📁
Pythonプロジェクトのディレクトリ構造設計：個人開発からexe配布まで
はじめに
個人開発でPythonプロジェクトを進める際、適切なディレクトリ構造は開発効率と保守性を大きく左右します。特に、複数の実行可能プログラムを含み、最終的にexe形式で配布することを前提とした場合、計画的な構造設計が不可欠です。
本記事では、開発からテスト、そしてexe化によるリリースまでをスムーズに行うための実践的なディレクトリ構造を提案します。
推奨ディレクトリ構造
実用的でシンプルな構造
my_project/
├── src/
│ ├── apps/ # 各実行可能プログラム
│ │ ├── __init__.py
│ │ ├── app1_data_analyzer.py
│ │ ├── app2_batch_processor.py
│ │ ├── app3_realtime_monitor.py
│ │ ├── app4_report_generator.py
│ │ ├── app5_data_converter.py
│ │ └── launcher.py
│ ├── lib/ # 共通ライブラリ（シンプルに1階層）
│ │ ├── __init__.py
│ │ ├── processing.py # メイン処理ロジック
│ │ ├── utils.py # ユーティリティ関数
│ │ ├── config.py # 設定管理
│ │ └── fast_calc.pyx # Cython高速化（必要な場合）
│ └── resources/ # リソースファイル
│ ├── config.json
│ └── templates/
├── tests/ # テストコード
│ ├── __init__.py
│ ├── test_processing.py
│ └── test_utils.py
├── build/ # ビルド関連
│ ├── build_exe.py # exe化スクリプト
│ └── app_specs/ # 各アプリのspecファイル
├── dist/ # 配布用成果物（自動生成）
├── setup.py # Cythonビルド用
├── requirements.txt # 依存パッケージ
├── README.md
└── .gitignore
各ファイルの具体的な実装例
1. src/apps/app1_data_analyzer.py - データ分析アプリ
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
データ分析アプリケーション
数値データから画像を生成し、類似度を計算する
"""
import sys
from pathlib import Path
# srcディレクトリをPythonパスに追加（重要！）
sys.path.insert(0, str(Path(__file__).parent.parent))
from lib import processing, utils, config
import tkinter as tk
from tkinter import filedialog, messagebox
import numpy as np
def main():
"""メインエントリーポイント"""
# 設定読み込み
cfg = config.load_config()
# GUIアプリケーション
root = tk.Tk()
root.title("データ分析ツール")
root.geometry("600x400")
def analyze_data():
# ファイル選択
file_path = filedialog.askopenfilename(
filetypes=[("CSVファイル", "*.csv"), ("すべて", "*.*")]
)
if not file_path:
return
try:
# データ読み込みと処理
data = utils.load_csv_data(file_path)
processor = processing.ImageProcessor()
# 画像生成
image = processor.data_to_image(data, dtype="numerical")
# 結果表示
messagebox.showinfo("完了", f"画像生成完了\nサイズ: {image.shape}")
except Exception as e:
messagebox.showerror("エラー", str(e))
# UIセットアップ
tk.Button(root, text="データ分析開始", command=analyze_data,
width=20, height=2).pack(pady=20)
tk.Button(root, text="終了", command=root.quit,
width=20, height=2).pack(pady=10)
root.mainloop()
if __name__ == "__main__":
main()
2. src/apps/launcher.py - ランチャーアプリケーション
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
プロジェクトランチャー
すべてのアプリケーションを統合管理
"""
import sys
from pathlib import Path
import subprocess
import tkinter as tk
from tkinter import ttk
import json
sys.path.insert(0, str(Path(__file__).parent.parent))
from lib import config
class LauncherApp:
def __init__(self):
self.root = tk.Tk()
self.root.title("プロジェクトランチャー")
self.root.geometry("400x500")
# アプリケーション定義（同じディレクトリ内のアプリを自動検出）
self.apps = self._discover_apps()
self.setup_ui()
def _discover_apps(self):
"""appsディレクトリ内のアプリを自動検出"""
apps_dir = Path(__file__).parent
apps = {}
for py_file in apps_dir.glob("app*.py"):
if py_file.name != "launcher.py":
