【2026年8月最新】Python辞書（dictionary）の使い方完全ガイド｜キーと値、追加・削除・検索まで非エンジニア向けに解説
aikanri-admin
この記事の内容
「商品コードと商品名の対応表を作りたい」「社員番号から名前をすぐ引けるようにしたい」——こうした「あるものを指定すると、対応する別の情報がすぐ分かる」仕組みへのニーズは、経営者・管理職の業務に頻繁に登場します。この記事のテーマであるPythonの辞書（dictionary）は、まさにこの仕組みを実現するための代表的な技術です。
辞書とは、Pythonというプログラミング言語における「キー（見出し）」と「値（中身）」を組み合わせて、データを管理する仕組みのことです。プログラミングスクールの入門記事では、辞書の作り方・値の取得方法・追加や削除の方法・検索やソートの方法などが詳しく解説されますが、正直なところこれはプログラマーを目指す人向けの知識であり、経営者や管理職のあなたが文法を覚える必要はまったくありません。
この記事では、非エンジニアの方に向けて辞書型が「何をしているものなのか」を日常語で理解できる程度にサラッと解説したうえで、本題である「そのデータ管理を、自分でコードを書かずにClaude Codeにやらせる方法」を、弊社（株式会社GENAI）の実運用データを交えて詳しくお伝えします。
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、次の6つが明確になります。
01 BASICS Pythonの辞書（dictionary）とは何か、まず結論から プログラミング未経験でも分かるレベルでサラッと解説
辞書（dictionary）とは、Pythonにおいて「見出し（キー）」と「中身（値）」をワンセットで管理するためのデータの持ち方です。難しく聞こえますが、日本語に置き換えると次のような意味になります。
「社員番号01は田中さん、02は佐藤さん」というように、
見出し（キー）を指定すれば、対応する中身（値）がすぐに分かる仕組みです。
たとえば「商品コードから商品名を調べたい」「部署コードから部署名を調べたい」「英単語から日本語訳を調べたい」——こうした「あるものを指定すると、対応する情報がすぐ引ける」という仕組みは、ビジネスの現場でも日常的に使われています。辞書は、この対応関係をコンピューターに自動で管理させるための、Pythonにおける代表的なデータの持ち方なのです。
📚 用語解説
辞書（dictionary）：Pythonにおいて、キーと値を組み合わせてデータを管理する仕組み。紙の辞書で「言葉（見出し）」を引くと「意味（説明）」が分かるのと同じ発想から、この名前が付けられています。
📚 用語解説
キーと値（key-value）：辞書型データを構成する2つの要素。「キー」は見出しにあたる部分（例: 商品コード）、「値」はその見出しに対応する中身（例: 商品名）です。1つのキーに対して1つの値が対応します。
1-1. リスト（配列）との違い
Pythonにはリスト（複数のデータを順番に並べる仕組み）という別のデータの持ち方もあります。リストは「1番目、2番目、3番目…」という順番でデータを管理するのに対し、辞書は「このキーには、この値」という対応関係でデータを管理します。順番ではなく、見出しでデータを探したい場合に辞書が適しています。
| データの持ち方 | 管理の仕方 | 身近な例 |
|---|---|---|
| リスト（配列） | 順番（1番目、2番目…）で管理 | 本棚に並んだ本の順番 |
| 辞書（dictionary） | 見出し（キー）と中身（値）の対応で管理 | 紙の辞書で言葉を引く仕組み |
1-2. なぜこの話が「業務効率化」と関係あるのか
一見、辞書型は純粋にプログラマー向けの技術トピックに見えます。しかし実は、経営者や管理職が日常的に抱えている「あるものから別の情報を素早く調べたい」業務のほとんどは、この「辞書的な仕組み」に置き換えられます。
これらはすべて「1つの見出しに対して、複数の情報がひもづいている」という点で、辞書型が得意とする構造と本質的に同じです。つまり、辞書型の正体を知ることは、「自分の業務のどこにデータ管理の自動化余地があるか」を見抜くヒントになるのです。
代表菅澤
02 BASIC OPERATIONS 辞書の基本操作を図でつかむ 作成・取得・追加・削除の4つの基本動作
プログラミングスクールの記事では、辞書型に対する基本操作として「作成」「取得」「追加」「削除」の4つがセットで解説されます。ここでは、非エンジニアでも直感的に分かるレベルで整理します。
| 操作 | ザックリ言うと | 身近な例 |
|---|---|---|
| 作成 | 新しい対応表を作る | 新しい商品コード表を1から作る |
