の方法をお試しください。

---

使用技術

• Python 3.11
• pandas
• matplotlib
• numpy
• scikit-learn
• Docker / docker-compose

---

注意事項・カスタマイズ

• data/input.csv を編集することで、独自データでも簡単に試せます
• コードや構成の改善はプルリクエスト歓迎です
• 実行時にエラーが出る場合は、PythonやDockerのバージョン、パス設定等をご確認ください

---

コピペで使えるコマンドまとめ

仮想環境（venv）

• Windowsコマンドプロンプト/PowerShell

  cd python-training
  python -m venv .venv
  .venv\Scripts\activate
  pip install -r requirements.txt
  python src/main.py

• Git Bash（Windows）

  cd python-training
  python -m venv .venv
  source .venv/Scripts/activate
  pip install -r requirements.txt
  python src/main.py

• WSL / Linux / Mac

  cd python-training
  python -m venv .venv
  source .venv/bin/activate
  pip install -r requirements.txt
  python src/main.py

---

docker compose（全OS共通・推奨）

まずは以下を実行してください（最も簡単な方法です）。

cd python-training
docker compose up --build

この方法は環境差なく再現できるため、最も簡単で確実です。

---

dockerコマンド（OS別）

• Windows（PowerShell）

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v ${PWD}\data:/app/data -v ${PWD}\screenshots:/app/screenshots pyproj

• Windows（コマンドプロンプト）

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v %cd%\data:/app/data -v %cd%\screenshots:/app/screenshots pyproj

• Mac / Linux

  cd python-training
  docker build -t pyproj .
  docker run --rm -it -v $(pwd)/data:/app/data -v $(pwd)/screenshots:/app/screenshots pyproj

---

ライセンス

MIT License