はじめに

「家計簿をつけているけど、見返すと数字ばかりでよく分からない…」
そんな経験はありませんか？

この記事では、PythonとExcelを使ってあなたの家計を「見える化」する診断ツールを作る方法をご紹介します。
グラフでパッと確認できるようになるので、「何にどれだけ使っているか」「今月は節約できたか」が一目でわかります！

🏠 この記事がぴったりな人

• 家計管理をしているけど、もっとラクに見直したい方
• Excelだけでは限界を感じている方
• プログラミングに興味があって、生活に活かしたい方
• Pythonを使って実用的なアプリを作ってみたい方

🔧 この記事でできること

• Excelに入力した家計データをPythonで読み込む
• 支出をカテゴリ別・月別で自動集計する
• 棒グラフや円グラフで可視化する
• お金の使い方を診断できるミニアプリを作る

Python初心者の方も大丈夫です！
コードは丁寧に解説しますし、サンプルのExcelテンプレートもご用意しています。
ぜひ一緒に、お金の流れを見える化して、ムダづかいを減らしていきましょう。

2. Excelに家計データを入力しよう

まずは家計診断に使うデータの土台を作りましょう。
ここでは、Excelを使って「家計簿の表」を作成します。Pythonで自動的に読み込むため、決まった形式で入力するのがポイントです。

📝 基本のシート構成

以下のようなシンプルな表を作成します。列の順番はこのままでOKです。

💡 データ入力のポイント

• 日付は yyyy/mm/dd の形式で統一しましょう。
• 金額は「半角数字」で入力します（カンマ付きでもOK）。
• カテゴリは「食費」「光熱費」「交通費」など、自分で自由に決めてOKです。
• データが多くなっても、Pythonでまとめて処理できます。

このデータができたら、次はPythonでこのExcelファイルを読み込んで、支出の分析とグラフ化をしていきますよ。
それでは、さっそく次のステップへ進みましょう！

3. PythonでExcelデータを読み込む

Excelで家計データの準備ができたら、いよいよPythonの出番です！
ここでは、ExcelファイルをPythonで読み込む手順をわかりやすく解説していきます。

🧰 使用するライブラリ

まずは以下のライブラリを使います。
pandasはデータの読み書き、openpyxlはExcelファイル操作で必要です。

pip install pandas openpyxl

📂 Excelファイルを読み込むコード

準備した家計簿（例：kakeibo.xlsx）をPythonで読み込みます。

import pandas as pd

# Excelファイルを読み込み
df = pd.read_excel("kakeibo.xlsx")

# データの先頭5行を表示
print(df.head())

これだけで、Excelの中身をPython上で操作できるようになります！
読み込んだデータが以下のように表示されれば成功です。

          日付    項目     金額       カテゴリ
0  2025-06-01  食料品   3200       食費
1  2025-06-02  電気代   5600       光熱費
2  2025-06-03  書籍     1500     教育・趣味
3  2025-06-03  昼ごはん  900        食費

💡 よくあるエラーと対処法

「ImportError: Missing optional dependency ‘openpyxl’」と出た場合
→ openpyxlがインストールされていない可能性があります。以下のコマンドで再インストールしてください。

pip install openpyxl --upgrade

これで、PythonからExcelの家計データを自由に扱えるようになりました！
次は、このデータをカテゴリ別に集計してグラフ化していきましょう。

4. カテゴリ別に集計・グラフ化してみよう

Pythonで家計データを読み込めたら、次はカテゴリごとの支出を集計して、グラフで可視化してみましょう。これで、「何にお金を使っているか」がひと目でわかるようになります！

📊 カテゴリ別に合計金額を集計する

pandasのgroupby()を使うと、カテゴリごとの合計金額が簡単に出せます。

# カテゴリ別に金額を合計
category_sum = df.groupby("カテゴリ")["金額"].sum()

print(category_sum)

出力例：

カテゴリ
光熱費       5600
教育・趣味    1500
食費         4100

🧁 円グラフで支出割合を可視化する

次は、カテゴリごとの支出割合を円グラフにしてみましょう。

import matplotlib.pyplot as plt

# 円グラフを描画
category_sum.plot.pie(autopct="%.1f%%", startangle=90, counterclock=False)
plt.title("支出の内訳")
plt.ylabel("")  # 不要なラベルを消す
plt.tight_layout()
plt.show()