| 取得 | キーを指定して値を調べる | 商品コード「A001」から商品名を調べる |
| 追加 | 新しい組み合わせを付け足す | 新商品「A050」を対応表に追加する |
| 削除 | 特定の組み合わせを取り除く | 廃番商品「A010」を対応表から消す |
対応表の
ひな形を作る
キーを指定して
値を調べる
新しい組み合わせ
を付け足す
不要な組み合わせ
を取り除く
📚 用語解説
取得（アクセス）：辞書からキーを指定して、対応する値を取り出す操作。「商品コードA001の商品名は何ですか」と辞書に問いかけて、答えを受け取るイメージです。存在しないキーを指定するとエラーになる点に注意が必要です。
2-1. 「存在しないキーを指定するとエラーになる」という注意点
辞書からデータを取得する際、存在しないキーを指定するとエラーが発生するという仕様があります。たとえば「A999」という商品コードが対応表に存在しないのに、その商品名を取得しようとすると、プログラムが止まってしまいます。これを回避するための書き方（存在しない場合はデフォルト値を返す、など）も別途用意されていますが、こうした細かい仕様を理解するのはプログラミング初学者にとって負荷の高い作業です。
「見出し（キー）を指定すれば、対応する中身（値）がすぐ分かる仕組み」——このイメージさえ持っていれば十分です。存在しないキーを指定したときの挙動や、正確な構文を覚える必要は、あなたの業務には一切関係ありません。
2-2. 追加・更新は同じ書き方でできる
辞書に新しいデータを追加する場合と、既存のデータを更新（上書き）する場合は、実はほぼ同じ書き方で実現できます。「そのキーがまだ存在しなければ追加、すでに存在すれば上書き」という挙動になるため、プログラマーは追加と更新をあまり厳密に区別せずに扱うことができます。
AI鬼管理山崎
03 SEARCH AND SORT 検索・ソートと、初学者がつまずきやすい注意点 keys/values/inの使い分けと、並び替えの落とし穴
辞書型のデータに対しては、単純な取得だけでなく「検索」や「並び替え（ソート）」といった応用操作も可能です。ここでは代表的な操作と、初学者がつまずきやすいポイントを紹介します。
3-1. 検索の3つの方法
辞書の中身を検索する方法にはいくつかの種類があり、「見出し（キー）の一覧を見たいのか」「中身（値）の一覧を見たいのか」「特定のものが存在するかどうかを確認したいのか」によって使い分けます。
| 知りたいこと | 身近な例 | イメージ |
|---|---|---|
| 見出し（キー）の一覧 | 登録されている商品コードを全部見たい | 対応表の左列を全部見る |
| 中身（値）の一覧 | 登録されている商品名を全部見たい | 対応表の右列を全部見る |
| 特定のものが存在するか | この商品コードは登録済みか確認したい | 対応表にその項目があるか探す |
3-2. ソート（並び替え）の落とし穴
辞書のデータを並び替えたい（たとえば商品名のあいうえお順に並べたいなど）場合、Pythonでは並び替えの結果が元の辞書型ではなく、リスト型として返されるという仕様があります。これは初学者がつまずきやすいポイントの一つで、「並び替えたのに、いつもの辞書の書き方でデータが取り出せない」という混乱につながりがちです。
📚 用語解説
ソート（並び替え）：データを一定のルール（あいうえお順、数値の大小順など）に沿って並べ替える処理。辞書型のデータを並び替えると、結果がリスト型に変わるという仕様上の注意点があります。
辞書のソートに関するこの仕様を知らずにコードを書くと、「並び替えた後のデータに、いつもの方法でアクセスしようとしてエラーになる」という事態が起こりえます。こうした地味な仕様の違いを1つずつ把握していく作業こそが、プログラミング学習の負荷の正体です。
3-3. ネスト（入れ子）した辞書という応用
実務のデータはもっと複雑な場合もあります。たとえば「商品コードに対して、商品名・価格・在庫数という複数の情報をまとめて管理したい」という場合、辞書の中にさらに辞書を入れるネスト（入れ子）構造が使われます。これは基本的な辞書型よりもさらに一段複雑な知識が必要になる領域です。
📚 用語解説
ネスト（入れ子）：データの中に、さらに同じ種類のデータを組み込む構造のこと。辞書の中に辞書を入れることで、「1つの見出しに対して、複数の情報をまとめて管理する」という複雑なデータ構造を表現できます。
代表菅澤
04 REAL NEEDS 実は身近にある「対応表・マスタデータ」の業務ニーズ あなたの会社の「一覧表」の多くは辞書型の仲間
「うちはプログラミングと無縁の会社だから関係ない」と思われるかもしれませんが、実際にはほとんどの会社に「見出しと中身の対応表」を管理する業務が眠っています。ここでは、代表的な3つの場面を紹介します。
