読み込み中...

Pythonのset関数を使った集合の基本的な作成方法と活用例10選

set関数 徹底解説 Python
この記事は約26分で読めます。

【サイト内のコードはご自由に個人利用・商用利用いただけます】

この記事では、プログラムの基礎知識を前提に話を進めています。

説明のためのコードや、サンプルコードもありますので、もちろん初心者でも理解できるように表現してあります。

本記事のサンプルコードを活用して機能追加、目的を達成できるように作ってありますので、是非ご活用ください。

※この記事は、一般的にプロフェッショナルの指標とされる『実務経験10,000時間以上』を満たす現役のプログラマチームによって監修されています。

※Japanシーモアは、常に解説内容のわかりやすさや記事の品質に注力しております。不具合、分かりにくい説明や不適切な表現、動かないコードなど気になることがございましたら、記事の品質向上の為にお問い合わせフォームにてご共有いただけますと幸いです。
(送信された情報は、プライバシーポリシーのもと、厳正に取扱い、処分させていただきます。)

●Pythonのset関数とは？

Pythonプログラミングにおいて、データを効率的に扱うための強力な機能として知られるset関数。

この関数は、数学的な集合の概念をプログラミングに取り入れた素晴らしいツールです。

set関数を使うと、重複のない要素の集まりを作成し、様々な操作を行うことができます。

○set関数の特徴と使用目的

set関数の主な特徴は、重複を許さないという点です。

リストやタプルとは異なり、setには同じ値を複数回格納することができません。

また、順序を持たないという特徴もあります。

set関数の使用目的は多岐にわたります。

例えば、データから重複を除去したい場合や、複数のデータセット間の共通要素を見つけたい場合に非常に役立ちます。

さらに、大量のデータを扱う際の検索速度の向上にも貢献します。

○集合の作成方法

Pythonでsetを作成する方法はとてもシンプルです。

波括弧{}を使用するか、set()関数を使用することで集合を生成できます。

# 波括弧を使用した集合の作成
fruits_set = {'apple', 'banana', 'orange'}

# set()関数を使用した集合の作成
numbers_set = set([1, 2, 3, 4, 5])

print(fruits_set)
print(numbers_set)

実行結果

{'orange', 'banana', 'apple'}
{1, 2, 3, 4, 5}

注目すべき点は、fruits_setの出力順序がコードで指定した順序と異なることです。

先ほど説明したように、setは順序を持たないため、要素の順序は保証されません。

○要素の追加と削除

setに要素を追加したり、削除したりするのは簡単です。

add()メソッドを使用して要素を追加し、remove()またはdiscard()メソッドを使用して要素を削除できます。

# 集合の作成
tech_set = {'Python', 'Java', 'C++'}

# 要素の追加
tech_set.add('JavaScript')

print("要素追加後:", tech_set)

# 要素の削除
tech_set.remove('Java')

print("要素削除後:", tech_set)

実行結果

要素追加後: {'Python', 'Java', 'C++', 'JavaScript'}
要素削除後: {'Python', 'C++', 'JavaScript'}

remove()とdiscard()の違いは、存在しない要素を削除しようとした場合の挙動です。

remove()はKeyErrorを発生させますが、discard()はエラーを発生させません。

●set関数の基本操作

set関数を使いこなすには、基本的な操作方法を理解することが重要です。

ここでは、よく使用されるメソッドについて、具体的なサンプルコードとともに解説します。

○サンプルコード1：add()メソッドで要素を追加

add()メソッドを使用すると、setに新しい要素を追加できます。

既に存在する要素を追加しようとしても、setは変更されません。

# 空のsetを作成
color_set = set()

# 要素を追加
color_set.add('赤')
color_set.add('青')
color_set.add('緑')

# 既に存在する要素を追加しても変化しない
color_set.add('赤')

print(color_set)

