レッスン20: 修了と次のステップ｜ミニプロジェクト・総復習

1. 学んだこと — コース総復習

このコースで習得した6つのユニットを振り返りましょう。

Unit 1: Python基礎文法（L01〜L05）

print / 変数 / 型
演算子 / 条件分岐
for / while / enumerate

Unit 2: データ構造（L06〜L09）

リスト / スライス
タプル / 集合演算
辞書 / f-string

Unit 3: 関数（L10〜L12）

def / return / デフォルト引数
*args / **kwargs / lambda
内包表記

Unit 4: オブジェクト指向（L13〜L15）

class / __init__ / self
継承 / super() / オーバーライド
特殊メソッド / 演算子OL

Unit 5: 実用スキル（L16〜L18）

ファイルI/O / CSV
try/except / raise
math / random / datetime

Unit 6: AIへの橋渡し（L19〜L20）

NumPy / ndarray / shape
ブロードキャスト / 行列積
正規化 / 前処理

2. ミニプロジェクト①: 患者データ管理システム

📝 ミニプロジェクトについて： ここでは詳細な解説をあえて省いています。各コードを読んで「これはどのレッスンで学んだ構文か？」を自分で確認しながら実行してみてください。すらすら読めれば、そのユニットの理解は十分です。

Unit1〜Unit4（L01〜L15）の総合問題です。クラス・継承・特殊メソッド・内包表記・辞書・例外処理を組み合わせて、患者データ管理クラスを作ります。

mini_project_1.py

Ctrl+Enter

class Patient:
    """患者情報クラス（L13-15: クラス・特殊メソッド）"""
    count = 0

def __init__(self, name, age, diagnosis):
        self.name = name
        self.age = age
        self.diagnosis = diagnosis
        self.vitals = []   # バイタル履歴
        Patient.count += 1
        self.id = f"P{Patient.count:03d}"

def add_vital(self, spo2, hr):
        """バイタルサインを記録（L05: ループ、L08: 辞書）"""
        if not (0 <= spo2 <= 100):
            raise ValueError(f"SpO2の値が不正: {spo2}")  # L17
        self.vitals.append({"spo2": spo2, "hr": hr})

def avg_spo2(self):
        """平均SpO2（L10-12: 関数・内包表記）"""
        if not self.vitals:
            return None
        return sum(v["spo2"] for v in self.vitals) / len(self.vitals)

def is_critical(self):
        return any(v["spo2"] < 92 or v["hr"] > 140 for v in self.vitals)

def __str__(self):   # L15
        avg = self.avg_spo2()
        avg_str = f"{avg:.1f}%" if avg else "未測定"
        return f"[{self.id}] {self.name}({self.age}歳) | {self.diagnosis} | SpO2平均: {avg_str}"

def __lt__(self, other):   # L15
        return self.age < other.age

class Ward:
    """病棟クラス（L13: クラス、L15: コンテナメソッド）"""

def __init__(self, name):
        self.name = name
        self._patients = []

def admit(self, patient):
        self._patients.append(patient)
        print(f"  入院: {patient.name} → {self.name}")

def __len__(self):
        return len(self._patients)

def __getitem__(self, i):
        return self._patients[i]

def critical_patients(self):
        """要注意患者リスト（L12: 内包表記）"""
        return [p for p in self._patients if p.is_critical()]

def report(self):
        print(f"\n=== {self.name} 病棟レポート（{len(self)}名）===")
        for p in sorted(self._patients):  # L15: __lt__
            alert = " 🚨" if p.is_critical() else ""
            print(f"  {p}{alert}")
        crits = self.critical_patients()
        if crits:
            print(f"\n  要注意患者: {len(crits)}名")
            for p in crits:
                print(f"    - {p.name}")

# メインの処理
ward = Ward("4階東")

patients_data = [
    ("田中太郎", 45, "高血圧"),
    ("山田花子", 62, "糖尿病"),
    ("佐藤次郎", 33, "肺炎"),
    ("鈴木一郎", 71, "心不全"),
]

for name, age, diag in patients_data:
    ward.admit(Patient(name, age, diag))

