Claude Code x pandas/openpyxl でExcelデータ分析・統計レポートを完全自動化する

Excelの手動ピボット・グラフ作業が分析スクリプト1本になった

データアナリストの山田です。毎週、数万行の売上データをExcelのピボットで分析し、相関を手計算してレポートを作るのに半日かかっていました。Claude Codeに依頼したら、統計分析から相関ヒートマップ・予測グラフまで自動生成できるようになりました。

STEP 1：売上データの統計サマリーを自動計算する

数万行のデータから基本統計量を自動計算し、Excelにまとめます。

import pandas as pd, openpyxl
from openpyxl.styles import PatternFill, Font, Alignment
from openpyxl.utils import get_column_letter

df = pd.read_csv("sales_data.csv", parse_dates=["日付"])

# 基本統計量
stats = df[["売上金額","数量","利益率"]].describe().round(2)

# カテゴリ別集計
cat_summary = df.groupby("カテゴリ").agg({
    "売上金額": ["sum","mean","count"],
    "利益率":   ["mean","std"],
}).round(2)
cat_summary.columns = ["売上合計","平均売上","件数","平均利益率","利益率SD"]

# エリア別集計
area_summary = df.groupby("エリア").agg({
    "売上金額": ["sum","mean"],
    "数量":     "sum",
}).round(2)
area_summary.columns = ["売上合計","平均売上","総数量"]

with pd.ExcelWriter("analysis_report.xlsx", engine="openpyxl") as writer:
    stats.to_excel(writer,    sheet_name="基本統計")
    cat_summary.to_excel(writer,  sheet_name="カテゴリ別")
    area_summary.to_excel(writer, sheet_name="エリア別")

print(f"統計サマリー生成完了: {len(df):,}行を分析")

STEP 2：相関分析・ヒートマップを自動生成する

変数間の相関関係を分析し、ヒートマップとして可視化します。

import numpy as np
from openpyxl.styles import PatternFill
import matplotlib.cm as cm
import matplotlib.colors as mcolors

corr = df[["売上金額","数量","利益率"]].corr().round(3)

wb = openpyxl.load_workbook("analysis_report.xlsx")
ws = wb.create_sheet("相関分析")

# ヘッダー行列
cols = list(corr.columns)
for ci, c in enumerate(cols, 2):
    ws.cell(1, ci, c).font = Font(bold=True)
    ws.cell(ci-1+2, 1, c).font = Font(bold=True)

# 相関値をセルに書き込み＋色分け
cmap = cm.get_cmap("RdYlGn")
for ri, r_name in enumerate(cols, 2):
    for ci, c_name in enumerate(cols, 2):
        val = corr.loc[r_name, c_name]
        cell = ws.cell(ri, ci, round(val, 3))
        # -1→赤、0→黄、+1→緑
        rgba = cmap((val+1)/2)
        hex_color = mcolors.to_hex(rgba).lstrip("#")
        cell.fill = PatternFill("solid", fgColor=hex_color.upper())
        cell.alignment = Alignment(horizontal="center")

ws.column_dimensions["A"].width = 12
wb.save("analysis_report.xlsx")
print("相関ヒートマップ生成完了")

STEP 3：外れ値を自動検出してフラグを付ける

IQR法で外れ値を自動検出し、該当行にフラグを付けてハイライトします。

def detect_outliers_iqr(df, col):
    Q1 = df[col].quantile(0.25)
    Q3 = df[col].quantile(0.75)
    IQR = Q3 - Q1
    lower, upper = Q1 - 1.5*IQR, Q3 + 1.5*IQR
    return (df[col] < lower) | (df[col] > upper)

df["外れ値_売上"]  = detect_outliers_iqr(df, "売上金額")
df["外れ値_利益率"] = detect_outliers_iqr(df, "利益率")
df["外れ値フラグ"]  = df["外れ値_売上"] | df["外れ値_利益率"]

outliers = df[df["外れ値フラグ"]]
print(f"外れ値検出: {len(outliers)}件 ({len(outliers)/len(df)*100:.1f}%)")

