Pythonは「プログラマー専用の言語」という印象が残りますが、データ整理やWeb情報の取得、ターミナル表示の改善まで、日常業務に直結するライブラリが揃っています。
How-To Geekが紹介した7つの定番ライブラリを軸に、開発経験が浅い人でも押さえておきたい用途と選び方を整理します（参考）。
この記事でわかること
- PyPIに数十万パッケージが並ぶ中で、なぜこの7つが定番とされるのか
- データ分析・AI・Web・スクレイピング・CLI改善の5領域での役割分担
- 各ライブラリの最新版と、非開発者が使うときの入口
なぜ「定番7つ」から始めるのか
Python Package Index（PyPI）には数十万規模のパッケージが登録されています。すべてを追うのは現実的ではなく、長年メンテされ、コミュニティで名前が通るライブラリから入るのが効率的です。
How-To Geekが挙げた7つは、データ分析の土台（Pandas・NumPy）、機械学習入門（PyTorch）、可視化（Matplotlib）、Webアプリ（Flask）、Webスクレイピング（BeautifulSoup）、ターミナル表示（Rich）と、業務で頻出する領域をほぼカバーします。個別の大型アップデート記事ではありませんが、学習の地図として一度に把握できる構成です。
データ分析の土台：PandasとNumPy
Pandasで表形式データを扱う
Pandasは、表形式データを扱うためのオープンソースツールです。公式サイトでは「高速で柔軟、使いやすいデータ分析・操作ツール」と位置づけられています。2008年に開発が始まり、翌年オープンソース化されて以来、データ分析の代名詞になっています。
中核はDataFrameと呼ばれる2次元のデータ構造で、列に型が付いた小さなスプレッドシートのように扱えます。名前・年齢・都市といった列を持つ表を数行のコードで作り、集計やフィルタを回せます。GitHubでは約4.9万スターを獲得しており、How-To Geekも「Pythonライブラリで名前を聞いたことがあるならPandas」と評しています。
2026年6月28日時点の最新安定版は3.0.4です。Polarsなど高速な後発ライブラリもありますが、チュートリアルや求人票での露出はいまもPandasが最大です。
NumPyがすべての計算の下地になる
Pandasの背後にはNumPyがあります。NumPyは多次元配列と、それに対する数学関数を提供する科学計算の基盤ライブラリです。公式では「配列計算のデファクトスタンダード」と説明され、Pandasをはじめ多くのデータサイエンスツールがNumPy上に構築されています。
配列の各要素に一括で演算をかけるベクトル化により、素のPythonループより高速に数値処理できます。乱数生成や線形代数、フーリエ変換も同じパッケージに収まっています。GitHubスターは約3.2万でPandasより少ないものの、エコシステム上の重要度はそれ以上です。2025年12月20日リリースの最新版は2.4です。
非開発者がExcel代替を探すならPandasから、裏側の計算原理を理解するならNumPyの配列操作から触れると、以降の学習がつながりやすくなります。
AI入門の入口：PyTorch
PyTorchはMetaが開発に関わる深層学習フレームワークです。GPUを活用したテンソル演算とニューラルネットワーク構築を担い、自然言語処理・コンピュータビジョン・生成AIなど幅広い用途に対応します。GitHubでは約10.1万スター、AmazonやSalesforce、LinkedInなど大規模サービスでも採用実績があります。
2026年時点の安定版は2.7.0で、Python 3.10以降が必要です。研究から本番運用まで、eagerモードとグラフモードをTorchScriptで切り替えられる点が特徴です。非開発者が「AIを試す」とき、最初から大規模モデルを動かす必要はありません。既存のサンプルやチュートリアルを動かし、テンソルと学習ループの流れを掴む段階から始められます。
数字を伝える：Matplotlib
MatplotlibはPythonで静的・動的・インタラクティブなグラフを作る可視化ライブラリです。公式では「簡単なことは簡単に、難しいことも可能にする」と謳っています。NumPy配列と相性がよく、折れ線グラフからアニメーション、ズーム可能な図まで対応します。