# ファイル名から表示名を生成
display_name = py_file.stem.replace("_", " ").title()
apps[display_name] = py_file.name
return apps
def setup_ui(self):
# タイトル
title_label = ttk.Label(self.root, text="アプリケーション選択",
font=("Arial", 16, "bold"))
title_label.pack(pady=20)
# アプリケーションボタン
for name, filename in self.apps.items():
btn = ttk.Button(
self.root,
text=name,
command=lambda f=filename: self.launch_app(f),
width=30
)
btn.pack(pady=5)
# 終了ボタン
ttk.Separator(self.root, orient='horizontal').pack(fill='x', pady=20)
ttk.Button(self.root, text="終了", command=self.root.quit,
width=30).pack(pady=10)
def launch_app(self, filename):
"""アプリケーションを起動"""
app_path = Path(__file__).parent / filename
# 新しいプロセスで起動
subprocess.Popen([sys.executable, str(app_path)])
# ログ出力
print(f"起動: {filename}")
def run(self):
self.root.mainloop()
if __name__ == "__main__":
app = LauncherApp()
app.run()
3. src/lib/processing.py - メイン処理ロジック
# -*- coding: utf-8 -*-
"""
画像処理と類似度計算のコアロジック
"""
import cv2
import numpy as np
from typing import Union, List, Dict, Tuple
import warnings
# Cythonモジュールのインポート（オプション）
try:
from . import fast_calc
HAS_CYTHON = True
except ImportError:
HAS_CYTHON = False
warnings.warn("Cythonモジュールが見つかりません。通常速度で動作します。")
class ImageProcessor:
"""画像処理の主要クラス"""
def __init__(self, use_cython: bool = True):
self.use_cython = use_cython and HAS_CYTHON
self.kernels = self._init_kernels()
def _init_kernels(self) -> Dict[str, np.ndarray]:
"""各種カーネルの初期化"""
return {
'gaussian': cv2.getGaussianKernel(5, 1.0) @ cv2.getGaussianKernel(5, 1.0).T,
'sobel_x': np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype=np.float32),
'sobel_y': np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]], dtype=np.float32),
'laplacian': np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]], dtype=np.float32)
}
def data_to_image(self, data: Union[List, np.ndarray],
dtype: str = "numerical",
size: Tuple[int, int] = (128, 128)) -> np.ndarray:
"""データを画像に変換"""
if dtype == "numerical":
return self._numerical_to_image(data, size)
elif dtype == "categorical":
return self._categorical_to_image(data, size)
else:
raise ValueError(f"サポートされていないデータ型: {dtype}")
def _numerical_to_image(self, data: Union[List[float], np.ndarray],
size: Tuple[int, int]) -> np.ndarray:
"""数値データを画像に変換"""
# numpy配列に変換
if not isinstance(data, np.ndarray):
data = np.array(data, dtype=np.float32)
# データを正規化（0-255）
data_norm = ((data - data.min()) / (data.max() - data.min()) * 255).astype(np.uint8)
# リサイズして画像化
if self.use_cython:
# Cython版の高速リシェイプ
image = fast_calc.fast_reshape_to_image(data_norm, size[0], size[1])
else:
# 通常のリシェイプ
# データが不足する場合は0パディング
total_pixels = size[0] * size[1]
if len(data_norm) < total_pixels:
data_norm = np.pad(data_norm, (0, total_pixels - len(data_norm)))
elif len(data_norm) > total_pixels:
data_norm = data_norm[:total_pixels]
image = data_norm.reshape(size)
return image
def _categorical_to_image(self, data: List[str],
size: Tuple[int, int]) -> np.ndarray:
"""カテゴリデータを画像に変換"""
# カテゴリを数値に変換
unique_categories = list(set(data))
category_map = {cat: idx for idx, cat in enumerate(unique_categories)}
# 数値配列に変換
numerical_data = [category_map[cat] for cat in data]
# 数値データとして画像化
return self._numerical_to_image(numerical_data, size)
def calculate_similarity(self, img1: np.ndarray, img2: np.ndarray,
method: str = "mse") -> float:
"""2つの画像の類似度を計算"""
# サイズを合わせる
if img1.shape != img2.shape:
img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))
# フィルタ適用
filtered1 = cv2.filter2D(img1, -1, self.kernels['gaussian'])
filtered2 = cv2.filter2D(img2, -1, self.kernels['gaussian'])
# 類似度計算
if method == "mse":
mse = np.mean((filtered1 - filtered2) ** 2)
similarity = 1 / (1 + mse)
elif method == "ssim":
# 構造的類似性指標
similarity = self._calculate_ssim(filtered1, filtered2)
else:
raise ValueError(f"サポートされていない手法: {method}")
return float(similarity)
def _calculate_ssim(self, img1: np.ndarray, img2: np.ndarray) -> float:
"""SSIM（構造的類似性指標）を計算"""
# 簡易版SSIM実装
c1 = 0.01 ** 2
c2 = 0.03 ** 2
mu1 = cv2.GaussianBlur(img1, (11, 11), 1.5)
mu2 = cv2.GaussianBlur(img2, (11, 11), 1.5)
mu1_sq = mu1 ** 2
mu2_sq = mu2 ** 2
mu1_mu2 = mu1 * mu2
sigma1_sq = cv2.GaussianBlur(img1 ** 2, (11, 11), 1.5) - mu1_sq
sigma2_sq = cv2.GaussianBlur(img2 ** 2, (11, 11), 1.5) - mu2_sq
sigma12 = cv2.GaussianBlur(img1 * img2, (11, 11), 1.5) - mu1_mu2
ssim = ((2 * mu1_mu2 + c1) * (2 * sigma12 + c2)) / \
((mu1_sq + mu2_sq + c1) * (sigma1_sq + sigma2_sq + c2))
return float(np.mean(ssim))
4. src/lib/utils.py - ユーティリティ関数
# -*- coding: utf-8 -*-
"""
ユーティリティ関数群
"""
import csv
import json
from pathlib import Path
from typing import List, Dict, Any
import numpy as np
def load_csv_data(filepath: str) -> List[float]:
"""CSVファイルからデータを読み込み"""
data = []
with open(filepath, 'r', encoding='utf-8') as f:
reader = csv.reader(f)
for row in reader:
# 数値データの列を抽出（最初の列と仮定）
try:
value = float(row[0])
data.append(value)
except (ValueError, IndexError):
continue
if not data:
raise ValueError("有効なデータが見つかりません")
return data
def save_result(result: Dict[str, Any], output_path: str) -> None:
"""結果をJSON形式で保存"""
output_path = Path(output_path)
output_path.parent.mkdir(parents=True, exist_ok=True)
with open(output_path, 'w', encoding='utf-8') as f:
json.dump(result, f, ensure_ascii=False, indent=2)
def get_timestamp() -> str:
"""タイムスタンプを取得"""
from datetime import datetime
return datetime.now().strftime("%Y%m%d_%H%M%S")
def ensure_dir(path: str) -> Path:
"""ディレクトリが存在しない場合は作成"""
path = Path(path)
path.mkdir(parents=True, exist_ok=True)
return path
5. src/lib/config.py - 設定管理
# -*- coding: utf-8 -*-
"""
設定管理モジュール
"""
import json
from pathlib import Path
from typing import Dict, Any
# デフォルト設定
DEFAULT_CONFIG = {
"image_size": [128, 128],
"similarity_method": "mse",
"use_cython": True,
"output_dir": "output",
"log_level": "INFO"
}
def get_config_path() -> Path:
"""設定ファイルのパスを取得"""