これで、食費・光熱費・趣味など、どの項目にどれだけ使っているかが視覚的に分かる円グラフとして表示されます。

📊 棒グラフで比較したい場合はこちら

棒グラフで見たい方は、以下のコードを使えばOKです。

category_sum.plot.bar()
plt.title("カテゴリ別支出（棒グラフ）")
plt.xlabel("カテゴリ")
plt.ylabel("金額（円）")
plt.tight_layout()
plt.show()

💡 分析のポイント

• 支出が多いカテゴリを把握できれば、節約ポイントが見えてきます
• 毎月このグラフを作れば、お金の流れが継続的に見えるようになります

このように、PythonとExcelを組み合わせることで、手入力だけでは見えなかったお金の使い方が一目で把握できるようになります！

次は、月ごとの推移を分析する方法をご紹介します。支出の傾向が時系列で見えるようになりますよ！

5. 月ごとの推移を分析してみよう

カテゴリ別の支出がわかったら、次は月ごとの支出の変化を見てみましょう。月単位で比較することで、「先月より使いすぎた？」「今月は節約できた！」などの判断がしやすくなります。

📅 日付データから「月」を抽出する

まずは日付の列から年月（例：2025-06）だけを取り出す処理を行います。

# 日付をdatetime型に変換（すでにしていれば不要）
df["日付"] = pd.to_datetime(df["日付"])

# '年-月'の形式で新しい列を作成
df["月"] = df["日付"].dt.to_period("M")

📈 月ごとの支出合計を集計する

# 月ごとの金額合計を計算
monthly_sum = df.groupby("月")["金額"].sum()

print(monthly_sum)

出力例：

月
2025-05    42000
2025-06    37800

📊 線グラフで推移を可視化

月ごとの支出を**折れ線グラフ（ラインチャート）**にすると、増減が一目でわかります。

monthly_sum.plot(marker='o', linestyle='-')
plt.title("月ごとの支出推移")
plt.xlabel("月")
plt.ylabel("金額（円）")
plt.grid(True)
plt.tight_layout()
plt.show()

📌 分析のヒント

• 出費が急に増えている月があれば、その原因を探ってみましょう（例：旅行、家電購入など）
• 支出が多い月には、「どのカテゴリで増えたか？」を再度カテゴリ別に分析してみると効果的です

ここまでで、「カテゴリ別」と「月別」の両面から家計を可視化できました！
次はこのデータを活用して、Pythonで家計の診断レポートを自動で出力する方法をご紹介します！

6. 自動レポート出力で家計を見直す

これまでに作成したグラフや集計結果を、毎月のレポートとして自動出力できたら便利ですよね？
この章では、Pythonを使って**支出グラフ付きの「家計診断レポート」**を出力する方法をご紹介します。

📄 レポート形式はどうする？

今回は、誰でも扱いやすい HTMLファイルとしてレポートを出力します。
この形式なら、Webブラウザですぐに開けて、画像やグラフも埋め込み可能です。

🖼️ グラフを画像として保存しよう

まずは、グラフをPNG画像として保存します。

# カテゴリ別円グラフを保存
category_sum.plot.pie(autopct="%.1f%%", startangle=90, counterclock=False)
plt.title("支出の内訳")
plt.ylabel("")
plt.tight_layout()
plt.savefig("graph_category.png")
plt.close()

# 月別支出グラフを保存
monthly_sum.plot(marker='o', linestyle='-')
plt.title("月ごとの支出推移")
plt.xlabel("月")
plt.ylabel("金額（円）")
plt.grid(True)
plt.tight_layout()
plt.savefig("graph_monthly.png")
plt.close()

📝 HTMLファイルにグラフを埋め込もう

保存したグラフ画像をHTMLに挿入する簡単なコードです。

html_content = f"""
<html>
<head><title>家計診断レポート</title></head>
<body>
<h1>📊 家計診断レポート</h1>

<h2>■ カテゴリ別支出の内訳</h2>
<img src="graph_category.png" alt="カテゴリ別支出グラフ">

<h2>■ 月ごとの支出推移</h2>
<img src="graph_monthly.png" alt="月別支出グラフ">

<p>データ元: kakeibo.xlsx</p>
</body>
</html>
"""

# レポートをHTMLファイルとして保存
with open("kakei_report.html", "w", encoding="utf-8") as f:
    f.write(html_content)

print("レポートを出力しました！")

💡 応用アイデア

• datetime.now()を使って「今月のレポート」としてファイル名に日付を入れる
• PDF化したい場合は pdfkit や weasyprint を使って変換も可能
• Slackやメールで自動送信すれば、完全自動化も夢じゃない！

このように、Pythonなら「データ集計 → グラフ化 → レポート出力」までワンセットで自動化できます。
作っておけば、毎月Excelにデータを追加するだけで家計をチェックできるようになりますよ！