# バイタル記録
ward[0].add_vital(98, 75)
ward[0].add_vital(97, 82)
ward[1].add_vital(94, 98)
ward[1].add_vital(91, 115)  # 要注意
ward[2].add_vital(96, 88)
ward[3].add_vital(89, 105)  # 要注意

ward.report()

出力

3. ミニプロジェクト②: CSVデータの統計処理

Unit5〜Unit6（L16〜L19）の総合問題です。 CSV読み込み・例外処理・NumPyを組み合わせた統計処理パイプラインを作ります。

mini_project_2.py

Ctrl+Enter

import csv, numpy as np

# ステップ1: CSVを作成（L16: ファイルI/O）
csv_path = "/tmp/lab_results.csv"
records = [
    {"id": "P001", "wbc": 4500, "glucose": 95, "spo2": 98},
    {"id": "P002", "wbc": 11200, "glucose": 180, "spo2": 94},
    {"id": "P003", "wbc": 2800, "glucose": 105, "spo2": 97},
    {"id": "P004", "wbc": 7600, "glucose": 88, "spo2": 99},
    {"id": "P005", "wbc": "N/A", "glucose": 220, "spo2": 91},  # 欠損あり
]

with open(csv_path, "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["id", "wbc", "glucose", "spo2"])
    writer.writeheader()
    writer.writerows(records)

# ステップ2: 読み込みと前処理（L17: 例外処理）
def safe_float(val, default=None):
    try:
        return float(val)
    except (ValueError, TypeError):
        return default

with open(csv_path, "r", encoding="utf-8") as f:
    rows = list(csv.DictReader(f))

# ステップ3: NumPy配列に変換（L19: NumPy）
valid_rows = [r for r in rows if safe_float(r["wbc"]) is not None]
skipped = len(rows) - len(valid_rows)
print(f"読込: {len(rows)}件, スキップ（欠損）: {skipped}件, 有効: {len(valid_rows)}件")

data = np.array([
    [safe_float(r["wbc"]), safe_float(r["glucose"]), safe_float(r["spo2"])]
    for r in valid_rows
])
cols = ["WBC", "Glucose", "SpO2"]

# ステップ4: 統計分析
print("\n=== 検査値統計 ===")
for i, col in enumerate(cols):
    col_data = data[:, i]
    print(f"  {col}: mean={col_data.mean():.1f}, std={col_data.std():.1f}, "
          f"min={col_data.min():.0f}, max={col_data.max():.0f}")

# ステップ5: 正規化（L19: ブロードキャスト）
data_min = data.min(axis=0)  # 各列の最小値
data_max = data.max(axis=0)  # 各列の最大値
data_norm = (data - data_min) / (data_max - data_min)
print(f"\n正規化後（先頭3件）:\n{data_norm[:3].round(3)}")

# ステップ6: リスク判定（L04: 条件分岐 + NumPy）
spo2_col = data[:, 2]
glucose_col = data[:, 1]
high_risk = (spo2_col < 95) | (glucose_col > 160)
print(f"\n高リスク患者: {high_risk.sum()}名")
print(f"該当ID: {[valid_rows[i]['id'] for i in np.where(high_risk)[0]]}")

出力

4. 次のステップ

Pythonの基礎を習得しました。次のステップは人それぞれです。資格取得・実践的な開発・さらなる学習 — あなたに合った道を選んでください。

学習を続ける

他のコースを受講する

医療AIナビでは、このPython入門コースのほかにも様々な学習コンテンツを提供しています。NumPy・pandas・機械学習・ディープラーニングなど、次のステップに合ったコースを探してみましょう。