# srcの親ディレクトリ（プロジェクトルート）を基準にする
base_dir = Path(__file__).parent.parent.parent
return base_dir / "src" / "resources" / "config.json"
def load_config() -> Dict[str, Any]:
"""設定を読み込み"""
config_path = get_config_path()
if config_path.exists():
with open(config_path, 'r', encoding='utf-8') as f:
user_config = json.load(f)
# デフォルト設定とマージ
config = DEFAULT_CONFIG.copy()
config.update(user_config)
return config
else:
# 設定ファイルがない場合はデフォルトを使用
save_config(DEFAULT_CONFIG)
return DEFAULT_CONFIG
def save_config(config: Dict[str, Any]) -> None:
"""設定を保存"""
config_path = get_config_path()
config_path.parent.mkdir(parents=True, exist_ok=True)
with open(config_path, 'w', encoding='utf-8') as f:
json.dump(config, f, ensure_ascii=False, indent=2)
def get(key: str, default: Any = None) -> Any:
"""設定値を取得"""
config = load_config()
return config.get(key, default)
6. src/lib/fast_calc.pyx - Cython高速化モジュール（オプション）
# -*- coding: utf-8 -*-
# cython: language_level=3
"""
Cythonによる高速化処理
コンパイルが必要: python setup.py build_ext --inplace
"""
import numpy as np
cimport numpy as np
cimport cython
# NumPy C-APIの初期化
np.import_array()
@cython.boundscheck(False)
@cython.wraparound(False)
def fast_reshape_to_image(np.ndarray[np.uint8_t, ndim=1] data,
int width, int height):
"""高速な1次元配列から2次元画像への変換"""
cdef int i, j, idx
cdef int data_len = data.shape[0]
cdef np.ndarray[np.uint8_t, ndim=2] result = np.zeros((height, width), dtype=np.uint8)
for i in range(height):
for j in range(width):
idx = i * width + j
if idx < data_len:
result[i, j] = data[idx]
else:
result[i, j] = 0 # パディング
return result
@cython.boundscheck(False)
@cython.wraparound(False)
def fast_convolution_2d(np.ndarray[np.float32_t, ndim=2] image,
np.ndarray[np.float32_t, ndim=2] kernel):
"""高速2D畳み込み演算"""
cdef int img_h = image.shape[0]
cdef int img_w = image.shape[1]
cdef int ker_h = kernel.shape[0]
cdef int ker_w = kernel.shape[1]
cdef int pad_h = ker_h // 2
cdef int pad_w = ker_w // 2
# 結果配列
cdef np.ndarray[np.float32_t, ndim=2] result = np.zeros_like(image)
cdef int i, j, m, n
cdef float sum_val
for i in range(pad_h, img_h - pad_h):
for j in range(pad_w, img_w - pad_w):
sum_val = 0.0
for m in range(ker_h):
for n in range(ker_w):
sum_val += image[i + m - pad_h, j + n - pad_w] * kernel[m, n]
result[i, j] = sum_val
return result
ビルド設定
setup.py - Cythonビルド設定
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Cythonモジュールのビルド設定
使用方法: python setup.py build_ext --inplace
"""
from setuptools import setup, Extension
from Cython.Build import cythonize
import numpy as np
import sys
from pathlib import Path
# プロジェクトのルートディレクトリ
ROOT_DIR = Path(__file__).parent
# Cython拡張モジュールの定義
extensions = [
Extension(
name="src.lib.fast_calc", # モジュールの完全な名前
sources=["src/lib/fast_calc.pyx"], # Cythonソースファイル
include_dirs=[np.get_include()], # NumPyのヘッダファイルパス
language="c", # C言語を使用（C++の場合は"c++"）
)
]
# セットアップ設定
setup(
name="MyProjectCython",
ext_modules=cythonize(
extensions,
compiler_directives={
