基礎から学ぶPython入門 90日コース | 実践開発－ Day 83：要件定義

Day 83：要件定義 ― 「何を作るかを決める時間は、いちばんワクワクする」
要件定義とは ― 「作る前に、ゴールを言葉で描いておくこと」
1. 要件定義の役割
A：業務自動化システム ― 「手作業をPythonに置き換えるプロジェクト」
1. Aのテーマとイメージ
2. Aの要件定義のステップ
B：Web API ― 「FastAPI × SQLiteで“サービス”を作るプロジェクト」
1. Bのテーマとイメージ
2. Bの要件定義のステップ
C：データ処理システム ― 「API＋pandasでレポートを自動生成するプロジェクト」
1. Cのテーマとイメージ
2. Cの要件定義のステップ
Day 83ミニテンプレート ― 要件定義の書き方ひとまとめ
Day 83のまとめ ― 「何を作るかを決める時間は、作品の“始まりの物語”」

Day 83：要件定義 ― 「何を作るかを決める時間は、いちばんワクワクする」

Day 83は、いよいよ 最終プロジェクトを決める日 です。

ここまで学んできたPythonの知識を、ひとつの「作品」にまとめていくためのスタートラインですね。

おすすめのプロジェクトは、次の3つです。

A：業務自動化システム
B：Web API
C：データ処理システム

どれも、実務でもよく使われるテーマで、「学び」と「実用」がちょうどいいバランスになっています。

この日は、コードを書く前に、 「何を作るのか」「どう動いてほしいのか」 を言葉で整理していきましょう。

要件定義とは ― 「作る前に、ゴールを言葉で描いておくこと」

要件定義の役割

要件定義は、一言で言うと、

「このシステムは、誰のために、何を、どうやって実現するのかを決める作業」

です。

いきなりコードを書き始めると、

途中で「何を作っているんだっけ？」となる
機能が増えすぎて、収拾がつかなくなる
大事な機能が抜け落ちる

ということが起きがちです。

そこでまず、

目的
ユーザー
機能一覧
入力と出力
使う技術

を、ざっくりでもいいので言葉にしておきます。

「コードを書く前に、頭の中のイメージを外に出しておく」

これが、要件定義のいちばん大事な意味です。

A：業務自動化システム ― 「手作業をPythonに置き換えるプロジェクト」

Aのテーマとイメージ

Aのテーマは、

ExcelやCSV、ファイル操作、データベース、レポート作成を組み合わせた業務自動化システム

です。

例えば、こんなイメージが考えられます。

毎日届くCSVファイルを読み込む
データを整形して、集計する
結果をExcelやPDFのレポートにまとめる
必要ならSQLiteに保存して履歴管理する

「人がやっている定型作業を、Pythonに任せる」そんなプロジェクトです。

Aの要件定義のステップ

1. 目的を決める

例：「売上データの集計レポートを自動で作る」
例：「顧客リストCSVを整形して、きれいなExcelに変換する」

2. 入力と出力を決める

入力：
- CSVファイル（例：sales_2024_01.csv）
- Excelファイル（元データ）
出力：
- 集計済みExcel（例：sales_report_2024_01.xlsx）
- 必要ならSQLiteに保存した履歴

3. 機能一覧をざっくり書く

ファイル読み込み機能（CSV / Excel）
データ整形機能（不要列削除、型変換など）
集計機能（合計・平均・グループ集計）
レポート出力機能（ExcelやCSVに書き出し）
履歴保存機能（SQLiteに保存）

4. 簡単なコードイメージ

# main.py
import csv

def read_csv(path: str) -> list[dict[str, str]]:
    """
    CSVファイルを読み込み、1行ごとに辞書として返します。
    """
    rows: list[dict[str, str]] = []
    with open(path, encoding="utf-8") as f:
        reader = csv.DictReader(f)
        for row in reader:
            rows.append(row)
    return rows


def main() -> None:
    """
    業務自動化システムのメイン処理。
    ここでは、まずCSVを読み込むところから始めます。
    """
    data = read_csv("sales_2024_01.csv")
    print(f"読み込んだ行数: {len(data)}")


if __name__ == "__main__":
    main()

# main.py
import csv

def read_csv(path: str) -> list[dict[str, str]]:
    """
    CSVファイルを読み込み、1行ごとに辞書として返します。
    """
    rows: list[dict[str, str]] = []
    with open(path, encoding="utf-8") as f:
        reader = csv.DictReader(f)
        for row in reader:
            rows.append(row)
    return rows


def main() -> None:
    """
    業務自動化システムのメイン処理。
    ここでは、まずCSVを読み込むところから始めます。
    """
    data = read_csv("sales_2024_01.csv")
    print(f"読み込んだ行数: {len(data)}")


if __name__ == "__main__":
    main()

