VSCode×MCPでExcel作業を自動化！VBAよりも簡単な方法

pip install pandas openpyxl xlsxwriter matplotlib

# Pythonの場合（直感的！）
import pandas as pd
df = pd.read_excel('売上データ.xlsx')
合計 = df['売上'].sum()

# VBAの場合（覚えることが多い…）
Dim wb As Workbook
Set wb = Workbooks.Open("売上データ.xlsx")
Dim sum As Double
sum = Application.WorksheetFunction.Sum(Range("B:B"))

売上ID,商品ID,商品名,売上,日付
1,14,Product N,8477.97,2024-01-19 06:57:40
2,7,Product G,17281.77,2024-08-27 06:57:40
3,18,Product R,12480.30,2024-01-21 06:57:40
...

import pandas as pd
import matplotlib.pyplot as plt
import openpyxl
from datetime import datetime
import warnings
import os
warnings.filterwarnings('ignore')

# スクリプトのディレクトリに移動
script_dir = os.path.dirname(os.path.abspath(__file__))
os.chdir(script_dir)
print(f"作業ディレクトリ: {os.getcwd()}")

# 日本語フォントの設定（Windows用）
plt.rcParams['font.sans-serif'] = ['MS Gothic']
plt.rcParams['axes.unicode_minus'] = False

# 開始時刻を記録
start_time = datetime.now()

print("売上データの処理を開始します...")

# CSVファイルを読み込む
df = pd.read_csv('sales.csv', encoding='utf-8-sig')
print(f"✓ CSVファイルを読み込みました: {len(df)}件のデータ")

# カラム名を確認
print(f"カラム: {df.columns.tolist()}")

# 日付をdatetime型に変換
df['日付'] = pd.to_datetime(df['日付'])

# 日付から年月を抽出
df['年月'] = df['日付'].dt.to_period('M')

# 商品別の売上集計
product_summary = df.groupby('商品名')['売上'].sum().sort_values(ascending=False).head(10)
print("\n商品別売上集計（上位10商品）:")
for product, sales in product_summary.items():
    print(f"  {product}: {sales:,}円")

# 日別の売上推移
daily_sales = df.groupby(df['日付'].dt.date)['売上'].sum()

# 月別の売上推移
monthly_sales = df.groupby('年月')['売上'].sum()

# Excelファイルに出力
with pd.ExcelWriter('売上分析レポート.xlsx', engine='openpyxl') as writer:
    # 商品別売上をシートに書き込み（全商品）
    product_summary_all = df.groupby('商品名')['売上'].agg(['sum', 'count', 'mean']).sort_values('sum', ascending=False)
    product_summary_all.columns = ['総売上', '販売回数', '平均売上']
    product_summary_all.to_excel(writer, sheet_name='商品別売上')
    
    # 日別売上をシートに書き込み
    daily_sales.to_excel(writer, sheet_name='日別売上')
    
    # 月別売上をシートに書き込み
    monthly_sales.to_excel(writer, sheet_name='月別売上')
    
    # 売上サマリーも追加
    summary_df = pd.DataFrame({
        '項目': ['総売上', '平均日次売上', '最高日次売上', '最低日次売上', '取引件数', '商品種類数'],
        '値': [
            f"{df['売上'].sum():,.2f}円",
            f"{daily_sales.mean():,.2f}円",
            f"{daily_sales.max():,.2f}円",
            f"{daily_sales.min():,.2f}円",
            f"{len(df)}件",
            f"{df['商品名'].nunique()}種類"
        ]
    })
    summary_df.to_excel(writer, sheet_name='サマリー', index=False)
    
    # 商品ランキングも追加
    ranking_df = product_summary_all.reset_index()
    ranking_df.index = ranking_df.index + 1
    ranking_df.index.name = '順位'
    ranking_df['総売上'] = ranking_df['総売上'].apply(lambda x: f'{x:,.2f}円')
    ranking_df['平均売上'] = ranking_df['平均売上'].apply(lambda x: f'{x:,.2f}円')
    ranking_df.to_excel(writer, sheet_name='商品ランキング')
    
print("✓ Excelファイルを作成しました: 売上分析レポート.xlsx")

# グラフも作成
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 10))

# 1. 商品別売上グラフ（上位10商品）
colors = plt.cm.tab10(range(10))
bars = ax1.bar(range(len(product_summary)), product_summary.values, color=colors)
ax1.set_xticks(range(len(product_summary)))
ax1.set_xticklabels(product_summary.index, rotation=45, ha='right')
ax1.set_title('商品別売上（上位10商品）', fontsize=14, pad=10)
ax1.set_xlabel('商品名')
ax1.set_ylabel('売上（円）')
ax1.grid(True, alpha=0.3, axis='y')

# 棒グラフの上に値を表示
for i, (bar, value) in enumerate(zip(bars, product_summary.values)):
    ax1.text(bar.get_x() + bar.get_width()/2, value + max(product_summary.values)*0.01, 
             f'{value:,.0f}', ha='center', va='bottom', fontsize=9)

# 2. 日別売上推移グラフ
daily_sales.plot(ax=ax2, marker='o', linewidth=1.5, markersize=5, color='#FF6B6B')
ax2.set_title('日別売上推移', fontsize=14, pad=10)
ax2.set_xlabel('日付')
ax2.set_ylabel('売上（円）')
ax2.grid(True, alpha=0.3)
ax2.tick_params(axis='x', rotation=45)