まとめ

今回は、PythonとExcelを組み合わせて家計を診断するツールを作る方法をご紹介しました。

📌 この記事でやったこと

✅ Excelで家計データを入力しやすく整える
✅ PythonでExcelファイルを読み込む
✅ カテゴリ別・月別で支出を集計してグラフ化
✅ 見やすいレポートをHTML形式で自動出力

グラフでお金の流れを見えるようにするだけで、「この出費、ちょっと多いかも…」と気づけるようになります。
Pythonを使えば、その分析やレポート作成を毎月の習慣として自動化できるのが魅力ですね！

💡 おすすめの使い方

• 毎月の支出チェックに
• 家族と共有するお金のレポートとして
• 節約目標や貯金計画のサポートに
• Python学習の実用的な題材として

「お金の見える化」は、無理な節約ではなくムダに気づくための第一歩です。
ぜひこの記事を参考に、あなたもPython家計診断ツールを作ってみてくださいね！

あわせて読みたい｜家計・データ・自動化に役立つPython活用術

Pythonを使って生活を便利にするアイデアはまだまだあります！
以下の記事もぜひチェックして、知識とスキルをさらに広げてみましょう。

💡 家計やお金の管理に関する関連記事

• 🔗 Pythonで家計簿アプリを作ろう！初心者でもできるおこづかい帳の作り方
  → tkinterを使ったデスクトップアプリの作成方法を紹介しています。
• 🔗 Pythonで為替レートを自動取得してExcelに保存する方法【初心者向け】
  → APIを活用して、最新の為替データをスプレッドシートに記録できます。

📈 データの可視化・分析に役立つ記事

• 🔗 Pythonでグラフを描く！Matplotlibの使い方を初心者向けにやさしく解説
  → 折れ線・棒グラフ・円グラフなどを自在に描くための基本を解説。
• 🔗 【Python株価分析】データ取得・可視化・予測まで完全ガイド！
  → 株価をテーマにした高度なデータ分析＆予測にも挑戦できます。

⚙️ 自動化に関心がある方へ

• 🔗 PythonでGmail APIを使ってメール送受信＆添付ファイルを操作する方法
  → メール送信・受信・添付ファイル処理まで、自動化の第一歩に！

よくある質問（Q&A）

1. はじめに

Pythonでデータを処理できるようになると、「処理した結果をどこかに保存したいな」と思うことが増えてきますよね。
そんなとき、よく使われるのがCSVファイルや**Excelファイル（.xlsx）**です。

たとえば、次のようなシーンで役立ちます：

• Webスクレイピングで取得したデータをCSVにまとめたい
• 毎月の売上データをExcelに自動で出力したい
• 社内で共有するために決まったフォーマットのファイルを生成したい

Googleスプレッドシートも便利ですが、「インターネット接続がない環境」や「社内でファイル共有がメインの職場」では、ローカルファイル形式（CSVやExcel）の方が使い勝手がいいことも多いです。

また、CSVやExcelはWindowsやMacなど**どの環境でも読み書きできる「万能フォーマット」**です。
Pythonから簡単に出力できるので、自動化や業務効率化にもピッタリなんですよ。

この記事では、Python初心者でも迷わず使えるように、次のポイントをやさしく解説していきます。

• csvモジュールを使ってCSVファイルに書き込む方法
• openpyxlを使ってExcelファイルに書き込む方法
• pandasを使った効率的なデータ出力の方法
• CSV・Excel以外の選択肢（JSONやSQLiteなど）

「スプレッドシート以外の選択肢も知りたい！」という方にもおすすめの内容になっています。
それではさっそく、CSVファイルの書き込みから見ていきましょう！

2-1. CSVとは？用途と特徴

まずはCSVについてざっくり説明しておきましょう！

CSV（カンマ区切り値／Comma-Separated Values）ファイルとは、データをカンマ（,）で区切って並べたテキストファイルのことです。
拡張子は「.csv」で、テキストエディタでもExcelでも簡単に開くことができます。

たとえば、次のような形式がCSVです：

名前,年齢,職業
田中太郎,28,エンジニア
佐藤花子,35,デザイナー

✅ CSVのメリット

• ファイルサイズが軽い：中身はただのテキストなので軽量。
• 読みやすい＆扱いやすい：エクセルやGoogleスプレッドシートで開ける。
• 他システムとの連携がしやすい：多くのアプリやサービスがCSVをサポート。