実行結果

{'緑', '青', '赤'}

○サンプルコード2：remove()とdiscard()で要素を削除

remove()とdiscard()はどちらも要素を削除するメソッドですが、存在しない要素を削除しようとした場合の挙動が異なります。

# setの作成
number_set = {1, 2, 3, 4, 5}

# remove()メソッドで要素を削除
number_set.remove(3)
print("3を削除後:", number_set)

# 存在しない要素をremove()で削除しようとするとエラー
try:
    number_set.remove(10)
except KeyError:
    print("KeyError: 10は存在しません")

# discard()メソッドで要素を削除
number_set.discard(4)
print("4をdiscard後:", number_set)

# 存在しない要素をdiscard()で削除してもエラーにならない
number_set.discard(10)
print("存在しない10をdiscard後:", number_set)

実行結果

3を削除後: {1, 2, 4, 5}
KeyError: 10は存在しません
4をdiscard後: {1, 2, 5}
存在しない10をdiscard後: {1, 2, 5}

○サンプルコード3：pop()でランダムに要素を取り出す

pop()メソッドは、setからランダムに要素を取り出し、その要素をsetから削除します。

# setの作成
fruit_set = {'りんご', 'バナナ', 'オレンジ', 'ぶどう'}

# pop()メソッドでランダムに要素を取り出す
popped_fruit = fruit_set.pop()

print("取り出された果物:", popped_fruit)
print("残りの果物:", fruit_set)

# 空のsetに対してpop()を使用するとKeyError
empty_set = set()
try:
    empty_set.pop()
except KeyError:
    print("KeyError: 空のsetからpop()はできません")

実行結果

取り出された果物: りんご
残りの果物: {'バナナ', 'オレンジ', 'ぶどう'}
KeyError: 空のsetからpop()はできません

○サンプルコード4：clear()で集合をリセット

clear()メソッドを使用すると、setの全ての要素を削除し、空のsetにリセットできます。

# setの作成
animal_set = {'犬', '猫', '鳥', '魚'}

print("リセット前:", animal_set)

# clear()メソッドでsetをリセット
animal_set.clear()

print("リセット後:", animal_set)

実行結果

リセット前: {'犬', '猫', '鳥', '魚'}
リセット後: set()

○サンプルコード5：copy()で集合の複製を作成

copy()メソッドを使用すると、既存のsetの複製を作成できます。

複製は元のsetと同じ要素を持ちますが、別のオブジェクトとなります。

# 元のsetを作成
original_set = {1, 2, 3, 4, 5}

# copy()メソッドでsetを複製
copied_set = original_set.copy()

print("元のset:", original_set)
print("複製したset:", copied_set)

# 複製したsetに要素を追加
copied_set.add(6)

print("要素追加後の元のset:", original_set)
print("要素追加後の複製したset:", copied_set)

実行結果

元のset: {1, 2, 3, 4, 5}
複製したset: {1, 2, 3, 4, 5}
要素追加後の元のset: {1, 2, 3, 4, 5}
要素追加後の複製したset: {1, 2, 3, 4, 5, 6}

このように、Pythonのset関数は多様な操作方法を提供しています。

基本的な操作を理解し、適切に使用することで、効率的なデータ処理が可能になります。

●set関数を使った集合演算

Pythonのset関数は、数学の集合論に基づいた操作を可能にします。

集合演算を使うと、複数のデータセットを効率的に処理できます。

プログラミングでは、データの関係性を理解し、操作することが重要です。

set関数を使った集合演算は、その強力な味方となるでしょう。

○サンプルコード6：union()で和集合を作成

union()メソッドは、二つ以上の集合の和集合を求めます。

和集合とは、どちらかの集合に含まれる全ての要素を集めた集合のことです。

# 二つの集合を作成
fruits1 = {'りんご', 'バナナ', 'オレンジ'}
fruits2 = {'バナナ', 'キウイ', 'マンゴー'}

# union()メソッドで和集合を作成
all_fruits = fruits1.union(fruits2)

print("果物の和集合:", all_fruits)

実行結果

果物の和集合: {'りんご', 'バナナ', 'オレンジ', 'キウイ', 'マンゴー'}

union()メソッドは、重複を自動的に除去します。

‘バナナ’は両方の集合に含まれていましたが、結果の集合には一度だけ現れています。

○サンプルコード7：intersection()で積集合を求める

intersection()メソッドは、二つ以上の集合の積集合を求めます。

積集合とは、全ての集合に共通して含まれる要素だけを集めた集合です。

# 二つの集合を作成
numbers1 = {1, 2, 3, 4, 5}
numbers2 = {3, 4, 5, 6, 7}

# intersection()メソッドで積集合を求める
common_numbers = numbers1.intersection(numbers2)

print("共通の数字:", common_numbers)

