Claude Code × Power Query でExcelデータ自動取得・変換・更新を完全自動化する

Power Query自動化の全体像

以下のステップを順番に実行することで、今日から業務自動化を始められます。コピーして使えるコードと、Claude Codeへの指示文をセットで解説します。

Power Query は Excel の強力なデータ変換エンジンです。Claude Code を使えば、複数CSVの結合・データ型変換・不要列削除・ピボット展開を自然言語で指示し、openpyxl や pandas で完全自動化できます。毎朝の手動作業を夜間バッチに置き換えます。

ステップ1：複数CSVを自動結合して1シートにまとめる

import pandas as pd
from pathlib import Path
import openpyxl

folder = Path("./data_csv")
dfs = []

for csv_file in sorted(folder.glob("*.csv")):
    df = pd.read_csv(csv_file, encoding="utf-8-sig")
    df["出所ファイル"] = csv_file.name
    dfs.append(df)

combined = pd.concat(dfs, ignore_index=True)

# Excelに出力
with pd.ExcelWriter("結合データ.xlsx", engine="openpyxl") as writer:
    combined.to_excel(writer, sheet_name="結合データ", index=False)

print(f"結合完了: {len(dfs)}ファイル / {len(combined)}行")

ステップ2：データクレンジングを自動化する

import pandas as pd

df = pd.read_excel("結合データ.xlsx")

# 空白・重複・異常値を自動除去
df = df.dropna(subset=["顧客ID", "売上金額"])     # 必須列のNaN除去
df = df.drop_duplicates(subset=["注文ID"])         # 重複行除去
df = df[df["売上金額"] > 0]                        # 売上が0以下を除去

# 文字列クレンジング
df["顧客名"] = df["顧客名"].str.strip()            # 前後空白除去
df["電話番号"] = df["電話番号"].str.replace("-", "").str.replace(" ", "")

# 型変換
df["注文日"] = pd.to_datetime(df["注文日"], format="%Y/%m/%d", errors="coerce")
df["売上金額"] = pd.to_numeric(df["売上金額"], errors="coerce")

df.to_excel("クレンジング済.xlsx", index=False)
print(f"クレンジング完了: {len(df)}行")

ステップ3：Webから最新データを自動取得

import requests, pandas as pd, openpyxl
from datetime import datetime

# 例: 為替レートAPIから最新レートを取得
url = "https://api.exchangerate-api.com/v4/latest/JPY"
resp = requests.get(url, timeout=10)
data = resp.json()

rates = [{"通貨": k, "JPY換算": 1/v if v else None, "取得日時": datetime.now()}
         for k, v in data["rates"].items() if k in ["USD","EUR","GBP","CNY","KRW"]]

df = pd.DataFrame(rates)
df["JPY換算"] = df["JPY換算"].round(2)

wb = openpyxl.load_workbook("為替管理.xlsx")
ws = wb["レート履歴"]
for _, row in df.iterrows():
    ws.append(list(row.values))

wb.save("為替管理.xlsx")
print("最新レートをExcelに追記完了")

ステップ4：ピボット展開を自動化する

import pandas as pd

df = pd.read_excel("売上明細.xlsx")

# ピボットテーブル：月×部門×商品カテゴリ
pivot = df.pivot_table(
    values="売上金額",
    index=["年月", "部門"],
    columns="商品カテゴリ",
    aggfunc="sum",
    fill_value=0
).reset_index()

# 小計行を追加
pivot["合計"] = pivot.select_dtypes("number").sum(axis=1)

with pd.ExcelWriter("ピボット集計.xlsx", engine="openpyxl") as w:
    pivot.to_excel(w, sheet_name="月次集計", index=False)
    df.to_excel(w, sheet_name="元データ", index=False)

print("ピボット展開完了")

ステップ5：差分検出で変更履歴を自動管理

import pandas as pd

old = pd.read_excel("先月データ.xlsx")
new = pd.read_excel("今月データ.xlsx")

# 共通キーで差分検出
merged = old.merge(new, on="顧客ID", suffixes=("_旧","_新"), how="outer", indicator=True)

added   = merged[merged["_merge"] == "right_only"][["顧客ID","顧客名_新"]]
removed = merged[merged["_merge"] == "left_only"][["顧客ID","顧客名_旧"]]
changed = merged[(merged["_merge"] == "both") &
                 (merged["売上金額_旧"] != merged["売上金額_新"])]

with pd.ExcelWriter("差分レポート.xlsx", engine="openpyxl") as w:
    added.to_excel(w,   sheet_name="新規追加", index=False)
    removed.to_excel(w, sheet_name="削除済み", index=False)
    changed.to_excel(w, sheet_name="変更あり", index=False)

print(f"追加:{len(added)} 削除:{len(removed)} 変更:{len(changed)}")

このシステムが解決する課題

データ変換・クレンジングをPythonで自動化。この自動化が特に効果的な場面と、解決できる課題を整理します。

実務での活用シナリオ

導入前後の効果比較

導入のポイントと注意事項

よくある質問（FAQ）

まとめ

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 →