お役立ちコンテンツ | フリーランスエンジニアの案件・求人なら【テクフリ】
ここ10年くらいで急速に日本でも広まったPythonですが、改めて、どういった言語なのか、おさらいしておきましょう。
Pythonは1991年に誕生し、意外と歴史の長いプログラミング言語です。
長らくマイナーなプログラミング言語でしたが、2000年以降に登場したPython2.0でガベージコレクションやリストが導入され、使いやすいプログラミング言語となったことで、一気に人気に火が付きました。
Python2.0の流れを組む、いわゆる2.x系は2010年に登場した2.7が最後のリリース(サポートは2020年１月１日まで)になっており、現在は2008年に登場したPython3.0流れを組む3.x系が中心です。
わざわざ、2.x系と3.x系という話をしたかというと、後方互換性がなく、ソースコードの記述方法すら違います。
そのため、3.x系では2.x系用のライブラリが動かない、という問題もある点には注意が必要です。
開発者側もこの問題のインパクトを意識しており、2.6と2.7には、2.xから3.xへの移植を助ける「2to3 ツール」と「lib2to3 モジュール」というのが含まれています。
もっとも、2015年リリースのFedora23や2016年リリースのUbuntu16.04、さらに2018年リリースのRed Hat Enterprise Linux 7.5(RHEL7.5)で、Python3.x系が標準装備になるなど、2019年現在、ほとんどの環境でPython3.x系対応が終わっているはずです。
ただし、独学で勉強しようと思っている方は要注意となります。
自分が購入しようとしている書籍や、閲覧しているインターネットサイトの情報が、Python2.x系なのかPython3.x系なのか確認しておかないと、「見本通り書いたのに、なぜかプログラムが動かない」ということもあり得るでしょう。
そんなPythonですが、日本では人工知能(AI)開発への関心の高まりに伴って、「人工知能開発向けのライブラリが多く使い勝手が良い」ということで有名かもしれません。
ですが、そもそもPythonが人工知能開発にも使われるようになった理由は「開発の効率性が高い」というところにあります。
Pythonを利用すると開発の効率性が高まる理由は、“同じロジックであれば、誰が書いても同じようなソースコードになる”ことを目指して開発されたプログラミング言語だからです。
ソースコードを書いた人とは異なる人が精査するのも楽ですし、あとから加筆修正するのも比較的短時間ででき、簡単と言えるでしょう。
開発効率だけでなく、保守の面からでも優れています。
実は、この考え方は他のプログラミング言語では聞かれない考え方です。
逆に、Perlには「やり方はいろいろある (There’s More Than One Way To Do It; TMTOWTDI)」というモットーがあります。
また、Pythonと比較されることが多いRubyにも「多様性は善 (Diversity is Good)」というスローガンがあるので、覚えておきましょう。
そこまで極端ではなくても、例えばプログラミング言語の利用率ランキング「GitHubPullRequest」で上位20位に入るようなメジャーなプログラミング言語の中で「やり方は一つしかないプログラミング言語」を明確に打ち出しているのはPythonくらいとなります。
このPythonのメリットに注目したGAFA(Google、Apple、Facebook、Amazon)などが積極的に利用したことで、海外ではWeb系を中心に幅広く利用されるようになりました。
そして、Googleが機械学習ライブラリTensorFlowをPython向けに公開したことで、日本でも注目されるようになったのです。
ちなみに、2.x系と3.x系で記述方法が変更になり、後方互換性がなくなった理由も、人によって記述方法に差異が出ることを防ぐための措置が行われた、といえば、いかにPythonが開発効率を重視した言語なのか分かってもらいやすいかと思います。
さらに補足すれば、開発効率重視で“遊びがなく”、パターンさえ理解できれば、誰でもそれなりのプログラミングができることから、「Pythonは簡単」「Pythonは学びやすい」と言われているのです。
最近では、エンジニア職以外の人でも、仕事の中で、Pythonを使った業務効率化を行なっているケースもあります。
Pythonについて簡単に説明しましたが、Pythonの大きな特徴は次の2点です。
それぞれの特徴について、さらに詳しく解説していきます。
Pythonはコードがシンプルで直感的に読みやすい構文であるため、多くの開発者に愛用されています。
このコードがシンプルという特徴は、初心者が習得しやすいでしょう。
また、経験豊富なプログラマーにとっても、複雑なシステムを効率的に構築することを容易にしてくれます。
もう一つのPythonの強みは、ライブラリ・フレームワークが充実していることです。
そのため、データ分析からウェブ開発、機械学習まで、さまざまなアプリケーションをサポートすることを可能にしています。
例えば、NumPyやPandasはデータサイエンスに、DjangoやFlaskはウェブ開発に不可欠なツールです。
これらのライブラリとフレームワークの充実は、Pythonを多様なプロジェクトに適用可能な言語にしています。
Pythonは将来性の高いプログラミング言語だと言われています。理由はいくつかありますが、大きく以下3つの理由が考えられます。
これら3つの理由について、さらに詳しく解説していきます。
まず、最先端技術の開発によく使用されるからです。
特に人工知能（AI）や機械学習、データサイエンスの領域を扱うエンジニア職種で、Pythonは開発の主力言語として使用されています。
一例を挙げると、TensorFlowやPyTorchといったフレームワークは、Pythonのエコシステム内で開発されており、これらの分野の研究と開発を加速させることに繋がっているでしょう。
