【初心者向け】Google Colabの始め方を画像付きで解説！Pythonの実行環境をやさしく紹介

coin_collector — Sat, 22 Mar 2025 05:36:00 +0000

Pythonの開発環境にはいくつか選択肢がありますが、まず私は手軽に始められる
Google Colaboratory（Colab）を使っています。
本記事では、Googleアカウント・Google Driveの準備から、Colabを使ってPythonを実行する方法を画像付きで解説します。

私自身まだ勉強中ですが、これから始める方の参考になれば嬉しいです。
【体験談】最初は環境構築にすごく時間がかかると思い込んでいたのですが、Colabなら本当に5分でPythonを動かせて驚きました。

Pythonを始めるには「Google Colab」「Anaconda（Jupyter Notebook）」「直接インストール」の3つの主な方法があります。

ちなみに、私自身、最初はどれを使えばいいか迷ったので、同じような方の参考になればと思いまとめてみました。
【失敗談】Anacondaをインストールしたものの、容量が大きすぎてPCが重くなり、結局Colabに乗り換えました。

※ なお、初心者向けに補足も入れています。

環境	メリット	デメリット
Google Colab （ブラウザ上で動く） ★ 初心者におすすめ	・インストール不要、ブラウザですぐ使える・無料でGPUが使える（※1）・Google Driveと連携しやすい・Jupyter Notebook形式なので学習サイトとも相性が良い	・インターネット接続が必須【体験談】Wi-Fiが不安定なカフェで使ったら接続切れになって焦りました。・セッションが12時間で自動終了（※2）【失敗談】作業中に自動切断されて保存しておらず、データが消えたことがあります。こまめな保存を意識しましょう！・高度なカスタマイズやローカル接続には制限がある
Anaconda（Jupyter）（PCにインストール）	・豊富なライブラリが最初から入っている・オフラインでも使える・仮想環境（env）をGUIで簡単に管理できる	・初回インストール容量が大きい（3〜5GB）【体験談】インストールに1時間以上かかって驚きました。ストレージに注意です。・PCの性能に依存（特にGPUを使う処理）・不要な環境を残すとディスク容量を消費しやすい
直接インストール（公式Pythonから）	・最小構成で軽量、必要なものだけ導入可能・開発環境の柔軟なカスタマイズが可能・エンジニア向けの本格的な環境構築ができる	・初心者にはやや難易度が高い（※3）・仮想環境の知識が必要（venvやpyenvなど）・ライブラリ管理やトラブル対処がすべて自己責任

※1： Colabの無料版でも「ランタイムの変更」でGPUが使えますが、利用時間に制限があります。
※2： セッションは一定時間で自動切断されるため、大規模な処理には向きません（Pro版で延長可能）。
※3： Pythonやパソコンの仕組みに慣れている方向けの構成です。初心者はColabまたはAnacondaがおすすめです。

Google Colabの使い方（ステップ形式で解説）
✅ まとめ

Google Colabの使い方（ステップ形式で解説）

ステップ①：Googleアカウントを取得

Google Colabを利用するには、Googleアカウントが必要です。まだ持っていない方は
こちらから作成してください。

【体験談】私は学習専用のサブアカウントを作ったところ、データ管理が非常に楽になりました。

ステップ②：Google Driveにアクセス

Colabノートブックの保存先となる
Google Drive
にログインします。

ステップ③：Google DriveからColabを起動

Google Driveの「＋新規」→「その他」→「Google Colaboratory」を選びます。

【失敗談】最初Colabが表示されず戸惑いましたが、拡張機能追加で簡単に出せました！

ステップ④：Colabノートブックの操作画面

Colabを起動するとノートブック形式の編集画面が出ます。セルにコードを入力してすぐ実行できます。

ステップ⑤：Pythonコードを実行してみる

セルに1 + 1と入力して「Shift + Enter」を押すと、下に2と表示されます。

【体験談】たった「1+1」が表示されただけでも、自分の手でPythonを動かせた感動を今でも覚えています。

ステップ⑥：データ分析や学習用途に活用しよう

ColabはJupyter互換なので、pandasやNumPyなどもすぐ使えます。

【失敗談】ライブラリインポートを忘れてエラー連発したので、必ずimport文を書くクセをつけましょう。

🔰 pandas・NumPyとは？（初心者向け補足）

Pythonでデータ分析を行うときによく使われるのが、pandasとNumPyというライブラリです。
ここでは初心者の方に向けて、それぞれの役割を簡単に紹介します。

pandas（パンダス）：
表形式（Excelのような行と列）のデータを扱うためのライブラリです。
データの読み込み・加工・集計・フィルタリングなどが簡単に行えます。
例：CSVファイルを読み込んで、必要な行だけ抽出する
NumPy（ナンパイ）：
数値計算に特化したライブラリで、ベクトルや行列といった数学的なデータ処理を高速に行えます。
pandasの内部でもNumPyが使われており、データ分析の土台となる重要なツールです。
例：大量の数値データを使った統計処理や機械学習の基礎

Google Colabでは、次のようにライブラリをインポートして使い始めます。