AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › 仕事別 › データ分析・Excel/Python

AIに「データ分析・Excel/Python」をさせるPCスペックと、合うPC・Mac（2026年10月）

データ分析でAIを使う仕事では、メモリがそのまま扱えるデータ量の上限になります。pandasで読み込むと、CSVの実サイズの2〜3倍をメモリに置くのが目安。

1GBのCSVで2〜3GB、そこにVS CodeとブラウザとExcelが乗ります。16GBだと数百MBのデータで頭打ちになり、32GBあれば数GB級まで扱えます。GPUは、機械学習の学習まで踏み込まないかぎり要りません。

AIにPythonでデータを処理させると、pandasがデータをメモリに展開します。数百万行なら32GB、Jupyterと並行するならそれ以上。GPUは学習をしない限り不要。

この仕事でPCに何が起きるか

AIにExcelやCSVを渡して分析させる、Pythonでデータ処理をさせる。ChatGPTやClaudeの「データ分析」機能はクラウド側で実行されるので、PCを問いません。一方、Claude CodeやCursorで手元のデータをpandasやPolarsで処理させると、データがメインメモリに展開されます。

数十万行なら16GBで足りますが、数百万行や複数のデータフレームを同時に持つと32GB以上が必要です。Jupyter、DB、BIツールを並行して開くならさらに余裕を。学習（機械学習モデルの訓練）をしない限りGPUは不要です。この仕事は「データをどこに置くか」で要件が決まります。

クラウドのAIにアップロードできるデータならPCは問わず、社内から出せないデータを手元で処理するなら、データ量の2〜3倍のメモリが要る。それだけです。GPUの出番は深層学習の訓練だけで、集計・可視化・古典的な機械学習には一切使われません。

典型的な流れ
  1. データを手元に用意
  2. AIにコードを書かせて実行
  3. 結果を確認・可視化
  4. レポート化

最低・快適・余裕の3段階

段階構成の目安できること
最低メモリ16GB数十万行まで
快適8コア・メモリ32GB・NVMe 1TB数百万行や複数のデータフレームも扱える
余裕16コア・メモリ64GB以上数千万行、DBとの併用、機械学習の前処理まで

計算例: 実際に何GB要るか

CSVで2GB（約500万行×20列）をpandasで読み込むと、メモリ上では型の展開で4〜6GB。集計や結合の途中で一時的にその2倍、8〜12GB。OSとエディタとブラウザで7GB。合計15〜19GB。メモリ16GBでは「MemoryError」で落ちるか、スワップで数十倍遅くなります。

32GBなら余裕。Polarsを使うとメモリ効率が2〜3倍良く、同じデータが16GBに収まることもあります。CPUは、Polarsやdaskの並列処理でコア数の差がそのまま速度の差になり、8コアと16コアで大きな集計が1.5〜2倍違います。GPUは、深層学習の訓練をしない限り一度も使われません。

よくある誤解

「データ分析にはGPUが必須」必須ではありません。ExcelやPythonでの集計・可視化はCPUとメモリの仕事です。GPUが要るのは、手元で大きなモデルを動かすときか、機械学習の学習をするときに限られます。

「データが大きいほど高性能なCPUが要る」先に差が出るのはメモリです。データフレームを丸ごと読み込む処理では、メモリが足りないとスワップが始まり、CPUの速さは関係なくなります。まず容量、次に速さの順です。

よくある失敗

メモリに載らないデータの逃がし方

データが物理メモリに収まらないとき、PCを買い替える前に試せる手が3つあります。（1）Polarsやdaskに切り替える。pandasより2〜3倍メモリ効率が良く、遅延評価で必要な列だけ読むので、同じ16GBで扱える行数が数倍に増えます。（2）DuckDBを挟む。

CSVやParquetをそのままSQLで集計でき、メモリを超えるデータもディスクに逃がしながら処理します。AIにコードを書かせる場合も、「DuckDBで集計してから結果だけpandasに」と指示すれば済みます。（3）データを先に絞る。全期間・全列を読む前に、必要な期間と列だけを抽出する。

