📄 ドキュメントコミュニティ

python-executor

NumPyやPandasなど100以上のライブラリがプリインストールされた安全な環境でPythonコードを実行し、データ処理やWebスクレイピング、画像・動画編集、自動化などを実現するSkill。

📜 元の英語説明(参考)

Execute Python code in a safe sandboxed environment via [inference.sh](https://inference.sh). Pre-installed: NumPy, Pandas, Matplotlib, requests, BeautifulSoup, Selenium, Playwright, MoviePy, Pillow, OpenCV, trimesh, and 100+ more libraries. Use for: data processing, web scraping, image manipulation, video creation, 3D model processing, PDF generation, API calls, automation scripts. Triggers: python, execute code, run script, web scraping, data analysis, image processing, video editing, 3D models, automation, pandas, matplotlib

🇯🇵 日本人クリエイター向け解説

一言でいうと

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux

mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o python-executor.zip https://jpskill.com/download/6204.zip && unzip -o python-executor.zip && rm python-executor.zip

🪟 Windows (PowerShell)

$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/6204.zip -OutFile "$d\python-executor.zip"; Expand-Archive "$d\python-executor.zip" -DestinationPath $d -Force; ri "$d\python-executor.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)

1. 下の青いボタンを押して python-executor.zip をダウンロード
2. ZIPファイルをダブルクリックで解凍 → python-executor フォルダができる
3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
4. Claude Code を再起動

⬇ .zip でダウンロード(推奨) ⬇ .skill 形式(上級者用) 元のソース ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
- · macOS / Linux: ~/.claude/skills/
- · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →

最終更新: 2026-05-17
取得日時: 2026-05-17
同梱ファイル: 1

📖 Skill本文(日本語訳)

※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。

Pythonコード実行環境

Python Code Executor

100以上のプリインストールされたライブラリを備えた安全なサンドボックス環境でPythonコードを実行します。

クイックスタート

curl -fsSL https://cli.inference.sh | sh && infsh login

# Pythonコードを実行
infsh app run infsh/python-executor --input '{
  "code": "import pandas as pd\nprint(pd.__version__)"
}'

アプリの詳細

プロパティ	値
アプリID	`infsh/python-executor`
環境	Python 3.10, CPUのみ
RAM	8GB (デフォルト) / 16GB (high_memory)
タイムアウト	1-300秒 (デフォルト: 30)

入力スキーマ

{
  "code": "print('Hello World!')",
  "timeout": 30,
  "capture_output": true,
  "working_dir": null
}

プリインストールライブラリ

Webスクレイピング & HTTP

requests, httpx, aiohttp - HTTPクライアント
beautifulsoup4, lxml - HTML/XMLパース
selenium, playwright - ブラウザ自動化
scrapy - Webスクレイピングフレームワーク

データ処理

numpy, pandas, scipy - 数値計算
matplotlib, seaborn, plotly - 可視化

画像処理

pillow, opencv-python-headless - 画像操作
scikit-image, imageio - 画像アルゴリズム

ビデオ & オーディオ

moviepy - ビデオ編集
av (PyAV), ffmpeg-python - ビデオ処理
pydub - オーディオ操作

3D処理

trimesh, open3d - 3Dメッシュ処理
numpy-stl, meshio, pyvista - 3Dファイル形式

ドキュメント & グラフィック

svgwrite, cairosvg - SVG作成
reportlab, pypdf2 - PDF生成

例

Webスクレイピング

infsh app run infsh/python-executor --input '{
  "code": "import requests\nfrom bs4 import BeautifulSoup\n\nresponse = requests.get(\"https://example.com\")\nsoup = BeautifulSoup(response.content, \"html.parser\")\nprint(soup.find(\"title\").text)"
}'

可視化を伴うデータ分析

infsh app run infsh/python-executor --input '{
  "code": "import pandas as pd\nimport matplotlib.pyplot as plt\n\ndata = {\"name\": [\"Alice\", \"Bob\"], \"sales\": [100, 150]}\ndf = pd.DataFrame(data)\n\nplt.bar(df[\"name\"], df[\"sales\"])\nplt.savefig(\"outputs/chart.png\")\nprint(\"Chart saved!\")"
}'

画像処理

infsh app run infsh/python-executor --input '{
  "code": "from PIL import Image\nimport numpy as np\n\n# グラデーション画像を作成\narr = np.linspace(0, 255, 256*256, dtype=np.uint8).reshape(256, 256)\nimg = Image.fromarray(arr, mode=\"L\")\nimg.save(\"outputs/gradient.png\")\nprint(\"Image created!\")"
}'