コース一覧を見る →

資格取得

E資格対策に挑戦する

JDLA認定のAIエンジニア資格。このコースで学んだクラス・NumPy・行列積はE資格の出題範囲と直結しています。本格的なAIエンジニアを目指す方に。

E資格対策を見る →

情報収集

医療AI・最新情報をブログで読む

AIが医療現場でどう使われているか、最新技術の動向から資格試験の情報まで。ブログ記事でPythonを学んだ背景や目的をより深く理解できます。

ブログを読む →

まとめ

Python初学者コース全20レッスン完走！

Unit1 print/変数/型/演算子/条件分岐/ループ ✅
Unit2 リスト/タプル/集合/辞書/文字列応用 ✅
Unit3 関数/デフォルト引数/*args/**kwargs/lambda/内包表記 ✅
Unit4 クラス/__init__/継承/super()/特殊メソッド/演算子OL ✅
Unit5 ファイルI/O/CSV/例外処理/math/random/datetime ✅
Unit6 NumPy/ndarray/shape/ブロードキャスト/行列積 ✅

自由に試してみましょう：

free_practice.py

Ctrl+Enter

import numpy as np, math

# 自由練習: コース全体を使った総合コード
# このコースで学んだ概念を自由に使ってみよう！

class MedicalDataset:
    """医療データセットクラス（L13-15 + L16-17 + L19）"""

def __init__(self, name):
        self.name = name
        self._data = []

def add(self, patient_id, features, label):
        """features: [spo2, hr, glucose, age], label: 0=低リスク, 1=高リスク"""
        self._data.append({
            "id": patient_id,
            "features": list(features),
            "label": label
        })

def __len__(self):
        return len(self._data)

def to_numpy(self):
        """NumPy配列に変換（L19）"""
        X = np.array([d["features"] for d in self._data])
        y = np.array([d["label"] for d in self._data])
        return X, y

def normalize(self):
        """Min-Max 正規化（L19）"""
        X, y = self.to_numpy()
        X_min, X_max = X.min(axis=0), X.max(axis=0)
        X_norm = (X - X_min) / (X_max - X_min + 1e-8)
        return X_norm, y

def stats(self):
        """統計サマリ（L18: math）"""
        X, y = self.to_numpy()
        cols = ["SpO2", "HR", "Glucose", "Age"]
        print(f"\n=== {self.name} 統計 ({len(self)}件) ===")
        for i, col in enumerate(cols):
            col_data = X[:, i]
            std = math.sqrt(sum((v - col_data.mean())**2 for v in col_data) / len(col_data))
            print(f"  {col}: mean={col_data.mean():.1f}, std={std:.1f}")
        print(f"  ラベル分布: 低リスク={sum(y==0)}件, 高リスク={sum(y==1)}件")

# データセットを作成
import random
random.seed(42)

ds = MedicalDataset("ICUバイタルデータセット")
for i in range(1, 11):
    spo2 = random.uniform(88, 100)
    hr = random.uniform(55, 145)
    glucose = random.uniform(80, 220)
    age = random.uniform(25, 85)
    label = 1 if spo2 < 93 or hr > 130 or glucose > 180 else 0
    ds.add(f"P{i:03d}", [spo2, hr, glucose, age], label)

ds.stats()

X_norm, y = ds.normalize()
print(f"\n正規化後のデータ shape: {X_norm.shape}")
print(f"先頭3件:\n{X_norm[:3].round(3)}")
print("\nおつかれさまでした！全20レッスン、本当によく頑張りました！")

出力

修了と次のステップ

コース修了おめでとうございます！

1. 学んだこと — コース総復習

Unit 1: Python基礎文法（L01〜L05）

Unit 2: データ構造（L06〜L09）

Unit 3: 関数（L10〜L12）

Unit 4: オブジェクト指向（L13〜L15）

Unit 5: 実用スキル（L16〜L18）

Unit 6: AIへの橋渡し（L19〜L20）

2. ミニプロジェクト①: 患者データ管理システム

3. ミニプロジェクト②: CSVデータの統計処理

4. 次のステップ

他のコースを受講する

E資格対策に挑戦する

医療AI・最新情報をブログで読む

まとめ

Python初学者コース 全20レッスン 完走！

Python初学者コース全20レッスン完走！