この3つで、数千万行でも32GBで実用になることが多い。それでも足りない、あるいは機械学習の訓練で全データをメモリに持ちたいなら、64GB以上か、GPUを積んだ機種の出番です。買い替えの前に、エージェントに「メモリを使わない書き方に直して」と頼むのが最も安い解決策です。

可視化も同じで、数百万点の散布図をそのまま描くとブラウザが固まりますが、集約してから描けば問題になりません。データ分析の「重さ」の大半は書き方で解消でき、機材で解決すべきなのは残った1〜2割です。

買う前のチェックリスト

編集部メモ: データ分析でAIを使う人がGPUを買う必要があるのは、深層学習の訓練をするときだけです。表データの集計・可視化・回帰や決定木は、CPUとメモリで足ります。当サイトの推奨エンジンで「データ分析」だけを選ぶと、GPUなしのデスクトップとMac miniが出るのはそのためです。迷ったらメモリ32GBを先に、GPUは訓練を始めてから。

この仕事で使うAIの候補

ChatGPTAIの計算はOpenAIのサーバ側。PCで動くのはブラウザとアプリだけClaudeAIの計算はAnthropicのサーバ側。長文と資料作成が得意Claude Codeモデルはクラウド、仕事は手元のPCで起きる

関連するページ

データ分析・Excel/PythonをAIにさせるなら、CPU 8コア・メモリ32GB・NVMe 1TB、GPUなしでも可が目安でした。同じ数字を、容量・予算・ツールの側から確かめられます。用語で詰まったら用語集へ。

知りたいことページ
その容量で何が動くか容量別の一覧
予算から構成を選ぶ予算別のおすすめ（10万〜100万円）
使うソフトの推奨スペックツール別（Ollama・LM Studio・ComfyUIほか）
GPUやチップのシリーズで比べるシリーズ別の対応表
量子化の形式を選ぶ量子化の種類と必要メモリ
用語の意味を確認するAI用PCの用語集（29語）
会社で導入する場合の考え方法人・業務でAIを使うPC選び
いま何が動くようになっているかローカルLLMの現在地（データレポート）

予算別にどれを選ぶか

「データ分析・Excel/Python」をさせるという条件で、予算ごとに選べる構成です。価格は2026年10月時点の目安です。

予算この仕事を満たす最も手頃な構成目安備考
10万円までこの予算では要件を満たす構成がありません—
15万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役
20万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役
30万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役
40万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役
60万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役
100万円までGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）12〜18万円コーディングAI・データ分析・自動化のサーバ役

1年後を見据えるなら

扱うデータ量は増える一方です。今32GBで足りていても、データが数倍になれば足りなくなります。ただし書き方の工夫（PolarsやDuckDBへの切り替え）で数倍の余裕が生まれるので、機材を増やす前に試す価値があります。機械学習の訓練に踏み込む段階で初めて、GPUの話になります。

PCを買わずに済ませる選択肢

クラウドのAIにデータをアップロードして分析させれば、手元のPCは不要です。データを外に出せる場合はこれが最も速い。出せない場合でも、社内のデータベースで集計して結果だけ手元に持ってくる形なら、メモリ16GBで足ります。全件を手元に落とす前提を疑ってみてください。

使うAIによって要件はどう変わるか

「データ分析・Excel/Python」という仕事は同じでも、どのAIでやるかで手元のPCに要るものが変わります。候補のAIごとに、この仕事と組み合わせたときの要件と、その要件を満たす最も手頃な構成です。

使うAICPU / メモリGPUその他手頃な構成
ChatGPT8コア / 32GB不要SSD 1TBGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）
Claude8コア / 32GB不要SSD 1TBGPUなし開発デスクトップ（メモリ32GB・SSD 1TB）
Claude Code8コア / 32GB不要SSD 1TB・macOS/Linux本流GPUなし開発デスクトップ（メモリ32GB・SSD 1TB）