4-1. 商品・在庫マスタの管理
たとえば、数百〜数千件の商品コードに対して、商品名・価格・在庫数を管理している場合、「このコードの商品情報をすぐ調べたい」「新商品を追加したい」「廃番商品を削除したい」といった作業が頻繁に発生します。これは見出しと中身の対応関係を扱うという意味で、まさに辞書型が得意とする作業です。
従来であれば「Excelを開いて、該当のコードを検索して、手作業で確認・修正する」という流れが一般的でした。しかし、こうした対応表の検索・追加・削除は、Claude Codeに「この商品コードの情報を調べて」「この商品を追加して」と頼むだけで、数分のうちに完了するケースが増えています。
4-2. 顧客・取引先マスタの管理
顧客IDや取引先コードから、担当者・契約内容・過去のやり取りをすぐに調べたいというニーズも、辞書型的な構造そのものです。特に取引先が増えるほど、この「見出しから情報を素早く引く」仕組みの重要性が高まります。
人間が手作業でこれをやると、データ量が増えるほど検索に時間がかかり、入力ミスも発生しやすくなります。辞書的な処理はコンピュータが最も得意とする領域であり、AIに任せることで正確さとスピードの両方が手に入ります。
4-3. 「複数の情報をまとめて管理したい」ニーズ
もう一つ見落とされがちなのが、1つの見出しに対して複数の情報をまとめて管理したいというニーズです。たとえば「1つの案件番号に、担当者・金額・進捗状況・次回アクションをまとめて管理したい」といった場面です。
これはまさに、前章で紹介した「ネスト（入れ子）した辞書」と同じ構造です。案件番号というキーに対して、複数の情報がひもづいた値が対応する——このイメージさえ持てれば、あとは実装をAIに任せるだけで、複雑なデータ管理も実現できます。
📚 用語解説
マスタデータ：業務の基準となる、変化の少ない基本情報のこと。商品マスタ、顧客マスタ、社員マスタなど、様々な業務システムの土台になるデータです。辞書型は、このマスタデータを扱うのに適した構造です。
代表菅澤
05 GENAI CASE STUDY 【独自データ】GENAI社内のマスタ管理・自動化実績 Max 20xプラン契約会社が、何にどれだけAIを使っているか
ここでは、弊社（株式会社GENAI）で実際にClaude Codeを運用している状況を、数値ベースで公開します。「辞書的な対応表・マスタデータ管理」を含む業務全般に、AIをどこまで組み込んでいるかのリアルな参考情報です。
5-1. 弊社の契約プランと導入範囲
| 項目 | 内容 |
|---|---|
| 契約プラン | Claude Max 20x（月$200 / 約30,000円） |
| 利用開始 | 2025年後半〜 |
| 利用部署 | 経営・営業・広告・開発・経理・秘書業務・個人業務まで全社 |
| 主な利用モデル | Sonnet 4.6（日常業務）／Opus 4.6（複雑な判断が必要なとき） |
弊社では「このコードに対応する情報をすぐ調べたい」「この対応表を整理したい」という場面に出会うたびに、Claude Codeに「これを整理・検索できないか」と相談する運用にしています。結果として、以下のような業務領域で削減効果が出ています。
5-2. 業務領域別の削減時間（肌感ベース・概算）
| 業務領域 | 主な用途 | 概算削減時間 |
|---|---|---|
| 営業 | 顧客マスタの整理・見込み客の対応表更新 | 週20時間 → 週2時間 |
| 広告運用 | 媒体ごとのキャンペーンコード対応表の管理 | 週10時間 → 週1時間 |
| 経理 | 取引先マスタ・勘定科目対応表のチェック | 月40時間 → 月5時間 |
| ブログ記事 | SEO記事執筆・リライト | 1本8時間 → 1本1時間 |
| 秘書業務 | 担当者・案件番号の対応表整理 | 日2時間 → 日15分 |
上記は弊社の肌感ベースの概算数値であり、業種・業態・担当者のスキルによって削減時間は変動します。「完全自動化」を意味するものではなく、あくまで人間のレビューを前提とした参考情報としてご覧ください。
5-3. 「対応表の整理・検索」が自動化と特に相性が良い理由
弊社の実感として、社内の自動化案件の中でも「見出しから情報を調べる、または対応表を整理する」タスク——つまり辞書的な処理を含む業務は、他のタスクに比べて導入効果が出やすい傾向があります。理由は明確で、対応関係のルールさえ明確であれば、機械的な処理であるほどAIが得意とする領域だからです。
整理したい対応表を
1つ見つける
Claude Codeに
日本語で依頼
結果を確認して
微調整を依頼
定型業務として
定着させる