Jupyter Notebookとの連携が強く、教育現場のSTEM授業でも使われています。2026年時点で3.11.0がリリース済みです。Pandasで集計した結果をそのままグラフ化する流れは、レポート作成の定番パターンです。Seabornのような高水準ラッパーもMatplotlib上に載っています。
小さなWebアプリを素早く作る：Flask
https://flask.palletsprojects.com/
Flaskは軽量なWSGI Webアプリケーションフレームワークです。公式ドキュメント（3.1.x）では「素早く始められ、複雑なアプリまで拡張できる」と説明されています。Djangoのようなフルスタック製品と違い、必要最小限の機能だけを持つマイクロフレームワークです。
ルートを数行で定義し、HTMLやJSONを返すAPIをすぐ立ち上げられます。セッション管理、JSON出力のショートカット、ロギングなど実務向け機能も備え、GitHubでは約7.1万スターです。社内ツールやプロトタイプ、Webhook受け口のような小規模Webサービスに向いています。依存関係としてWerkzeug、Jinja、Clickを使う点は、他のPython Webツールを学ぶときの共通語になります。
APIがないサイトから情報を取る：BeautifulSoup
https://www.crummy.com/software/BeautifulSoup/bs4/doc/
Beautiful SoupはHTMLやXMLからデータを抜き出すパースライブラリです。公式ドキュメントでは「お気に入りのパーサーと組み合わせ、ツリー構造の探索・検索・変更を直感的に行える」と説明されています。2000年代初頭から続く歴史があり、整形されていないHTMLでも解析できます。
公開APIのないWebページから表や見出しを取得したいときの定番です。PyPI上のパッケージ名はbeautifulsoup4で、Beautiful Soup 3はPython 3非対応のため2020年12月31日にサポート終了しています。ドキュメントの最新版は4.15.0です。requestsなどでページを取得し、BeautifulSoupでタグをたどるのが基本形です。利用規約とrobots.txtの確認は必須です。
ターミナル出力を読みやすくする：Rich
https://rich.readthedocs.io/en/latest/
Richはターミナル上で色付きテキスト、表、プログレスバー、シンタックスハイライトを表示するライブラリです。Textualizeが開発し、Python 3.8以降で動作します。HTMLに似たタグ記法で太字や色を指定でき、進捗表示やエラーのトレースバックも見やすく整形できます。
GitHubでは約5.6万スターと、比較的新しめながら急速に普及しています。CLIツールの出力を整えたい非開発者にも有用で、スクリプトの実行結果をチームに共有するときの可読性が上がります。姉妹プロジェクトのTextualを使えば、ターミナル上の本格的なUIも構築できます。
5領域の使い分け早見表
| やりたいこと | まず触るライブラリ |
|---|---|
| CSVや表データの集計 | Pandas（計算の裏側はNumPy） |
| 機械学習・生成AIの入門 | PyTorch |
| グラフ・レポート用の図 | Matplotlib |
| 社内WebツールやAPI | Flask |
| Webページからの情報収集 | BeautifulSoup |
| スクリプト出力の見た目改善 | Rich |
How-To Geekは、ほぼあらゆる作業に対応するPythonライブラリが存在する一方で、選択肢の多さが初心者の障壁になると指摘しています。上記7つは「メンテされ、コミュニティで名前が通る」グループに入るため、個別の新機能ニュースが薄くても、学習記事やおすすめ記事の切り口として再利用しやすいセットです。
次の一歩
7つを一通り試したら、自分の業務に近い1領域に絞るのが現実的です。経理データの整理ならPandasとMatplotlib、社内ダッシュボードならFlask、競合サイトの価格監視ならBeautifulSoup、AI実験ならPyTorchと、目的から逆算して深掘りしてください。PyPIの膨大な一覧を眺めるより、定番の組み合わせを押さえたうえで周辺ツールを探す方が、学習コストを抑えられます。