こんにちは！データサイエンスの荒波へようこそ。これからPythonを使ってAIやデータ分析の世界に飛び込もうとしているあなたへ、最高にワクワクする開発環境の選び方をお伝えしますね。
新しい技術を学ぶとき、最初に直面するのが「どのツールを使えばいいのか？」という悩みです。特にPython・データサイエンス界隈では、JupyterLab と VS Code（Visual Studio Code） という2大巨頭が君臨しています。
「どっちが凄いの？」
「両方インストールすべき？」
そんな疑問を抱えるあなたへ、世界中の現場を渡り歩いてきたシニアエンジニアの視点から、この2つのツールの本質を徹底的に解き明かします。これを読めば、あなたの毎日のコーディングが劇的に楽になり、迷いが消え去るはずです。肩の力を抜いて、一緒に見ていきましょう！
—
1. そもそもなぜ、この2つのツールで悩むのか？
データサイエンスの開発は、通常のWeb開発とは少し違います。
Web開発なら「コードを書く ⇒ 実行する ⇒ ブラウザで確認する」という流れですが、データサイエンスでは「データを読み込む ⇒ グラフを描いてデータの癖を見る ⇒ モデルを試行錯誤する ⇒ 結果をレポートする」という、探索的（トライ＆エラー）なプロセスが圧倒的に多いのです。
この「試行錯誤のしやすさ」に特化したのが JupyterLab であり、近年すさまじい進化を遂げ、あらゆる開発を一つにまとめ上げた万能選手が VS Code です。
—
2. JupyterLab と VS Code の本質的な違い
まずは、それぞれのキャラクターを掴みましょう。
JupyterLab：データと対話する「実験室」
ブラウザ上で動く、ノートブック形式（文書とコードが一体になった形式）の開発環境です。
- メリット:
- セル（ブロック）単位でコードを実行でき、その結果（表やグラフ）がすぐ下に表示されるため、データの可視化や分析のプロセス（EDA：探索的データ分析）に最適。
- 「あ、今のデータどうなってるっけ？」と思った瞬間に中身を確認できるライブ感。
- デメリット:
- コードが長くなったり、複数ファイルにまたがる本格的なシステム開発（モジュール化やテスト）になると、管理が途端に難しくなる。
VS Code：すべてを統合する「司令室」
Microsoftが開発した、世界中のエンジニアに愛されるモダンなコードエディタです。
- メリット:
- 拡張機能（プラグイン）を入れることで、Jupyterノートブックとしても使えるし、通常のPythonスクリプト開発、さらにはGitによるバージョン管理やDocker、クラウド連携までこれ一つで完結する。
- 補完機能やリファクタリング（コードの整理）能力が圧倒的に高く、本番運用を見据えた頑丈なコードを書くのに向いている。
- デメリット:
- 設定項目が多く、初心者のうちは「何から手をつければいいか」迷いやすい。
—
3. 【結論】データサイエンティストはこう使い分けろ！
現場のプロフェッショナルたちは、どちらか片方だけを使っているのではありません。次のように適材適所で使い分けています。
- フェーズ1：新しいデータをもらった、傾向をつかみたい（EDA）
- ⇒ JupyterLab の出番です。サクッと起動して、グラフをバンバン出してデータの特性を掴みます。
- フェーズ2：分析結果をチームに共有したい、自動化システム（本番運用）に組み込みたい
- ⇒ VS Code の出番です。Jupyterで得た知見をクリーンなPythonスクリプト（`.py`ファイル）に落とし込み、テストを書いて強固なコードに仕上げます。
つまり、両方使えるようになっておくのが最強の近道です。今回は、その基盤となる「Anaconda環境の構築」から「JupyterLabでの動作確認」、そして「VS Codeでの動かし方」までを一気通貫で優しく解説します。
—
4. 基礎セットアップ：Anacondaで環境を整える
Pythonの環境構築で初心者が一番挫折するのが「ライブラリのバージョン競合」です。これを一発で解決してくれるのが Anaconda（または軽量版のMiniconda）です。データサイエンスに必要な主要ライブラリ（Pandas, NumPy, Matplotlib, Scikit-learnなど）が最初からパックされています。
ステップ1：Anacondaのインストール
公式サイトから、ご自身のOS（Windows / Mac / Linux）向けのインストーラーをダウンロードしてインストールしてください。（基本的にはデフォルト設定のままで進めて大丈夫です）
ステップ2：専用の仮想環境を作る
実務では、プロジェクトごとに環境を分けるのが鉄則です。ターミナル（WindowsならAnaconda Prompt、MacならTerminal）を開き、以下のコマンドを叩いてみましょう。
‘ds_env’という名前の、Python 3.10が入った新しい仮想環境を作成します
conda create -n ds_env python=3.10 -y
作成した仮想環境をアクティベート（有効化）します