AI鬼管理山崎
06 LEARN VS DELEGATE 「Pythonを学ぶ」vs「Claude Codeに任せる」を4軸で比較 非エンジニアが本当に検討すべきなのはどちらか
ここからがこの記事の本題です。「辞書型のようなデータ管理の技術をマスターしたい」と思ったとき、非エンジニアの経営者・管理職には大きく2つの選択肢があります。①自分でPythonを学ぶ、②Claude Codeに日本語で頼む——この2つを、4つの軸で徹底比較します。
6-1. 軸1：習得・実行までにかかる時間
Pythonを独学で学ぶ場合、辞書型の基礎構文だけでも理解に数週間、実際に業務レベルのデータ管理ができるようになるまでには数ヶ月単位の学習期間が必要になるのが一般的です。環境構築（Pythonをパソコンで動かせるようにする準備）の壁もあります。
一方、Claude Codeに「この対応表を作って、コードから情報がすぐ調べられるようにして」と日本語で依頼した場合、多くのケースで数分から数十分で結果が返ってきます。学習期間ゼロで、今日から結果を手にできる点が最大の違いです。
6-2. 軸2：保守・修正のしやすさ
自分でコードを書けるようになったとしても、「半年後に管理する項目を増やしたい」「別の担当者が引き継ぐ」といった場面で、過去に書いたコードを読み直して修正する作業が発生します。これはコードを書いた本人でも地味に負荷が高い作業です。
Claude Codeに任せている場合は、「この対応表に、新しい項目も追加して」と伝えるだけで修正が完結します。コードの中身を人間が読み直す必要がなく、担当者が変わっても引き継ぎコストが低いのも実務上のメリットです。
📚 用語解説
保守（メンテナンス）：すでに動いているシステムやコードを、後から修正・更新していく作業のこと。「一度作って終わり」ではなく、仕様変更やトラブル対応のたびに発生し続けるコストです。
6-3. 軸3：対応できる範囲の広さ
Pythonを学んで辞書型が使えるようになっても、それは「データを構造化して管理する」という一分野の知識にすぎません。経理の仕訳処理、広告レポートの集計、議事録の要約など、他の業務を自動化したい場合は、また別の技術（SQL、Excel関数、業務システムの知識など）を学ぶ必要が出てきます。
一方Claude Codeは、Pythonに限らずSQL・Excel操作・文書作成・データ集計まで、業務全般を横断して同じ「日本語で頼む」というインターフェースで対応できます。1つの技術を学ぶより、1つの依頼の仕方を覚える方が汎用性が高いという逆転現象が起きています。
| できること | 自分でPythonを学ぶ場合 | Claude Codeに任せる場合 |
|---|---|---|
| 対応表・マスタデータの管理 | ○（学習後） | ○ |
| 広告レポートの集計 | △（別途学習が必要） | ○ |
| 議事録の要約・タスク抽出 | ×（辞書型だけでは対応不可） | ○ |
| 見積書・請求書の自動生成 | △（別途学習が必要） | ○ |
6-4. 軸4：コストの考え方
Pythonを独学する場合、書籍代やオンライン講座代として数千円〜数万円、加えて学習に費やす自分自身の時間というコストがかかります。経営者や管理職の時給で考えると、この時間コストは決して小さくありません。
Claude Codeの場合、弊社が契約しているMax 20xプランでも月額$200（約3万円）です。この金額で、Pythonの学習だけでなく経理・営業・広告など会社のあらゆる業務を横断的に自動化できることを踏まえると、時給換算での投資対効果は圧倒的にAI活用側が有利になります。
Python学習コスト ＝ 教材費 ＋ 環境構築 ＋（学習時間 × あなたの時給）
Claude Code導入コスト ＝ 月額3万円（会社の業務全体に使い回せる）
代表菅澤
07 GETTING STARTED 非エンジニアが今日から始める3ステップ ターミナルもプロンプト力も不要、まず1つの対応表から
「便利なのは分かったけど、自分にできるか不安」という方のために、非エンジニアがClaude Codeでデータ管理を始めるための3ステップを紹介します。
7-1. ステップ1：面倒な「対応表の管理」を1つ選ぶ
最初から壮大なシステム構築を狙う必要はありません。「毎回Excelを開いて手作業で検索している対応表」を1つだけ思い浮かべてください。商品マスタ、顧客マスタ、社員名簿——なんでも構いません。
「件数が多い」「頻繁に検索・更新する」「入力ミスが許されない」——このどれかに当てはまる対応表が、自動化の効果が出やすい典型パターンです。
7-2. ステップ2：Claude Codeに日本語で頼んでみる
