coding-python

目的

このスキルは、実践的なデータ処理、非同期処理、Web サービスの実装に重点を置き、コア機能とライブラリを使用して Python 3.12 以降のコードを生成、デバッグ、最適化できるよう AI を支援します。

使用する場面

pandas/numpy を使ったデータ分析、FastAPI を使った RESTful API の構築、async/await を使った非同期処理、pydantic を使ったデータ検証、venv/uv を使った環境管理などのタスクでこのスキルを使用します。保守性のために型ヒントが必要なコードや、シンプルな構造体としてデータクラスを使うコード、特に迅速な反復が求められるプロジェクトで活用してください。

主な機能

• Python 3.12 の機能：ノンブロッキング I/O には async/await を使用します。@dataclass デコレーターでデータクラスを定義します。from typing import List を使って型ヒントを適用します（例：def func(x: int) -> str:）。
• 標準ライブラリ：イベントループには asyncio を活用します（例：asyncio.run(main())）。分離された環境には venv を使用します（例：python -m venv myenv）。
• uv ツール：venv の代替手段です。pip install uv でインストールし、uv venv myenv で環境を作成してから、source myenv/bin/activate で有効化します。
• ライブラリ：非同期 Web アプリには FastAPI を使用します（例：@app.get("/") でルートを定義）。データフレームには pandas を使用します（例：df = pd.DataFrame(data)）。配列には numpy を使用します（例：np.array([1, 2, 3])）。モデルには pydantic を使用します（例：from pydantic import BaseModel; class Item(BaseModel): name: str）。

使用パターン

タスクを実行するには、次のようにコードを構成します。まず必要なモジュールをインポートします（例：import asyncio, fastapi）。I/O バウンドの処理には非同期関数を使用します（例：async def fetch_data(): await asyncio.sleep(1)）。依存関係を分離するため、スクリプトは仮想環境内で実行します。プロジェクトでは、python -m venv .venv で初期化し、pip install fastapi pandas numpy pydantic で依存関係をインストールします。コードを生成するときは、型ヒントを必ず含めます（例：def add(a: float, b: float) -> float: return a + b）。非同期処理のパターンでは、イベントループを明示的に実行します：asyncio.run(main())。シバンまたは requirements.txt で Python 3.12 以降を指定し、互換性を必ず確認してください。

一般的なコマンド/API

• CLI コマンド：python -m venv env_name --prompt env_name で venv を作成します（Windows では --copies フラグを使用）。Unix では source env_name/bin/activate、Windows では env_name\Scripts\activate で有効化します。uv run script.py --watch でスクリプトを実行し、自動リロードを有効にします。パッケージをインストールするには、pip install fastapi[all] または uv add fastapi を使用します。
• API エンドポイント/メソッド：FastAPI では、次のようにエンドポイントを定義します：from fastapi import FastAPI; app = FastAPI(); @app.get("/items/{item_id}") async def read_item(item_id: int): return {"item_id": item_id}。pandas では df.groupby('column').mean() を使用します。numpy では np.dot(array1, array2) を使用します。pydantic では item = Item(name="example") でデータを検証します。
• 設定形式：FastAPI の設定には JSON を使用します（例：settings.py の {"debug": true}）。キーには環境変数を使用します（例：os.environ.get('API_KEY')）。依存関係には requirements.txt を使用します（例：fastapi>=0.95.0\npandas==2.0.0）。

統合に関する注意

Python プロジェクトをセットアップして、このスキルを統合します。まず venv を作成し、pip install -r requirements.txt でライブラリをインストールします。外部サービスでは、認証に環境変数を使用します（例：export API_KEY=your_key を設定し、コード内で os.getenv('API_KEY') を使ってアクセスします）。他のツールと組み合わせる場合は、必要に応じてインポートします（例：非同期データベースクエリには async with database.connect() as conn: を使用します）。Python 3.12 以降が必要なため、pyproject.toml の [tool.poetry.dependencies] python = "^3.12" で指定し、互換性を確保してください。テストには pytest を使用し、pytest --asyncio-mode=auto で非同期テストを処理します。

エラー処理

失敗する可能性のあるコードは、必ず try-except ブロックで囲んでください。try: result = await fetch_data() except asyncio.TimeoutError as e: print(f"Timeout: {e}")。pandas の KeyError のように、特定のライブラリエラーを処理してください。これは、列が見つからない場合に発生します（例：try: df['nonexistent'] except KeyError: df['nonexistent'] = 0）。pydantic では ValidationError をキャッチしてください（例：from pydantic import ValidationError; try: item = Item(name=123) except ValidationError as e: log_error(e)）。FastAPI の例外ハンドラーを使用してください：@app.exception_handler(RequestValidationError) async def validation_exception_handler(request, exc): return JSONResponse(status_code=400, content={"detail": exc.errors()})。import logging; logging.error("Message") でエラーをログに記録し、非同期コードでは try-finally を使って適切にシャットダウンできるようにしてください。

使用例

1. FastAPI エンドポイントを構築する：データを取得するシンプルな非同期 API を作成するには、次を使用します：from fastapi import FastAPI; import asyncio; app = FastAPI(); async def get_data(): await asyncio.sleep(1); return {"data": "fetched"}; @app.get("/") async def root(): return await get_data()。uvicorn main:app --reload --port 8000 で実行します。
2. Pandas と Numpy によるデータ分析：データセットを処理するには、ライブラリをインポートして次の計算を行います：import pandas as pd; import numpy as np; df = pd.DataFrame({'A': [1, 2]}); result = np.mean(df['A']); print(result) # Outputs mean value。スクリプトで使用する場合は、analyze.py として保存し、python analyze.py で実行します。

グラフの関連性

• 関連項目：コーディングクラスター（例：より広範なスクリプト作成向けに「coding-general」とタグを共有します。API 構築では FastAPI を通じて「web-dev」とつながり、分析ワークフローでは pandas/numpy を通じて「data-science」と関連します）。