ビデオ作成

infsh app run infsh/python-executor --input '{
  "code": "from moviepy.editor import ColorClip, TextClip, CompositeVideoClip\n\nclip = ColorClip(size=(640, 480), color=(0, 100, 200), duration=3)\ntxt = TextClip(\"Hello!\", fontsize=70, color=\"white\").set_position(\"center\").set_duration(3)\nvideo = CompositeVideoClip([clip, txt])\nvideo.write_videofile(\"outputs/hello.mp4\", fps=24)\nprint(\"Video created!\")",
  "timeout": 120
}'

3Dモデル処理

infsh app run infsh/python-executor --input '{
  "code": "import trimesh\n\nsphere = trimesh.creation.icosphere(subdivisions=3, radius=1.0)\nsphere.export(\"outputs/sphere.stl\")\nprint(f\"Created sphere with {len(sphere.vertices)} vertices\")"
}'

API呼び出し

infsh app run infsh/python-executor --input '{
  "code": "import requests\nimport json\n\nresponse = requests.get(\"https://api.github.com/users/octocat\")\ndata = response.json()\nprint(json.dumps(data, indent=2))"
}'

ファイル出力

outputs/に保存されたファイルは自動的に返されます。

# これらのファイルはレスポンスに含まれます
plt.savefig('outputs/chart.png')
df.to_csv('outputs/data.csv')
video.write_videofile('outputs/video.mp4')
mesh.export('outputs/model.stl')

バリアント

# デフォルト (8GB RAM)
infsh app run infsh/python-executor --input input.json

# 大容量メモリ (16GB RAM) (大規模データセット向け)
infsh app run infsh/python-executor@high_memory --input input.json

ユースケース

Webスクレイピング - ウェブサイトからデータを抽出します
データ分析 - データセットを処理し、可視化します
画像操作 - 画像のリサイズ、トリミング、合成を行います
ビデオ作成 - テキストオーバーレイ付きのビデオを生成します
3D処理 - 3Dモデルを読み込み、変換し、エクスポートします
API連携 - 外部APIを呼び出します
PDF生成 - レポートやドキュメントを作成します
自動化 - あらゆるPythonスクリプトを実行します

重要な注意事項

CPUのみ - GPU/MLライブラリは利用できません (それらには専用のAIアプリを使用してください)
安全な実行 - 隔離されたサブプロセスで実行されます
非対話型 - plt.show()ではなくplt.savefig()を使用してください
ファイル検出 - 出力ファイルは自動的に検出され、返されます

ドキュメント

アプリの実行 - CLI経由でアプリを実行する方法
アプリコード - アプリの実行について理解する
サンドボックス化されたコード実行 - エージェントのための安全なコード実行

📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開

Python Code Executor

Execute Python code in a safe, sandboxed environment with 100+ pre-installed libraries.

Quick Start

curl -fsSL https://cli.inference.sh | sh && infsh login

# Run Python code
infsh app run infsh/python-executor --input '{
  "code": "import pandas as pd\nprint(pd.__version__)"
}'

App Details

Property	Value
App ID	`infsh/python-executor`
Environment	Python 3.10, CPU-only
RAM	8GB (default) / 16GB (high_memory)
Timeout	1-300 seconds (default: 30)

Input Schema

{
  "code": "print('Hello World!')",
  "timeout": 30,
  "capture_output": true,
  "working_dir": null
}

Pre-installed Libraries

Web Scraping & HTTP

requests, httpx, aiohttp - HTTP clients
beautifulsoup4, lxml - HTML/XML parsing
selenium, playwright - Browser automation
scrapy - Web scraping framework

Data Processing

numpy, pandas, scipy - Numerical computing
matplotlib, seaborn, plotly - Visualization

Image Processing

pillow, opencv-python-headless - Image manipulation
scikit-image, imageio - Image algorithms

Video & Audio

moviepy - Video editing
av (PyAV), ffmpeg-python - Video processing
pydub - Audio manipulation

3D Processing

trimesh, open3d - 3D mesh processing
numpy-stl, meshio, pyvista - 3D file formats

Documents & Graphics

svgwrite, cairosvg - SVG creation
reportlab, pypdf2 - PDF generation

Examples

Web Scraping

infsh app run infsh/python-executor --input '{
  "code": "import requests\nfrom bs4 import BeautifulSoup\n\nresponse = requests.get(\"https://example.com\")\nsoup = BeautifulSoup(response.content, \"html.parser\")\nprint(soup.find(\"title\").text)"
}'