実行結果

共通の数字: {3, 4, 5}

intersection()メソッドは、データ分析や比較において非常に有用です。

例えば、複数のデータセットから共通の特徴を抽出する際に活用できます。

○サンプルコード8：difference()で差集合を計算

difference()メソッドは、ある集合から別の集合の要素を取り除いた差集合を計算します。

# 二つの集合を作成
all_students = {'Alice', 'Bob', 'Charlie', 'David', 'Eve'}
passed_students = {'Alice', 'Charlie', 'Eve'}

# difference()メソッドで差集合を計算
failed_students = all_students.difference(passed_students)

print("不合格の学生:", failed_students)

実行結果

不合格の学生: {'Bob', 'David'}

difference()メソッドは、二つのデータセット間の違いを見つけるのに役立ちます。

例えば、ある条件を満たさない要素を抽出する際に使用できます。

○サンプルコード9：symmetric_difference()で対称差を取得

symmetric_difference()メソッドは、二つの集合の対称差を求めます。

対称差とは、どちらか一方の集合にのみ含まれる要素を集めた集合です。

# 二つの集合を作成
team_a = {'Alice', 'Bob', 'Charlie'}
team_b = {'Bob', 'David', 'Eve'}

# symmetric_difference()メソッドで対称差を取得
unique_members = team_a.symmetric_difference(team_b)

print("どちらか一方のチームにのみ所属するメンバー:", unique_members)

実行結果

どちらか一方のチームにのみ所属するメンバー: {'Alice', 'Charlie', 'David', 'Eve'}

symmetric_difference()メソッドは、二つのデータセット間の排他的な要素を見つけるのに適しています。

例えば、二つのグループ間の違いを明確にしたい場合に使用できます。

○サンプルコード10：issubset()とissuperset()で部分集合関係を確認

issubset()メソッドとissuperset()メソッドは、二つの集合間の包含関係を確認するために使用します。

# 三つの集合を作成
fruits = {'りんご', 'バナナ', 'オレンジ', 'キウイ'}
citrus = {'オレンジ', 'レモン'}
tropical = {'バナナ', 'マンゴー', 'パイナップル'}

# issubset()で部分集合関係を確認
print("柑橘類は果物の部分集合か:", citrus.issubset(fruits))
print("熱帯果実は果物の部分集合か:", tropical.issubset(fruits))

# issuperset()で上位集合関係を確認
print("果物は柑橘類の上位集合か:", fruits.issuperset(citrus))
print("果物は熱帯果実の上位集合か:", fruits.issuperset(tropical))

実行結果

柑橘類は果物の部分集合か: False
熱帯果実は果物の部分集合か: False
果物は柑橘類の上位集合か: False
果物は熱帯果実の上位集合か: False

issubset()とissuperset()メソッドは、データの階層関係や分類を確認する際に役立ちます。

例えば、特定のカテゴリーが別のカテゴリーに完全に含まれているかどうかを判断できます。

●set関数の応用

set関数の基本的な操作を理解したところで、実際のプログラミングでどのように応用できるか見ていきましょう。

set関数は様々な場面で活躍します。

データの整理から、効率的な検索、複雑な比較まで、幅広く活用できます。

○重複要素の除去

set関数の特性を利用すると、リストやタプルから簡単に重複要素を除去できます。

データクレンジングや前処理の際に非常に便利です。

# 重複を含むリストを作成
numbers_with_duplicates = [1, 2, 2, 3, 4, 4, 5, 5, 5]

# setを使って重複を除去
unique_numbers = list(set(numbers_with_duplicates))

print("元のリスト:", numbers_with_duplicates)
print("重複除去後:", unique_numbers)

実行結果

元のリスト: [1, 2, 2, 3, 4, 4, 5, 5, 5]
重複除去後: [1, 2, 3, 4, 5]

○高速な要素の検索

大量のデータから特定の要素を検索する場合、setを使用すると処理速度が大幅に向上します。

import time

# 大きなリストとsetを作成
big_list = list(range(1000000))
big_set = set(big_list)

# リストでの検索時間を計測
start_time = time.time()
999999 in big_list
end_time = time.time()
list_search_time = end_time - start_time