必要なリソース（最低ライン）

並列実行力CPU 8コア・メモリ32GB
GPU / ユニファイドメモリ不要（内蔵GPUで可）
ストレージNVMe 1TB以上
常時稼働不要
OSどちらでも

形態別のおすすめ

PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

ぴったりノートPC

開発向けノートPC（メモリ32GB・SSD 1TB）

Claude Code・Cursor・Codexを持ち歩いて使う人。GPUは不要、メモリとSSDに振る

Core Ultra 7 / Ryzen 7 クラス・メモリ32GB・NVMe 1TB・WSL2運用 ・ 目安 15〜23万円

ノートPCで「データ分析・Excel/Python」をさせるなら

Amazonで「ノートパソコン 32GB SSD 1TB」を見る →
ぴったりデスクトップ（BTO）

GPUなし開発デスクトップ（メモリ32GB・SSD 1TB）

コーディングAI・データ分析・自動化のサーバ役。GPUは後から足せる

Ryzen 7 / Core i7 クラス・メモリ32GB・NVMe 1TB・電源650W以上（GPU増設余地） ・ 目安 12〜18万円

デスクトップ（BTO）で「データ分析・Excel/Python」をさせるなら

Amazonで「デスクトップPC 32GB SSD 1TB」を見る →
ぴったりMac

Mac mini M4 Pro（メモリ48GB・SSD 1TB）

30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

Macで「データ分析・Excel/Python」をさせるなら

Amazonで「Mac mini M4 Pro 48GB」を見る →
ぴったり常時稼働サーバー型

静音ミニPC（Ryzen 9・メモリ64GB・GPUなし）

n8n・Dify・エージェントのルーティンを24時間回す。省電力・小型・静音で置き場所を選ばない

Ryzen 9 8945HS/9955HX クラス・DDR5 64GB・NVMe 2TB・アイドル10W台 ・ 目安 13〜22万円

常時稼働サーバー型で「データ分析・Excel/Python」をさせるなら

Amazonで「ミニPC Ryzen 9 64GB」を見る →
ぴったり自作

自作: エージェント用ワークステーション（16コア・メモリ64GB・GPUなし）

Claude Code・Docker・n8nを並列で回す。GPUは要らない、静音と大容量メモリに振る

Ryzen 9 9950X・DDR5 32GB×2・NVMe 2TB・静音ケース・電源750W（将来GPU増設可） ・ 目安 20〜28万円

自作で「データ分析・Excel/Python」をさせるなら

Amazonで「Ryzen 9 9950X」を見る →

よくある質問

機械学習をやるならGPUは？

深層学習の訓練をするならVRAM 12GB以上のGeForce。表データの分析・可視化・古典的な機械学習にはCPUとメモリで十分です。

Excelで足りる規模なら？

クラウドのAIにExcelを渡すだけで済み、PCは今のままで構いません。

MacとWindowsで差は？

ほぼありません。Apple Siliconはメモリ帯域が広く、大きなデータの集計で有利な場面があります。

Excelの巨大ファイルをAIに処理させると遅い

Excel形式は読み込みが遅く、100万行を超えると分単位です。CSVかParquetに変換してからAIに渡すと、同じPCで数十倍速くなります。PCの問題ではなくファイル形式の問題です。

社内DBに直接繋いで分析させたい

エージェントにSQLを書かせてDBで集計し、結果だけ手元に持ってくる形なら、PCの要件はメモリ16GBで足ります。全件を手元に落とすとメモリの話になります。

Jupyterとエージェントを同時に使うと重い

Jupyterのカーネルはデータフレームを保持し続けるので、複数のノートブックを開いたままにするとメモリが積み上がります。使い終わったカーネルを止める、変数を明示的に消す、の2つで数GB空くことが多い。それでも足りなければ32GBへ。