Python

B：Web API ― 「FastAPI × SQLiteで“サービス”を作るプロジェクト」

Bのテーマとイメージ

Bのテーマは、

FastAPI + SQLiteでCRUD＋認証＋テストを備えたWeb APIを作る

です。

例えば、こんなAPIを想像できます。

ユーザーがログインする
タスク（ToDo）を作成・取得・更新・削除する
SQLiteに保存する
pytestでAPIのテストを書く

「自分だけの小さなWebサービス」を作るイメージですね。

Bの要件定義のステップ

1. 目的を決める

例：「ユーザーごとのToDo管理APIを作る」
例：「簡単なメモ管理APIを作る」

2. エンドポイントを決める

POST /auth/login：ログイン（トークン発行）
GET /tasks：タスク一覧取得
POST /tasks：タスク作成
PUT /tasks/{id}：タスク更新
DELETE /tasks/{id}：タスク削除

3. データ構造を決める（models）

Taskモデル：
- id: int
- title: str
- done: bool
Userモデル：
- id: int
- username: str
- password_hash: str

4. 簡単なFastAPIコードイメージ

# main.py
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Task(BaseModel):
    """
    タスクのデータモデル。
    """
    id: int
    title: str
    done: bool = False


# 仮のデータ（本番ではSQLiteを使う）
tasks: list[Task] = []


@app.get("/tasks")
def list_tasks() -> list[Task]:
    """
    タスク一覧を返すエンドポイント。
    """
    return tasks


@app.post("/tasks")
def create_task(title: str) -> Task:
    """
    タスクを作成するエンドポイント。
    """
    new_id = len(tasks) + 1
    task = Task(id=new_id, title=title)
    tasks.append(task)
    return task

# main.py
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Task(BaseModel):
    """
    タスクのデータモデル。
    """
    id: int
    title: str
    done: bool = False


# 仮のデータ（本番ではSQLiteを使う）
tasks: list[Task] = []


@app.get("/tasks")
def list_tasks() -> list[Task]:
    """
    タスク一覧を返すエンドポイント。
    """
    return tasks


@app.post("/tasks")
def create_task(title: str) -> Task:
    """
    タスクを作成するエンドポイント。
    """
    new_id = len(tasks) + 1
    task = Task(id=new_id, title=title)
    tasks.append(task)
    return task

Python

ここから、

SQLite接続
認証（トークン）
テスト（pytest + httpxなど）

を少しずつ足していくイメージです。

C：データ処理システム ― 「API＋pandasでレポートを自動生成するプロジェクト」

Cのテーマとイメージ

Cのテーマは、

APIからデータを取得し、pandasで処理して、CSVやExcelのレポートを自動生成するシステム

です。

例えば、こんな流れが考えられます。

外部APIから売上データや天気データを取得する
pandasで整形・集計する
結果をCSVやExcelに書き出す
毎日自動でレポートを作る（将来的にはスケジューラと連携）

Cの要件定義のステップ

1. 目的を決める

例：「APIから取得したデータを、毎日レポートにまとめる」
例：「複数のCSVをまとめて、ひとつの集計レポートを作る」

2. データの流れを決める

入力：
- APIレスポンス（JSON）
- CSVファイル
処理：
- pandasで整形・集計
出力：
- CSVレポート
- Excelレポート

3. 簡単なpandasコードイメージ

# report.py
import pandas as pd

def create_report(csv_path: str, output_path: str) -> None:
    """
    CSVファイルを読み込み、簡単な集計レポートを作成して別のCSVに出力します。
    """
    # CSVを読み込む
    df = pd.read_csv(csv_path)

    # 例：列 "amount" の合計を計算する
    total = df["amount"].sum()
    print(f"合計金額: {total}")

    # 集計結果を新しいDataFrameにまとめる
    report_df = pd.DataFrame(
        [
            {"metric": "total_amount", "value": total},
        ]
    )

    # レポートをCSVとして保存
    report_df.to_csv(output_path, index=False)


def main() -> None:
    """
    データ処理システムのメイン処理。
    """
    create_report("sales.csv", "sales_report.csv")


if __name__ == "__main__":
    main()

# report.py
import pandas as pd

def create_report(csv_path: str, output_path: str) -> None:
    """
    CSVファイルを読み込み、簡単な集計レポートを作成して別のCSVに出力します。
    """
    # CSVを読み込む
    df = pd.read_csv(csv_path)

    # 例：列 "amount" の合計を計算する
    total = df["amount"].sum()
    print(f"合計金額: {total}")

    # 集計結果を新しいDataFrameにまとめる
    report_df = pd.DataFrame(
        [
            {"metric": "total_amount", "value": total},
        ]
    )

    # レポートをCSVとして保存
    report_df.to_csv(output_path, index=False)


def main() -> None:
    """
    データ処理システムのメイン処理。
    """
    create_report("sales.csv", "sales_report.csv")


if __name__ == "__main__":
    main()