# 3. 月別売上推移グラフ
monthly_sales_values = monthly_sales.values
monthly_sales_labels = [str(period) for period in monthly_sales.index]
bars = ax3.bar(range(len(monthly_sales)), monthly_sales_values, color='#4ECDC4')
ax3.set_xticks(range(len(monthly_sales)))
ax3.set_xticklabels(monthly_sales_labels, rotation=45, ha='right')
ax3.set_title('月別売上推移', fontsize=14, pad=10)
ax3.set_xlabel('年月')
ax3.set_ylabel('売上（円）')
ax3.grid(True, alpha=0.3, axis='y')

# 月別グラフにも値を表示
for i, (bar, value) in enumerate(zip(bars, monthly_sales_values)):
    ax3.text(bar.get_x() + bar.get_width()/2, value + max(monthly_sales_values)*0.01, 
             f'{value:,.0f}', ha='center', va='bottom', fontsize=9)

# 4. 商品別売上構成比（円グラフ）
top5_products = product_summary.head(5)
other_sales = product_summary[5:].sum()
if other_sales > 0:
    pie_data = pd.concat([top5_products, pd.Series([other_sales], index=['その他'])])
else:
    pie_data = top5_products

# 色を設定
pie_colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#FED766', '#2AB7CA', '#FE4A49']
wedges, texts, autotexts = ax4.pie(pie_data, labels=pie_data.index, autopct='%1.1f%%', 
                                    startangle=90, colors=pie_colors[:len(pie_data)])
ax4.set_title('商品別売上構成比（上位5商品）', fontsize=14, pad=10)

# 円グラフのテキストを見やすく
for text in texts:
    text.set_fontsize(10)
for autotext in autotexts:
    autotext.set_color('white')
    autotext.set_fontsize(10)
    autotext.set_weight('bold')

plt.tight_layout()
plt.savefig('売上分析グラフ.png', dpi=150, bbox_inches='tight')
print("✓ グラフを作成しました: 売上分析グラフ.png")

# 簡単な分析レポートも作成
print("\n" + "="*50)
print("売上分析サマリー")
print("="*50)
print(f"分析期間: {df['日付'].min().date()} ～ {df['日付'].max().date()}")
print(f"総売上: {df['売上'].sum():,.2f}円")
print(f"取引件数: {len(df)}件")
print(f"平均取引額: {df['売上'].mean():,.2f}円")
print(f"最も売れた商品: {product_summary.index[0]} ({product_summary.iloc[0]:,.2f}円)")
print()

# 月別の成長率を計算
if len(monthly_sales) > 1:
    growth_rate = ((monthly_sales.iloc[-1] - monthly_sales.iloc[0]) / monthly_sales.iloc[0]) * 100
    print(f"期間中の売上成長率: {growth_rate:+.1f}%")

# 商品別の売上分布を分析
print(f"\n売上上位3商品が占める割合: {(product_summary.head(3).sum() / df['売上'].sum() * 100):.1f}%")

# 処理時間を計算
end_time = datetime.now()
processing_time = (end_time - start_time).total_seconds()

print(f"\n処理完了！処理時間: {processing_time:.1f}秒")
print("\n作成されたファイル:")
print("  - 売上分析レポート.xlsx （5つのシート）")
print("  - 売上分析グラフ.png （4つのグラフ）")
print("="*50)

Pythonで売上データを分析するスクリプトを作成してください。

【背景】
毎月の売上データ分析を自動化したいです。現在はExcelで手作業で行っており、2時間かかっています。

【入力データ】
CSVファイル（sales.csv）のサンプル：
```csv
売上ID,商品ID,商品名,売上,日付
1,14,Product N,8477.97,2024-01-19 06:57:40
2,7,Product G,17281.77,2024-08-27 06:57:40
3,18,Product R,12480.30,2024-01-21 06:57:40

【入力ファイル】
- ファイル名: sales.csv
- エンコーディング: UTF-8 with BOM
- カラム構造:
  - 売上ID: 整数
  - 商品ID: 整数
  - 商品名: 文字列（例: Product A）
  - 売上: 小数（売上金額）
  - 日付: 日時形式（例: 2024-01-19 06:57:40）

【実行環境】
- Windows 11
- Python 3.12
- 必要なライブラリ: pandas, matplotlib, openpyxl

【期待する出力】
1. Excelファイル（売上分析レポート.xlsx）に以下のシートを作成:
   - 商品別売上集計
   - 日別売上推移
   - 月別売上推移
   - サマリー情報

2. グラフ画像（売上分析グラフ.png）に以下を含む:
   - 商品別売上の棒グラフ（上位10商品）
   - 日別売上推移の折れ線グラフ
   - 月別売上推移の棒グラフ
   - 売上構成比の円グラフ

【追加要件】
- 日本語表示に対応（グラフも含む）
- 処理時間を表示
- エラーハンドリングを含める
- 実行時の進捗を表示

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "C:/Users/YourName/Documents/売上データ"
      ]
    }
  }
}

UnicodeDecodeError: 'utf-8' codec can't decode byte...

# これを
df = pd.read_csv('sales.csv')

# こうする
df = pd.read_csv('sales.csv', encoding='shift-jis')

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['MS Gothic']  # Windows