🚫 CSVの注意点

• セルの結合やグラフなどExcelの高度な機能は使えない
• カンマや改行が入ったデータはエスケープ処理が必要になることもある

つまり、「シンプルなデータ保存ややり取りには最適だけど、装飾はできない」というのがCSVの特徴です。
次は、このCSVファイルにPythonで書き込む基本の方法を解説します！

2-2. csvモジュールでの書き込み手順

Pythonには、CSVファイルを扱うための標準モジュール csv が用意されています。
つまり、追加でライブラリをインストールしなくてもすぐに使えるんです！

ここでは、CSVファイルにデータを書き込む基本的な方法を紹介します。

🔰 サンプルコード：CSVファイルに書き込む

import csv

# 書き込むデータ（リストのリスト形式）
data = [
    ["名前", "年齢", "職業"],
    ["田中太郎", 28, "エンジニア"],
    ["佐藤花子", 35, "デザイナー"]
]

# ファイルを開いて書き込む
with open("sample.csv", "w", newline="", encoding="utf-8") as file:
    writer = csv.writer(file)
    writer.writerows(data)

📝 コードの解説

• open("sample.csv", "w", newline="", encoding="utf-8"):
  CSVファイルを「書き込みモード（w）」で開いています。文字コードは日本語対応のutf-8。
  newline=""は、Windows環境で改行が2重になるのを防ぐための対策です。
• csv.writer(file):
  writerオブジェクトを作成します。これを使ってデータを書き込みます。
• writer.writerows(data):
  リストのリスト形式（2次元）で渡すと、1行ずつ自動で書き込んでくれる便利な関数です。

📂 出力されるCSVファイルの中身

名前,年齢,職業
田中太郎,28,エンジニア
佐藤花子,35,デザイナー

Excelで開けば、ちゃんと行と列に分かれた表形式で表示されますよ！

3-1. Excel操作にはopenpyxlが便利

CSVはとってもシンプルで使いやすいんですが、
「セルの装飾をしたい」「複数のシートを使いたい」「関数やグラフも含めたい」
──そんなときに出番なのがExcel（.xlsx）形式です！

PythonでExcelファイルを操作するには、openpyxlというライブラリがよく使われます。
Microsoft Excel 2007以降で使われている「.xlsx形式」に対応していて、セルの装飾や数式の設定もできます。

✅ openpyxlの特徴

• Excelのセルに自由にデータを書き込める
• 行や列の挿入／削除、スタイル変更、グラフ挿入なども可能
• .xlsxファイルを新規作成も編集もOK！
• Excelをインストールしていなくても使える

🔧 openpyxlのインストール方法

まずは、まだインストールしていない場合は次のコマンドで導入しましょう。

pip install openpyxl

数秒で完了します！

3-2. openpyxlを使った書き込み手順

openpyxlを使えば、Excelのセルに自由にデータを書き込むことができます。
ここでは、新しいExcelファイルを作って、データを入力して保存するまでの流れを見ていきましょう。

🔰 サンプルコード：Excelファイルに書き込み

from openpyxl import Workbook

# 新しいワークブック（Excelファイル）を作成
wb = Workbook()

# アクティブなワークシートを取得
ws = wb.active

# シート名を変更（任意）
ws.title = "社員名簿"

# データの書き込み（行単位で指定）
ws.append(["名前", "年齢", "部署"])
ws.append(["田中太郎", 28, "開発"])
ws.append(["佐藤花子", 35, "デザイン"])

# ファイルとして保存
wb.save("sample.xlsx")

📝 コードの解説

• Workbook()：新しいExcelファイル（ワークブック）を作成します。
• wb.active：デフォルトのワークシート（Sheet）を取得します。
• ws.append(...)：行単位でデータを追加できます。リスト形式で渡すだけでOK！
• wb.save("ファイル名.xlsx")：Excelファイルとして保存します。

📁 実際の出力ファイルのイメージ

このファイルをExcelで開くと、ちゃんと整った表になっています！

🧠 ワンポイントアドバイス

複数のシートに書き込みたいときはこうします：

ws2 = wb.create_sheet(title="売上データ")
ws2.append(["日付", "金額"])