専門用語も、プロンプトのテクニックも不要です。「このコード一覧から、〇〇の情報がすぐ調べられるようにして」というように、人に頼むときと同じ言葉で伝えるだけで動き始めます。
7-3. ステップ3：結果を確認し、微調整を重ねる
初回の結果が100点満点でなくても問題ありません。「この項目も追加して」「もう少し見やすくして」と会話するように伝えれば、Claude Codeがその場で修正してくれます。この試行錯誤にコードの知識は一切必要ありません。
1つ選ぶ
件数が多い
対応表がおすすめ
頼んでみる
「これをすぐ
調べられるように」
微調整
会話するように
直していく
定着させる
次回からは
自動で回る
AI鬼管理山崎
08 CONCLUSION まとめ ── 「構文」ではなく「整理された対応表」を手に入れる 辞書型の書き方を覚えるより、Claude Codeへの頼み方を知る方が価値がある
この記事では、Pythonの辞書（dictionary）の基本と、キーと値の関係、作成・取得・追加・削除の基本操作、検索・ソートの注意点、そして身の回りに潜む「対応表・マスタデータの業務ニーズ」、弊社GENAIの実運用データ、Pythonを学ぶこととClaude Codeに任せることの比較までを整理しました。最後にポイントを振り返ります。
最も重要なメッセージをお伝えします。辞書型の正確な文法を覚えることに、経営者や管理職の時間を使う必要はありません。大切なのは、「自分の業務のどこに対応表・マスタデータが眠っているか」に気づき、それをClaude Codeに日本語で伝えることだけです。
弊社では、Claude Codeを「チャットツール」ではなく「もう一人の社員」として位置づけることで、月30,000円のプラン契約で日々のデータ管理作業の多くを肩代わりしてもらっています。この考え方に共感いただけた方は、ぜひ以下のAI鬼管理までお気軽にご相談ください。
代表菅澤
「対応表・マスタデータの管理」を、AI鬼管理が一緒に設計します
プログラミングを学ばなくても、日々のデータ管理はAIに任せられます。
弊社の実運用ノウハウをベースに、あなたの会社に合った自動化の入り口を一緒に見つけます。
AI鬼管理山崎
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. Pythonの辞書型とリスト型、結局どちらを覚えればいいですか？
A. 経営者や管理職の立場であれば、どちらも覚える必要はありません。この2つの違いはプログラマー向けの技術知識であり、実務では「このデータをどう管理したいか」という目的をClaude Codeに日本語で伝えるだけで、AI側が適切なデータの持ち方を自動的に選んで実行してくれます。
Q. 存在しないキーを指定するとエラーになるのはなぜですか？
A. 辞書は「登録されている見出し（キー）」に対してのみ、対応する値を返す仕組みだからです。登録されていない見出しを指定すると、辞書側は「そんな見出しは知らない」という扱いになりエラーが発生します。この挙動を回避する書き方も存在しますが、非エンジニアが覚える必要はありません。
Q. Pythonを学ばなくても、本当に対応表やマスタデータの管理ができるのですか？
A. できます。Claude Codeのようなエージェント型AIは、日本語での依頼を理解し、必要なコードを自ら書いて実行します。「このコード一覧から情報がすぐ調べられるようにして」といった具体的な依頼をするだけで、コードの知識がなくても結果を得られます。
Q. Claude Codeに任せたデータ管理は、後から自分たちで修正できますか？
A. 修正自体は「ここをこう変えて」とClaude Codeに再度依頼する形になります。コードを人間が直接編集する必要はなく、担当者が変わってもコードを読み解く必要がないため、従来の「自分でコードを書く」方式より引き継ぎのハードルは低くなります。
Q. エンジニアがいない中小企業でも、この記事で紹介したようなデータ管理は導入できますか？
A. 導入できます。弊社GENAIの支援先も、エンジニアが在籍していない中小企業が中心です。重要なのはコードを書けることではなく、「自社のどの対応表を整理すれば業務が楽になるか」を見極める視点であり、これは経営者・管理職自身が最もよく分かっている領域です。
Q. この記事で紹介した削減時間の数値は、どんな会社でも同じように達成できますか？
A. いいえ、業種・業態・既存の業務フロー・担当者のAI活用スキルによって変動します。記事内の数値はあくまで弊社GENAIが自社運用で得ている肌感ベースの概算であり、保証値ではありません。導入前には自社の業務量に応じた個別のシミュレーションを行うことをお勧めします。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