# Excelで外れ値行を赤でハイライト
ws_data = wb.create_sheet("外れ値一覧")
cols = ["日付","商品","カテゴリ","売上金額","利益率","外れ値フラグ"]
ws_data.append(cols)
red_fill = PatternFill("solid", fgColor="FFCDD2")
for _, row in outliers[cols].iterrows():
    ws_data.append(list(row))
    for ci in range(1, len(cols)+1):
        ws_data.cell(ws_data.max_row, ci).fill = red_fill
wb.save("analysis_report.xlsx")

STEP 4：回帰分析で売上を予測するグラフを生成する

過去の売上データから線形回帰モデルを作成し、将来の売上予測グラフを自動生成します。

from sklearn.linear_model import LinearRegression
import numpy as np
from openpyxl.chart import LineChart, Reference

monthly = df.resample("ME", on="日付")["売上金額"].sum().reset_index()
monthly["month_num"] = range(len(monthly))

X = monthly[["month_num"]].values
y = monthly["売上金額"].values

model = LinearRegression().fit(X, y)

# 未来6ヶ月の予測
future_nums = np.array([[i] for i in range(len(monthly), len(monthly)+6)])
predictions = model.predict(future_nums)
r2 = model.score(X, y)

ws_forecast = wb.create_sheet("売上予測")
ws_forecast.append(["月","実績","予測"])
for i, (_, row) in enumerate(monthly.iterrows()):
    ws_forecast.append([row["日付"].strftime("%Y-%m"), row["売上金額"], None])
for i, pred in enumerate(predictions):
    from dateutil.relativedelta import relativedelta
    fut = monthly["日付"].max() + relativedelta(months=i+1)
    ws_forecast.append([fut.strftime("%Y-%m"), None, round(pred)])

chart = LineChart()
chart.title = f"売上予測 (R²={r2:.3f})"
chart.y_axis.title = "売上(円)"
data = Reference(ws_forecast, min_col=2, max_col=3, min_row=1, max_row=ws_forecast.max_row)
chart.add_data(data, titles_from_data=True)
chart.series[1].graphicalProperties.line.dashDot = "dash"
ws_forecast.add_chart(chart, "E2")
wb.save("analysis_report.xlsx")
print(f"予測完了 R²={r2:.3f}")

STEP 5：定期実行で週次分析レポートを自動配信する

毎週月曜の朝に先週の分析レポートが自動で届く仕組みを作ります。

from datetime import date, timedelta
import smtplib, schedule, time

def weekly_analysis():
    today = date.today()
    if today.weekday() != 0: return  # 月曜のみ
    week_start = today - timedelta(days=7)
    
    df = pd.read_csv("sales_data.csv", parse_dates=["日付"])
    week_df = df[df["日付"].dt.date >= week_start]
    
    # 分析実行
    stats = week_df[["売上金額","利益率"]].describe()
    top_products = week_df.groupby("商品")["売上金額"].sum().nlargest(5)
    
    report_path = f"weekly_analysis_{today:%Y%m%d}.xlsx"
    with pd.ExcelWriter(report_path, engine="openpyxl") as w:
        stats.to_excel(w,        sheet_name="統計")
        top_products.to_excel(w, sheet_name="TOP5商品")
    
    # メール送信
    html = f"
週次売上分析レポート ({week_start} - {today})
添付ファイルをご確認ください。
"
    send_email_with_attachment("analytics-team@co.jp", "週次分析レポート", html, report_path)
    print(f"週次レポート配信完了: {today}")

schedule.every().monday.at("09:00").do(weekly_analysis)
while True:
    schedule.run_pending()
    time.sleep(60)

制作実績サンプル

このクオリティの資料が、あなたの業務でも作れます

Aurant Technologies が実際に制作したコンサルティング資料（全82枚）のサンプルです。Claude Code × AI自動化により、従来の1/5のコスト・時間で同等品質を実現します。

タイトル・ダーク背景

3カラム比較・分析

AI活用フロー図解

Before/After比較

構造化コンテンツ

→

全10枚を
見る

御社のテーマでこのレベルの資料を作成できます

制作費・納期・自動化プランは無料相談でご確認いただけます

📊 サンプル全10枚を見る →