Excelらしい機能もいろいろ追加できますが、まずはこの基本をマスターしておけばOKです！

4. pandasを使ってCSVやExcelに書き込む方法（応用編）

ここまで標準モジュールやopenpyxlを使った方法を紹介してきましたが、
**もっとスマートにデータを書き込みたい！**という方におすすめなのが「pandas（パンダス）」です。

pandasを使えば、データを**DataFrame（表形式のデータ構造）**にまとめて、
たった1行でCSVやExcelファイルに書き出すことができます！

✅ pandasのインストール

まだインストールしていない場合は、次のコマンドで導入しておきましょう：

pip install pandas openpyxl

※Excel出力のためにopenpyxlも一緒に入れておきます。

🔰 サンプルコード：CSVに書き出す

import pandas as pd

# データフレームの作成
data = {
    "名前": ["田中太郎", "佐藤花子"],
    "年齢": [28, 35],
    "部署": ["開発", "デザイン"]
}
df = pd.DataFrame(data)

# CSVファイルに出力
df.to_csv("pandas_sample.csv", index=False, encoding="utf-8")

📝 ポイント解説（CSV出力）

• index=False：行番号（インデックス）をCSVに含めないようにするオプション
• encoding="utf-8"：文字化け防止（特に日本語のデータを扱うとき）

🔰 サンプルコード：Excelに書き出す

# Excelファイルに出力
df.to_excel("pandas_sample.xlsx", index=False)

たったこれだけで、Excelファイルが出力されます。
複雑な書式設定はできませんが、「とりあえず表にして保存したい！」という用途ならこれで十分です。

🔄 上書き・追記の注意点

• to_csv()やto_excel()はファイルを上書き保存します。
• 追記（append）したい場合は、いったんファイルを読み込んでからconcat()などで合成して保存しましょう。

# ファイルを読み込み、既存データに新しいデータを結合
existing = pd.read_csv("pandas_sample.csv")
new_data = pd.DataFrame({"名前": ["山田太一"], "年齢": [30], "部署": ["営業"]})
combined = pd.concat([existing, new_data], ignore_index=True)
combined.to_csv("pandas_sample.csv", index=False, encoding="utf-8")

pandasはこのように、データ分析にも保存処理にも便利な「万能ツール」です。

5. CSV・Excel以外の書き込み先はある？

ここまで、CSVとExcelへの書き込み方法を紹介してきましたが、
実はPythonではそれ以外にもデータの保存先がたくさんあるんです！

「CSVやExcelだと扱いづらいな…」と思ったときは、ぜひ以下の選択肢も検討してみてください。

✅ JSONファイル｜構造化データに便利

JSON（JavaScript Object Notation）は、辞書やリストのようなネストされたデータ構造をそのまま保存できるのが特徴。

import json

data = {"名前": "田中太郎", "年齢": 28, "部署": "開発"}

with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

• 見た目がきれいで読みやすい
• APIやWebサービスと相性が良い
• Excelでの編集はできないが、プログラム間でのやり取りに最適

✅ SQLite｜軽量なデータベースに保存

もしデータがどんどん増えるような場合や、検索やフィルタ機能が必要なら、**SQLite（組み込み型データベース）**が便利です。

import sqlite3

conn = sqlite3.connect("example.db")
cur = conn.cursor()

cur.execute("CREATE TABLE IF NOT EXISTS users (name TEXT, age INTEGER, department TEXT)")
cur.execute("INSERT INTO users VALUES (?, ?, ?)", ("田中太郎", 28, "開発"))

conn.commit()
conn.close()

• データベース操作が可能（検索、更新、削除）
• .dbファイル1つで完結する
• Pythonからの操作もとても簡単

✅ Googleスプレッドシート｜クラウド共有に最適

「複数人でリアルタイムに編集したい」「社内で共有したい」という場合は、Googleスプレッドシートが有力な選択肢。

👉 詳しくは：PythonでGoogleスプレッドシートを操作する方法をご覧ください！

🧭 選択肢のまとめ

目的や環境に合わせて、最適な保存形式を選ぶことが業務効率化のカギになります！

6. まとめ｜目的に合った保存形式を選ぼう

この記事では、PythonでデータをCSVやExcelに書き込む方法を中心に紹介してきました。
さらに、JSONやSQLite、Googleスプレッドシートなどの他の保存形式も取り上げました。

✅ おさらい：書き込み方法まとめ

🧩 保存形式の選び方

• 簡単な表を保存したい → CSV
• Excelで資料を配りたい・整えたい → Excel
• 構造化されたデータを保存したい → JSON
• 本格的なデータベースとして活用したい → SQLite
• 社内共有・自動レポートに使いたい → Googleスプレッドシート

Pythonにはいろいろな保存方法があるからこそ、**「何のために保存したいのか？」**を明確にすると、最適な手段が見えてきます。

この機会にぜひ、自分の目的にぴったりな方法を見つけて、日々の業務や学習をもっとラクにしていきましょう！

よくある質問（Q&A）