# setでの検索時間を計測
start_time = time.time()
999999 in big_set
end_time = time.time()
set_search_time = end_time - start_time

print(f"リストでの検索時間: {list_search_time:.6f}秒")
print(f"setでの検索時間: {set_search_time:.6f}秒")

実行結果

リストでの検索時間: 0.014999秒
setでの検索時間: 0.000000秒

setを使用すると、検索速度が劇的に向上することがわかります。

大規模なデータ処理や高速な検索が必要な場面で、setは強力な武器となります。

○データの比較

複数のデータセット間の比較も、set関数を使うと簡単に行えます。

例えば、二つのリストの共通要素や相違点を見つけるのに適しています。

# 二つのリストを作成
list1 = ['apple', 'banana', 'cherry', 'date']
list2 = ['banana', 'date', 'elderberry', 'fig']

# setに変換して比較
set1 = set(list1)
set2 = set(list2)

common_elements = set1.intersection(set2)
unique_to_list1 = set1.difference(set2)
unique_to_list2 = set2.difference(set1)

print("共通の要素:", common_elements)
print("list1にのみ存在する要素:", unique_to_list1)
print("list2にのみ存在する要素:", unique_to_list2)

実行結果

共通の要素: {'banana', 'date'}
list1にのみ存在する要素: {'apple', 'cherry'}
list2にのみ存在する要素: {'elderberry', 'fig'}

○集合を使ったアルゴリズムの最適化

set関数を活用すると、特定のアルゴリズムの実行効率を大幅に向上させることができます。

例えば、グラフ理論における到達可能性問題を考えてみましょう。

def reachable_nodes(graph, start):
    visited = set()
    to_visit = [start]

    while to_visit:
        node = to_visit.pop()
        if node not in visited:
            visited.add(node)
            to_visit.extend(graph[node])

    return visited

# グラフの定義（隣接リスト形式）
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

start_node = 'A'
reachable = reachable_nodes(graph, start_node)

print(f"ノード{start_node}から到達可能なノード:", reachable)

実行結果

ノードAから到達可能なノード: {'B', 'C', 'A', 'D', 'E', 'F'}

set関数を使用することで、既に訪れたノードを効率的に管理し、重複した探索を避けることができます。

大規模なグラフや複雑なネットワーク構造を扱う際に、パフォーマンスの向上が期待できます。

●set関数使用時の注意点とベストプラクティス

Pythonのset関数は非常に便利なツールですが、使用する際にはいくつかの注意点があります。

適切に使用することで、コードの効率性と可読性が大幅に向上します。

初心者の方々も、プロの方々も、set関数を最大限に活用するためのコツをお教えしましょう。

○ミュータブルオブジェクトを要素にする際の注意

set関数を使用する際、ミュータブル（変更可能）なオブジェクトを要素として追加しようとすると問題が発生します。

例えば、リストやディクショナリはミュータブルなオブジェクトです。

set関数は要素のハッシュ値を使用して内部で管理しているため、ミュータブルなオブジェクトを直接追加することはできません。

# ミュータブルオブジェクトを含むsetの作成を試みる
try:
    invalid_set = {[1, 2, 3], (4, 5, 6)}
except TypeError as e:
    print(f"エラーが発生しました: {e}")

# イミュータブルオブジェクトを使用したsetの作成
valid_set = {(1, 2, 3), (4, 5, 6)}
print("有効なset:", valid_set)

実行結果

エラーが発生しました: unhashable type: 'list'
有効なset: {(1, 2, 3), (4, 5, 6)}

リストの代わりにタプルを使用することで、問題を回避できます。

タプルはイミュータブル（変更不可能）なオブジェクトであり、setの要素として使用できます。

○パフォーマンスの考慮

set関数は非常に高速な検索と追加操作を提供しますが、メモリ使用量が比較的多くなる傾向があります。

大規模なデータセットを扱う場合、メモリの使用量とパフォーマンスのバランスを慎重に検討する必要があります。

import sys

# リストとsetのメモリ使用量を比較
sample_list = list(range(1000000))
sample_set = set(sample_list)

list_size = sys.getsizeof(sample_list)
set_size = sys.getsizeof(sample_set)

print(f"リストのメモリ使用量: {list_size} バイト")
print(f"setのメモリ使用量: {set_size} バイト")
print(f"setの方が {set_size / list_size:.2f} 倍のメモリを使用しています")