Pythonは世界中で広く使用されており、そのコミュニティは日々成長しています。
また、多くの教育機関がPythonをプログラミング教育の基礎として採用しており、これがさらなる普及を促進させていることも理由のひとつです。
多くの人に使用されていることによって、学習に使用する教材が豊富であるというメリットもあります。学習のハードルが下がることによって、今後さらにPythonを扱う人材は増えていくでしょう。
最後に、市場におけるPythonの需要は、特に技術進歩が急速な2023年において、顕著に増加してきています。
特に大手企業はデータ駆動型の意思決定を行うために、データ分析や機械学習の専門知識を持つPythonスキルを持つ人材を活用するケースが多いです。
この需要の増加は、Pythonの将来性をさらに高めていると言えるでしょう。
今回は、求人市場の実態を知る参考値として、求人検索エンジン「スタンバイ」（株式会社ビズリーチ）に掲載された求人情報を分析した、【求人検索エンジン「スタンバイ」調べ】を利用させていただきたいと思います。
求人検索エンジン「スタンバイ」プログラミング言語別年収ランキング2018
（提示年収の中央値ベスト10）
| 順位 | 言語 | 年収中央値（万円） | 最大提示年収（万円） | 求人数（件） |
| 1 | Go言語 | 600 | 1,600 | 2,202 |
| 2 | Scala | 600 | 1,300 | 1,489 |
| 3 | Python | 575 | 1,499 | 9,344 |
| 4 | Kotlin | 575 | 1,200 | 961 |
| 5 | TypeScript | 575 | 1,200 | 667 |
| 6 | R言語 | 575 | 1,000 | 220 |
| 7 | Ruby | 550 | 1,200 | 11,676 |
| 8 | Swift | 550 | 1,200 | 3,353 |
| 9 | Perl | 525 | 1,200 | 4,509 |
| 10 | C言語 | 525 | 1,000 | 9,347 |
Pythonは年収中央値(想定年収平均値)と求人数が第三位、最大提示額は第二位です。非常に好成績だと言えるでしょう。
日本初の国際標準となったRubyがPythonよりも求人数が多く第二位となっていますが、その差はあまり大きくありません。
人工知能分野ではPythonの方がRubyよりも圧倒的な優位性があるでしょう。
しかし、Web系システムの場合、RubyとPythonは直接のライバルであり、近年、RubyからPythonへと移行する例が広まっています。
この集計結果だけを見ると、RubyからPythonへの移行が日本国内でも相当に行われていると考えられるのではないでしょうか。
給与面では、PythonがRubyを上回っているのは興味深いところです。理由としては二つ考えられます。
まず、単純にRubyエンジニアの方がPythonエンジニアより多いため、需要と供給の関係から、Pythonエンジニアの方が高単価を提示してもらいやすい、という可能性です。
もう一つは、Pythonは人工知能開発にも強いプログラミング言語という理由が挙げられます。人工知能開発案件は言うまでもなく、高単価です。
最大提示年収は人工知能開発関連の案件かもしれません。
また、年収中央値も高単価な人工知能開発案件のおかげで引き上げられている側面もあります。
最後にPythonの将来性についても検証しておきましょう。
Pythonの将来性を考える上で、ポジティブ材料として次のことが考えられます。
1つ目として今後も人工知能開発やクラウドサービスなど、(特に海外発の)最新技術の開発環境としてPythonが指定されることが多いということを指摘しました。
現在も、先述のTensorFlowやAWS(Amazon Web Service)といったクラウドサービスなどで、Pythonが開発対応言語として選ばれることが多いですが、今後もこの傾向は続くと考えられます。
その結果として、企業側のニーズ拡大に対して、エンジニアが足りていないという2つ目の事態も引き続き展開されていくでしょう。
逆に、Pythonの将来性を考える上で、ネガティブ要素と言えるのは以下のようなことです。
5年~10年といった比較的長いスパンでみると、Pythonを扱えるエンジニアが増えて、需要と供給のバランスが再調整され、結果、単価が下がる可能性ももちろんあります。
ただし、単純に全員の単価が下がっていくという方向にはならないでしょう。
おそらくは、単純にPythonでプログラミングができるプログラマーと、人工知能や最新のクラウド動向に対応して、上位工程に関われる優れたスキルセットを保有するシステムエンジニアの間で年収格差が広がる構図になる可能性が高いです。
日本でも人気が出てきて、書籍や学習サイトが増えてきたPythonですが、海外、特にアメリカで積極的に使われている言語です。
結果として、「Pythonに関連する技術動向」の情報は、だいたい英語で発信されます。
もちろん、インパクトが大きいものについては、日本語Webメディアでの紹介含めて、日本語化されますが、リアルタイムではありません。
また、機械翻訳でとりあえず日本語化しただけなので、なにを言いたいのか分からないドキュメント、というのもよくあります。
単純にPythonでプログラミングを組むことができるようになれば良い、ということであれば、そのような英語で発信されたドキュメントをリアルタイムで読む必要はありません。
一方で、市場価値の高いPythonエンジニアになりたいのであればリアルタイムで原文を読みこむ力も必要になるでしょう。
したがって、Pythonに限らず自身のエンジニアとしてのスキルを伸ばしていく上で今後はさらに英語力が求められる時代になるかもしれません。