'language_level': "3", # Python 3を使用
'boundscheck': False, # 境界チェックを無効化（高速化）
'wraparound': False, # 負のインデックスを無効化（高速化）
}
),
zip_safe=False,
)
# ビルド後の説明を表示
if "build_ext" in sys.argv:
print("\n" + "="*50)
print("Cythonモジュールのビルドが完了しました！")
print("生成されたファイル:")
print(" - src/lib/fast_calc.*.pyd (Windows)")
print(" - src/lib/fast_calc.*.so (Linux/Mac)")
print("="*50 + "\n")
requirements.txt - 依存パッケージ
# 基本パッケージ
numpy>=1.20.0
opencv-python>=4.5.0
# GUI
tkinter # 通常はPythonに含まれている
# ビルド用（オプション）
Cython>=0.29.0 # Cython高速化を使用する場合
pyinstaller>=5.0 # exe化用
# テスト用（開発時のみ）
pytest>=7.0.0
pytest-cov>=3.0.0
build/build_exe.py - exe化スクリプト
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
exe化ビルドスクリプト
全アプリケーションを一括でexe化する
"""
import os
import sys
import shutil
import subprocess
from pathlib import Path
import json
# プロジェクトルート
ROOT_DIR = Path(__file__).parent.parent
SRC_DIR = ROOT_DIR / "src"
DIST_DIR = ROOT_DIR / "dist"
BUILD_DIR = ROOT_DIR / "build"
class ExeBuilder:
def __init__(self):
self.apps_dir = SRC_DIR / "apps"
self.specs_dir = BUILD_DIR / "app_specs"
self.specs_dir.mkdir(exist_ok=True)
def create_spec_file(self, app_name: str, app_path: Path) -> Path:
"""各アプリ用のspecファイルを生成"""
spec_content = f'''
# -*- mode: python ; coding: utf-8 -*-
# {app_name}のビルド設定
block_cipher = None
a = Analysis(
['{app_path.as_posix()}'],
pathex=['{SRC_DIR.as_posix()}'],
binaries=[],
datas=[
('{(SRC_DIR / "resources").as_posix()}', 'resources'),
('{(SRC_DIR / "lib").as_posix()}', 'lib'),
],
hiddenimports=['lib', 'lib.processing', 'lib.utils', 'lib.config'],
hookspath=[],
hooksconfig={{}},
runtime_hooks=[],
excludes=[],
win_no_prefer_redirects=False,
win_private_assemblies=False,
cipher=block_cipher,
noarchive=False,
)
pyz = PYZ(a.pure, a.zipped_data, cipher=block_cipher)
exe = EXE(
pyz,
a.scripts,
a.binaries,
a.zipfiles,
a.datas,
[],
name='{app_name}',
debug=False,
bootloader_ignore_signals=False,
strip=False,
upx=True,
upx_exclude=[],
runtime_tmpdir=None,
console=False, # GUIアプリの場合False、CLIアプリの場合True
disable_windowed_traceback=False,
target_arch=None,
codesign_identity=None,
entitlements_file=None,
)
'''
spec_path = self.specs_dir / f"{app_name}.spec"
spec_path.write_text(spec_content, encoding='utf-8')
return spec_path
def build_app(self, app_file: Path) -> bool:
"""個別アプリをビルド"""
app_name = app_file.stem
print(f"\n{'='*50}")
print(f"ビルド開始: {app_name}")
print(f"{'='*50}")
# specファイル作成
spec_path = self.create_spec_file(app_name, app_file)
# PyInstallerでビルド
cmd = [
sys.executable, "-m", "PyInstaller",
"--clean",
"--noconfirm",
"--distpath", str(DIST_DIR),
"--workpath", str(BUILD_DIR / "work"),
str(spec_path)
]
try:
result = subprocess.run(cmd, check=True, capture_output=True, text=True)
print(f"✓ {app_name} のビルドが成功しました")
return True
except subprocess.CalledProcessError as e:
print(f"✗ {app_name} のビルドが失敗しました")
print(f"エラー: {e.stderr}")
return False
def build_all(self):
"""全アプリケーションをビルド"""
print("全アプリケーションのビルドを開始します...")
