ChatGPTの学習も、YouTubeのおすすめも、気象庁のデータ解析も、裏側ではPythonが動いている。AIブームの中心にいるプログラミング言語は、間違いなくPythonだ。そしてPythonの強さの正体は、言語そのものより「ライブラリ」と呼ばれる部品の豊富さにある。
先に本音を言っておく。何十万個もあるライブラリを全部覚える必要はない。定番はせいぜい十数個で、しかも顔ぶれは毎年ゆるやかに入れ替わる。この記事では2026年時点の「まずこれ」を12個に絞り、選んだ理由と最近の勢力図の変化まで含めて案内する。
「人気」はどう測るか——3つのものさし
人気ライブラリの記事は世の中に山ほどある。だが「人気」の測り方はひとつではない。この記事では3つのものさしを併用した。
1つ目はダウンロード数だ。Pythonの部品置き場「PyPI」の統計では、1位のboto3(Amazonのクラウド操作用)は月間およそ17億回も落とされている。ただしこの数字には機械による自動ダウンロードが大量に混ざる。2つ目は開発者アンケート。世界最大のプログラマーQ&Aサイトが毎年実施するStack Overflow開発者調査は「人間の人気」を映す。3つ目はGitHubでの支持や、大きなプロジェクトでの採用実績だ。
| 分野 | ライブラリ | 何をするか |
|---|---|---|
| AI・機械学習 | PyTorch | AIモデルを作り、学習させる土台 |
| Transformers | 公開済みAIモデルを数行で呼び出す | |
| LangChain | AIアプリの部品をつなぐ配線役 | |
| データ処理 | NumPy | 数値計算の高速エンジン |
| pandas | 表データの読み書き・集計の定番 | |
| Polars | pandasより高速な新世代の表処理 | |
| Web開発 | FastAPI | AIサービスの窓口(API)を作る |
| Django | 会員制サイトごと丸ごと作る全部入り | |
| Flask | 小さく始める軽量Webの古参 | |
| 開発の道具 | uv | ライブラリの導入・環境作りを一瞬で |
| Ruff | コードの誤り・乱れを高速チェック | |
| pytest | プログラムの動作テストの標準 |
AIとデータの6つ——ブームの心臓部
AI開発の土台はPyTorchだ。Meta発のこのライブラリは、研究論文の実装から企業のAI開発まで、事実上の共通語になっている。その上に乗るのがHugging Face社のTransformersで、世界中の公開AIモデルを「型番を指定して数行で呼び出す」ことを可能にした。家電量販店で炊飯器を選ぶように、AIモデルを選んで持ち帰れる場所だと思えばいい。
LangChainは、AIモデルと検索や社内文書をつないで「AIアプリ」に仕立てる配線役だ。評価が割れるライブラリでもあるのだが、その話は後半の「罠」の節に譲る。
データ側の主役は今も昔もNumPyとpandasだ。NumPyは数値計算を高速にこなす縁の下のエンジンで、pandasはExcelのような表データを自在に読み書き・集計する。この2つはAI以前からの絶対的な定番で、入門書が必ず最初に教える顔ぶれでもある。そこに近年、Rust製で高速なPolarsが「pandasの次」として急速に台頭してきた。
Webと道具の6つ——首位交代と新常識
Web開発では歴史的な首位交代が起きた。Stack Overflow開発者調査2025で、FastAPIの利用率が38%に達し、長年の定番だったFlask(34%)とDjango(35%)を初めて上回ったのだ。FastAPIは「AIモデルを外部から呼び出す窓口」を素早く作れる設計で、AIブームの追い風をまともに受けた形になる。
とはいえDjangoが役目を終えたわけではない。ログイン機能や管理画面まで最初から揃った「全部入り」は、会員制サイトを堅実に作るなら今も最短ルートだ。Flaskは教材の豊富さで入門者に優しい。用途で住み分けている、が正確なところだろう。
道具系では、uvとRuffが「新常識」と呼べる地位まで来た。uvはライブラリの導入や環境づくりを従来ツールの数十倍の速さでこなし、Ruffはコードの誤りや書き方の乱れを一瞬で洗い出す。動作テストの定番pytestと合わせ、新しいプロジェクトの初期装備はほぼこの組み合わせに収束しつつある。
OpenAIは道具箱ごと買った——Astral買収の地殻変動
そのuvとRuffを開発するAstral社を、ChatGPTのOpenAIが買収すると発表したのが2026年3月19日だ。Astralのチームは、OpenAIでコーディングAI「Codex」を担う部門に合流した。買収額は非公表。両社はuvもRuffも引き続きオープンソース(誰でも無料で使える公開ソフト)のまま開発を続けると約束している。
openai.com OpenAI to acquire Astral 買収の一次情報。AstralチームのCodex部門への合流と、ツールをオープンソースのまま維持する方針が明記されている。なぜAIの会社が、AIとは直接関係のない開発ツールの会社を買うのか。AIにコードを書かせる時代には、AIが使う「作業台」の品質がそのまま成果を左右するからだ——と読むのが自然だろう。AIコーディングの入門記事で紹介したように、コードを書く主体は人間からAIへ広がりつつある。その足元で、Pythonの道具箱の持ち主がAI企業に変わった。この地殻変動は、12個の顔ぶれ以上に2026年らしい出来事だと筆者の目には映る。
選ぶ前に知っておきたい3つの罠
第一の罠は、ダウンロード数を人気と読み違えることだ。PyPIの上位は自動処理で機械が落とす部品が大半で、月間17億回のboto3が「人間に一番愛されている」わけではない。ランキング記事を読むときは、そのものさしが機械の数字か人間の声かを確かめたい。
第二の罠は、流行の回転の速さだ。LangChainはAIアプリ開発の代名詞になった一方で、「部品の変化が速すぎて追いかけるのがつらい」という不満も根強い。実務では、まず素のAPI呼び出しで済むかを考え、足りなければ導入する順番で遅くない。Polarsとpandasの関係も同じで、新しいほうが常に正解とは思えない。教材と実例の蓄積は、古参の側に山ほどある。
第三の罠は、道具を揃えること自体が目的化することだ。12個は「順に全部学ぶリスト」ではなく、目的地別の路線図にすぎない。AIを触りたいならTransformersから、データ集計ならpandasからで、残りは必要になった日に覚えればいい。
最初の一歩は「uvを入れてみる」でいい
これから始める人への具体的な提案はひとつだ。まずuvを入れて、そこからpandasなりFastAPIなりを落としてみる。導入でつまずいて挫折する、という入門最大の事故をuvの速さと簡単さがかなり減らしてくれる。
体系的に学びたくなったら、Python本おすすめ10冊【2026年版】が次の一歩になる。道具箱の中身は毎年入れ替わるが、「測り方を確かめて、目的から選ぶ」という選び方そのものは古びない。来年この12個が何個残っているか、答え合わせもまた楽しみのひとつだ。
出典: OpenAI公式(OpenAI to acquire Astral) / Astral公式ブログ(Astral to join OpenAI) / Stack Overflow Developer Survey 2025(Webフレームワーク利用率) / pypistats.org(PyPIダウンロード統計・2026年3月時点)