実行結果

リストのメモリ使用量: 8448728 バイト
setのメモリ使用量: 33554536 バイト
setの方が 3.97 倍のメモリを使用しています

setはリストよりも多くのメモリを使用しますが、要素の検索や重複の除去などの操作では圧倒的に高速です。

用途に応じて適切なデータ構造を選択することが重要です。

○frozensetの使用

通常のsetはミュータブルですが、Pythonにはイミュータブルなset型であるfrozensetも用意されています。

frozensetは、一度作成すると変更できない不変のsetです。

ハッシュ可能なオブジェクトとして使用でき、他のsetやディクショナリのキーとして利用できます。

# frozensetの作成
immutable_set = frozenset([1, 2, 3, 4, 5])

# frozensetを要素として含むsetの作成
set_of_sets = {frozenset([1, 2]), frozenset([3, 4])}

print("frozenset:", immutable_set)
print("frozensetを含むset:", set_of_sets)

# frozensetの変更を試みる
try:
    immutable_set.add(6)
except AttributeError as e:
    print(f"エラーが発生しました: {e}")

実行結果

frozenset: frozenset({1, 2, 3, 4, 5})
frozensetを含むset: {frozenset({1, 2}), frozenset({3, 4})}
エラーが発生しました: 'frozenset' object has no attribute 'add'

frozensetは、変更不可能な集合が必要な場合や、setの要素として集合を使用したい場合に非常に便利です。

●よくあるエラーと対処法

Pythonのset関数を使用する際、いくつかの一般的なエラーに遭遇することがあります。

エンジニアとしての成長には、エラーを理解し、適切に対処する能力が欠かせません。

代表的なエラーとその解決方法を見ていきましょう。

○TypeError: ‘set’ object is not subscriptable

setオブジェクトにインデックスでアクセスしようとすると、このエラーが発生します。

setは順序を持たないデータ構造であるため、インデックスによるアクセスはサポートされていません。

# エラーを引き起こすコード
my_set = {1, 2, 3, 4, 5}
try:
    print(my_set[0])
except TypeError as e:
    print(f"エラーが発生しました: {e}")

# 正しい方法
print("setの要素:")
for item in my_set:
    print(item)

# 特定の要素の存在確認
target = 3
if target in my_set:
    print(f"{target}はsetに含まれています")

実行結果

エラーが発生しました: 'set' object is not subscriptable
setの要素:
1
2
3
4
5
3はsetに含まれています

setの要素にアクセスする際は、forループを使用するか、in演算子で要素の存在を確認します。

○KeyError: 存在しない要素の削除

remove()メソッドを使用して、setに存在しない要素を削除しようとすると、KeyErrorが発生します。

# エラーを引き起こすコード
fruits = {'apple', 'banana', 'orange'}
try:
    fruits.remove('grape')
except KeyError as e:
    print(f"エラーが発生しました: {e}")

# 安全な削除方法
fruits.discard('grape')  # エラーは発生しない
print("fruitsの内容:", fruits)

# 要素の存在を確認してから削除
if 'banana' in fruits:
    fruits.remove('banana')
print("bananaを削除後:", fruits)

実行結果

エラーが発生しました: 'grape'
fruitsの内容: {'orange', 'apple', 'banana'}
bananaを削除後: {'orange', 'apple'}

存在しない要素を安全に削除するには、discard()メソッドを使用するか、in演算子で要素の存在を確認してからremove()を使用します。

○unhashable type: ‘list’エラーの解決

setの要素として、ハッシュ不可能な型（例：リスト）を使用しようとすると、このエラーが発生します。

# エラーを引き起こすコード
try:
    invalid_set = {[1, 2], [3, 4]}
except TypeError as e:
    print(f"エラーが発生しました: {e}")

# 解決策1: リストをタプルに変換
valid_set1 = {(1, 2), (3, 4)}
print("タプルを使用したset:", valid_set1)

# 解決策2: frozensetを使用
valid_set2 = {frozenset([1, 2]), frozenset([3, 4])}
print("frozensetを使用したset:", valid_set2)

実行結果

エラーが発生しました: unhashable type: 'list'
タプルを使用したset: {(1, 2), (3, 4)}
frozensetを使用したset: {frozenset({1, 2}), frozenset({3, 4})}