# distディレクトリをクリーン
if DIST_DIR.exists():
shutil.rmtree(DIST_DIR)
DIST_DIR.mkdir(exist_ok=True)
# アプリケーションファイルを検索
app_files = list(self.apps_dir.glob("app*.py"))
app_files.append(self.apps_dir / "launcher.py")
success_count = 0
for app_file in app_files:
if self.build_app(app_file):
success_count += 1
print(f"\n{'='*50}")
print(f"ビルド完了: {success_count}/{len(app_files)} 成功")
print(f"成果物: {DIST_DIR}")
print(f"{'='*50}")
# 配布用ZIPを作成
if success_count == len(app_files):
self.create_release_zip()
def create_release_zip(self):
"""配布用ZIPファイルを作成"""
from datetime import datetime
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
zip_name = f"MyProject_Release_{timestamp}"
print(f"\n配布用ZIPを作成中: {zip_name}.zip")
shutil.make_archive(
str(DIST_DIR / zip_name),
'zip',
DIST_DIR
)
print(f"✓ 配布用ZIPを作成しました: {zip_name}.zip")
if __name__ == "__main__":
builder = ExeBuilder()
builder.build_all()
.gitignore - Git除外設定
# Python
__pycache__/
*.py[cod]
*$py.class
*.so
*.pyd
.Python
venv/
env/
# Cython
*.c
*.cpp
build/
*.egg-info/
# PyInstaller
dist/
build/
*.spec
# IDE
.vscode/
.idea/
*.swp
*.swo
# プロジェクト固有
output/
logs/
*.log
.DS_Store
Thumbs.db
開発ワークフロー
1. 環境セットアップ
# 仮想環境の作成
python -m venv venv
# 仮想環境の有効化 (Windows)
venv\Scripts\activate
# 仮想環境の有効化 (Mac/Linux)
source venv/bin/activate
# 依存関係のインストール
pip install -r requirements.txt
# Cythonモジュールのビルド（オプション）
python setup.py build_ext --inplace
2. 開発時の実行
# 個別アプリの実行
python src/apps/app1_data_analyzer.py
# ランチャーから実行
python src/apps/launcher.py
# テストの実行
pytest tests/
# カバレッジ付きテスト
pytest tests/ --cov=src.lib --cov-report=html
3. exe化と配布
# 全アプリケーションのexe化
python build/build_exe.py
# 特定のアプリだけexe化する場合
pyinstaller --onefile --windowed src/apps/launcher.py
4. プロジェクト初期化コマンド
新しいプロジェクトを始める際のコマンド集：
# プロジェクトディレクトリ構造の作成
mkdir -p src/{apps,lib,resources}
mkdir -p tests build/app_specs
touch src/__init__.py src/apps/__init__.py src/lib/__init__.py
touch README.md requirements.txt setup.py .gitignore
# Gitリポジトリの初期化
git init
git add .