Data Analysis with Visualization

infsh app run infsh/python-executor --input '{
  "code": "import pandas as pd\nimport matplotlib.pyplot as plt\n\ndata = {\"name\": [\"Alice\", \"Bob\"], \"sales\": [100, 150]}\ndf = pd.DataFrame(data)\n\nplt.bar(df[\"name\"], df[\"sales\"])\nplt.savefig(\"outputs/chart.png\")\nprint(\"Chart saved!\")"
}'

Image Processing

infsh app run infsh/python-executor --input '{
  "code": "from PIL import Image\nimport numpy as np\n\n# Create gradient image\narr = np.linspace(0, 255, 256*256, dtype=np.uint8).reshape(256, 256)\nimg = Image.fromarray(arr, mode=\"L\")\nimg.save(\"outputs/gradient.png\")\nprint(\"Image created!\")"
}'

Video Creation

infsh app run infsh/python-executor --input '{
  "code": "from moviepy.editor import ColorClip, TextClip, CompositeVideoClip\n\nclip = ColorClip(size=(640, 480), color=(0, 100, 200), duration=3)\ntxt = TextClip(\"Hello!\", fontsize=70, color=\"white\").set_position(\"center\").set_duration(3)\nvideo = CompositeVideoClip([clip, txt])\nvideo.write_videofile(\"outputs/hello.mp4\", fps=24)\nprint(\"Video created!\")",
  "timeout": 120
}'

3D Model Processing

infsh app run infsh/python-executor --input '{
  "code": "import trimesh\n\nsphere = trimesh.creation.icosphere(subdivisions=3, radius=1.0)\nsphere.export(\"outputs/sphere.stl\")\nprint(f\"Created sphere with {len(sphere.vertices)} vertices\")"
}'

API Calls

infsh app run infsh/python-executor --input '{
  "code": "import requests\nimport json\n\nresponse = requests.get(\"https://api.github.com/users/octocat\")\ndata = response.json()\nprint(json.dumps(data, indent=2))"
}'

File Output

Files saved to outputs/ are automatically returned:

# These files will be in the response
plt.savefig('outputs/chart.png')
df.to_csv('outputs/data.csv')
video.write_videofile('outputs/video.mp4')
mesh.export('outputs/model.stl')

Variants

# Default (8GB RAM)
infsh app run infsh/python-executor --input input.json

# High memory (16GB RAM) for large datasets
infsh app run infsh/python-executor@high_memory --input input.json

Use Cases

Web scraping - Extract data from websites
Data analysis - Process and visualize datasets
Image manipulation - Resize, crop, composite images
Video creation - Generate videos with text overlays
3D processing - Load, transform, export 3D models
API integration - Call external APIs
PDF generation - Create reports and documents
Automation - Run any Python script

Important Notes

CPU-only - No GPU/ML libraries (use dedicated AI apps for that)
Safe execution - Runs in isolated subprocess
Non-interactive - Use plt.savefig() not plt.show()
File detection - Output files are auto-detected and returned

Related Skills

# AI image generation (for ML-based images)
npx skills add inferencesh/skills@ai-image-generation

# AI video generation (for ML-based videos)
npx skills add inferencesh/skills@ai-video-generation

# LLM models (for text generation)
npx skills add inferencesh/skills@llm-models

Documentation

Running Apps - How to run apps via CLI
App Code - Understanding app execution
Sandboxed Code Execution - Safe code execution for agents

python-executor

🇯🇵 日本人クリエイター向け解説

🎯 このSkillでできること

📦 インストール方法 (3ステップ)

📖 Skill本文(日本語訳)

Pythonコード実行環境

クイックスタート

アプリの詳細

入力スキーマ

プリインストールライブラリ

Webスクレイピング & HTTP

データ処理

画像処理

ビデオ & オーディオ

3D処理

ドキュメント & グラフィック

例

Webスクレイピング

可視化を伴うデータ分析

画像処理

ビデオ作成

3Dモデル処理

API呼び出し

ファイル出力

バリアント

ユースケース

重要な注意事項

関連スキル

ドキュメント

Python Code Executor

Quick Start

App Details

Input Schema

Pre-installed Libraries

Web Scraping & HTTP

Data Processing

Image Processing

Video & Audio

3D Processing

Documents & Graphics

Examples

Web Scraping

Data Analysis with Visualization

Image Processing

Video Creation

3D Model Processing

API Calls

File Output

Variants

Use Cases

Important Notes

Related Skills

Documentation