conda activate ds_env
※このコマンドを実行することで、今から入れるライブラリが他のプロジェクトに影響を与えない安全な「自分だけの部屋」を作ることができます。
ステップ3：JupyterLabの導入
仮想環境に入った状態で、JupyterLabをインストールします。
データサイエンスの必須ツールであるJupyterLabをインストールします
conda install -c conda-forge jupyterlab -y
—
5. 精度高い HelloWorld 的な動作確認（JupyterLab編）
環境が整ったら、実際にJupyterLabを起動して、データ分析の第一歩を踏み出しましょう！
1. JupyterLabの起動
ターミナルで以下のコマンドを入力します。
仮想環境がアクティベートされた状態でJupyterLabを起動
jupyter lab
数秒後、自動的に既定のブラウザが立ち上がり、JupyterLabの画面が表示されます。
2. ノートブックの作成とコードの実行
画面左側のファイルブラウザから、「Notebook」 の下にある 「Python 3」 のアイコンをクリックします。
新しいファイル（`Untitled.ipynb`）が開いたら、以下のコードを最初のセル（入力欄）にコピーして貼り付けてみてください。
データ分析の基本ライブラリであるPandasと、グラフ描画のMatplotlibをインポートします
import pandas as pd
import matplotlib.pyplot as plt
サンプルとして、簡単な売上データ（辞書型データ）を作成します
data = {
‘月’: [‘1月’, ‘2月’, ‘3月’, ‘4月’, ‘5月’, ‘6月’],
‘売上_万円’: [120, 135, 150, 145, 170, 195]
}
データを表形式（DataFrame）に変換します
df = pd.DataFrame(data)
作成したデータの中身を表示してみます
display(df)
データを直感的に理解するために、折れ線グラフを描画します
plt.figure(figsize=(8, 4))
plt.plot(df[‘月’], df[‘売上_万円’], marker=’o’, color=’royalblue’, linewidth=2)
plt.title(‘2023年 上半期売上推移’, fontsize=14)
plt.xlabel(‘月’, fontsize=12)
plt.ylabel(‘売上 (万円)’, fontsize=12)
plt.grid(True)
グラフを画面に出力します
plt.show()
3. 実行してみよう
コードを入力したら、キーボードの `Shift` + `Enter` を押します（または上部の再生ボタン▶を押す）。
【ここで何が起きるか？】
セルが実行され、すぐ下に綺麗な「売上データテーブル」と「スタイリッシュな折れ線グラフ」が描画されます。この「書いてすぐ結果を目で確認できる」ダイレクト感こそが、JupyterLabの真骨頂です。
—
6. 次のステップ：VS Codeで同じコードを動かしてみる
さて、JupyterLabでデータの傾向がつかめました。今度はこれを、より本格的な開発環境である VS Code でも動かしてみましょう。
1. VS Codeのインストール: 公式サイトからVS Codeをインストール。
2. 拡張機能の導入: 左メニューの拡張機能アイコン（四角いブロックの形）から、以下の2つをインストールします。
- Python (Microsoft公式)
- Jupyter (Microsoft公式)
3. プロジェクトを開く: VS Codeを起動し、先ほど作業していたフォルダを開きます。
4. 環境の選択: 右上のカーソル部分などで、先ほど作った `ds_env` （Anacondaで作った仮想環境）を選択します。
これだけで、VS Codeの中でもJupyterノートブック（`.ipynb`ファイル）がそのまま動くようになります。さらに、VS Codeなら `.py` という通常のPythonファイルを作り、Jupyterで作ったロジックを綺麗に整理して「関数化」や「モジュール化」していくことがシームレスに行えます。
—
まとめ：あなたの開発を加速させるために
今回は、JupyterLabとVS Codeという2大環境の役割と、現場での賢い使い分けについて解説しました。
- JupyterLab は、データと対話しながら試行錯誤する「最高の実験室」。
- VS Code は、書いたコードを洗練させ、システムとして組み上げる「強力な司令室」。
どちらか片方を選ぶ必要はありません。「アイデア出しやEDAはJupyterLabで、コードの整理や本番実装はVS Codeで」という二刀流をマスターすれば、あなたのデータサイエンティストとしての生産性は劇的に跳ね上がります。
これを機に、ぜひご自身のパソコンでも環境を立ち上げ、コードを動かしてみてくださいね。あなたのAI・データサイエンスの旅が素晴らしいものになるよう、心から応援しています！