git commit -m "Initial project structure"
ベストプラクティス
1. パス管理の統一
開発環境とexe環境の両方で動作するパス解決：
# src/lib/utils.pyに追加
import sys
from pathlib import Path
def get_project_root() -> Path:
"""プロジェクトルートディレクトリを取得"""
if getattr(sys, 'frozen', False):
# exe化されている場合
return Path(sys.executable).parent
else:
# 開発環境の場合（srcの親ディレクトリ）
return Path(__file__).parent.parent.parent
def get_resource_path(relative_path: str) -> Path:
"""リソースファイルの絶対パスを取得"""
if hasattr(sys, '_MEIPASS'):
# PyInstallerの一時ディレクトリ
return Path(sys._MEIPASS) / relative_path
else:
return get_project_root() / "src" / relative_path
2. エラーハンドリング
適切なエラー処理でユーザーフレンドリーに：
# src/apps/app1_data_analyzer.pyの改良版
import sys
import traceback
from tkinter import messagebox
def main():
try:
# アプリケーションのメイン処理
app = DataAnalyzerApp()
app.run()
except Exception as e:
# エラー詳細をログに記録
error_msg = f"エラーが発生しました:\n{str(e)}\n\n詳細:\n{traceback.format_exc()}"
# ログファイルに保存
log_path = Path(sys.executable).parent / "error.log" if getattr(sys, 'frozen', False) else "error.log"
with open(log_path, 'a', encoding='utf-8') as f:
f.write(f"\n{'='*50}\n{datetime.now()}\n{error_msg}\n")
# ユーザーに通知
messagebox.showerror("エラー", f"エラーが発生しました。\n詳細は {log_path} を確認してください。")
sys.exit(1)
3. メモリ管理
大量データ処理時のメモリ最適化：
# src/lib/processing.pyに追加
import gc
class ImageProcessor:
def process_large_dataset(self, data_list: List[np.ndarray]) -> List[float]:
"""大量データのバッチ処理"""
results = []
batch_size = 100 # メモリに応じて調整
for i in range(0, len(data_list), batch_size):
batch = data_list[i:i + batch_size]
# バッチ処理
for data in batch:
result = self.calculate_similarity(data, self.reference_image)
results.append(result)
# メモリ解放
del batch
gc.collect()
return results
4. テストの書き方
# tests/test_processing.py
import pytest
import numpy as np
from src.lib.processing import ImageProcessor
class TestImageProcessor:
@pytest.fixture
def processor(self):
return ImageProcessor(use_cython=False) # テストではCython無効
def test_data_to_image_numerical(self, processor):
data = [1.0, 2.0, 3.0, 4.0]
image = processor.data_to_image(data, "numerical", (2, 2))
assert image.shape == (2, 2)
assert image.dtype == np.uint8
def test_calculate_similarity_identical(self, processor):
img = np.ones((10, 10), dtype=np.uint8) * 128
similarity = processor.calculate_similarity(img, img)
assert similarity == 1.0 # 同じ画像なので完全一致
トラブルシューティング
よくある問題と解決方法
1. ModuleNotFoundError: No module named 'lib'
# 原因：Pythonパスが設定されていない
# 解決方法：各アプリの先頭に以下を追加
import sys
from pathlib import Path
sys.path.insert(0, str(Path(__file__).parent.parent))
2. exe化後にリソースファイルが見つからない
# specファイルのdatasにリソースを追加
datas=[
('src/resources', 'resources'),
('src/lib', 'lib'), # libフォルダも含める
]
3. OpenCVのImportError
# opencv-python-headlessを使用（GUI不要の場合）
pip uninstall opencv-python
pip install opencv-python-headless
4. Cythonモジュールがインポートできない
# オプショナルにしてフォールバックを実装
try:
from . import fast_calc
HAS_CYTHON = True
except ImportError:
HAS_CYTHON = False
# 通常のPython実装を使用
まとめ
本記事で提案したシンプルなディレクトリ構造により、以下のメリットが得られます：
- シンプルさ：フラットな構造でファイルを見つけやすい
- 実用性：5-6個のアプリに最適な規模
- 拡張性：必要に応じて構造を複雑化できる
- 保守性：共通処理をlibフォルダにまとめて管理
- exe化対応：ビルドスクリプトで簡単に配布可能
個人開発では「シンプルに始めて、必要に応じて成長させる」アプローチが最も効果的です。
この構造をベースに、あなたのプロジェクトに合わせてカスタマイズしてください。
Discussion