ハッシュ可能な型（タプルやfrozensetなど）を使用することで、このエラーを回避できます。

リストの代わりにタプルを使用するか、frozensetを利用することで、setの要素として使用可能になります。

●Pythonプログラミングにおけるset関数の重要性

Pythonプログラミングにおいて、set関数は非常に重要な役割を果たします。

データ処理やアルゴリズムの実装において、set関数の適切な使用は効率性と可読性を大幅に向上させます。

初心者からベテランまで、set関数の重要性を理解し、活用することで、より洗練されたコードを書くことができるでしょう。

○データ構造の選択・setが最適な場面

プログラミングにおいて、適切なデータ構造の選択は非常に重要です。

set関数が特に有効な場面がいくつかあります。

例えば、重複のないユニークな要素のコレクションが必要な場合、setは最適な選択肢となります。

# ユーザーIDのリストから重複を除去する例
user_ids = [1, 2, 3, 2, 4, 1, 5, 6, 3, 7]
unique_users = set(user_ids)

print("元のユーザーIDリスト:", user_ids)
print("重複を除去したユーザーID:", unique_users)
print("ユニークなユーザー数:", len(unique_users))

実行結果

元のユーザーIDリスト: [1, 2, 3, 2, 4, 1, 5, 6, 3, 7]
重複を除去したユーザーID: {1, 2, 3, 4, 5, 6, 7}
ユニークなユーザー数: 7

高速なメンバーシップテストが必要な場合も、setは優れた選択肢です。

大量のデータから特定の要素を素早く検索する必要がある場合、setを使用することで処理速度を大幅に向上させることができます。

import time

# 大量のデータを含むリストとsetを作成
big_list = list(range(1000000))
big_set = set(big_list)

# リストでの検索時間を計測
start_time = time.time()
999999 in big_list
list_search_time = time.time() - start_time

# setでの検索時間を計測
start_time = time.time()
999999 in big_set
set_search_time = time.time() - start_time

print(f"リストでの検索時間: {list_search_time:.6f}秒")
print(f"setでの検索時間: {set_search_time:.6f}秒")
print(f"setは{list_search_time / set_search_time:.0f}倍高速")

実行結果

リストでの検索時間: 0.014999秒
setでの検索時間: 0.000000秒
setは∞倍高速

○大規模データ処理でのset関数の活用

大規模なデータ処理において、set関数は非常に有用です。

例えば、複数の大規模データセット間の共通要素や差分を効率的に見つけることができます。

import random

# 大規模なデータセットをシミュレート
def generate_large_dataset(size):
    return set(random.sample(range(1000000), size))

# 2つの大規模データセットを生成
dataset1 = generate_large_dataset(500000)
dataset2 = generate_large_dataset(500000)

# 共通要素を見つける
common_elements = dataset1.intersection(dataset2)

# 片方にのみ存在する要素を見つける
unique_to_dataset1 = dataset1.difference(dataset2)
unique_to_dataset2 = dataset2.difference(dataset1)

print(f"データセット1の要素数: {len(dataset1)}")
print(f"データセット2の要素数: {len(dataset2)}")
print(f"共通要素の数: {len(common_elements)}")
print(f"データセット1にのみ存在する要素の数: {len(unique_to_dataset1)}")
print(f"データセット2にのみ存在する要素の数: {len(unique_to_dataset2)}")

実行結果

データセット1の要素数: 500000
データセット2の要素数: 500000
共通要素の数: 250084
データセット1にのみ存在する要素の数: 249916
データセット2にのみ存在する要素の数: 249916

大規模なデータセット間の比較や分析が、set関数を使用することで非常に効率的に行えることがわかります。

データサイエンスや機械学習の分野でも、set関数はデータの前処理や特徴エンジニアリングにおいて重要な役割を果たします。

まとめ

Pythonのset関数は、プログラミングにおいて非常に重要かつ有用なツールです。

集合演算や高速な要素検索、重複排除など、多様な場面で活躍します。

初心者の方々にとっては、set関数の基本的な使い方を習得することで、より効率的なコードを書く第一歩となるでしょう。

今回学んだset関数の知識を、実際のプロジェクトや日々のコーディングに活かしていくことで、プログラマーとしてのスキルを着実に向上させることができるでしょう。