3.3.8 データ結合

この節の位置づけ

多くの初心者がデータ結合を初めて学ぶとき、いちばん混乱しやすいのがここです。

• merge
• concat
• join

これらの名前は見たことがあっても、問題が出ると「まずどれを使えばいいのか」が分からなくなりがちです。

だからこの節でいちばん大事なのは、名前を丸暗記することではありません。まず次の判断基準を身につけることです。

今やっているのは「共通キーでそろえる」ことか、それとも「表を上下・左右にくっつける」ことか。

学習目標

• merge（SQL 風の結合）を身につける
• join（インデックスベースの結合）を理解する
• concat（連結操作）を身につける
• さまざまな結合方法の使い分けを理解する

---

まずは全体像をつかもう

データ結合は、「共通キーがあるかどうか」で考えると分かりやすいです。

この節で本当に解決したいのは、次の2点です。

• どんなときに merge を最初に思い浮かべるべきか
• どんなときに単純な連結でよいのか

なぜデータを結合するのか？

実際のデータは、たいてい複数の表に分かれています。たとえば EC サイトなら、次のような表があります。

• ユーザー表：ユーザーID、名前、登録時間
• 注文表：注文ID、ユーザーID、商品、金額
• 商品表：商品ID、名前、カテゴリ、価格

「各ユーザーが何を買ったか」を分析するには、これらの表を結合する必要があります。

flowchart LR
    A["ユーザー表"] --> D["結合後の完全なデータ"]
    B["注文表"] --> D
    C["商品表"] --> D

    style D fill:#4caf50,color:#fff

初心者向けの分かりやすいたとえ

データ結合は、次のように考えると理解しやすいです。

• さまざまな表にある情報を、同じ人や同じ記録にひも付ける

つまり、

• merge は、身分証番号で2つの台帳をそろえるイメージ
• concat は、2つの表を上下または左右に並べてつなぐイメージ

この違いはとても大切です。なぜなら、ここで次の2つを分けて考えられるようになるからです。

• 「そろえる」
• 「つなぐ」

この2つは、実は同じではありません。

---

merge：SQL 風の結合

merge は、最も強力な結合方法で、SQL の JOIN に似ています。

例データを準備する

import pandas as pd

# ユーザー表
users = pd.DataFrame({
    "ユーザーID": [1, 2, 3, 4],
    "名前": ["張三", "李四", "王五", "趙六"],
    "都市": ["北京", "上海", "広州", "深圳"]
})

# 注文表
orders = pd.DataFrame({
    "注文ID": [101, 102, 103, 104, 105],
    "ユーザーID": [1, 2, 1, 3, 5],       # 注意：ユーザー5はユーザー表にいない
    "商品": ["スマホ", "パソコン", "イヤホン", "タブレット", "キーボード"],
    "金額": [5999, 8999, 299, 3999, 199]
})

内部結合（inner join）

両方にあるものだけを残します。

result = pd.merge(users, orders, on="ユーザーID", how="inner")
print(result)
#    ユーザーID  名前  都市  注文ID  商品    金額
# 0      1  張三  北京    101  スマホ   5999
# 1      1  張三  北京    103  イヤホン    299
# 2      2  李四  上海    102  パソコン   8999
# 3      3  王五  広州    104  タブレット   3999
# ユーザー4（趙六）には注文がない → 表示されない
# ユーザー5 はユーザー表にない → 表示されない

左外部結合（left join）

左側の表の行をすべて残します。

result = pd.merge(users, orders, on="ユーザーID", how="left")
print(result)
#    ユーザーID  名前  都市  注文ID   商品     金額
# 0      1  張三  北京  101.0  スマホ   5999.0
# 1      1  張三  北京  103.0  イヤホン    299.0
# 2      2  李四  上海  102.0  パソコン   8999.0
# 3      3  王五  広州  104.0  タブレット   3999.0
# 4      4  趙六  深圳    NaN   NaN      NaN   ← 趙六には注文がないので NaN になる

右外部結合（right join）

右側の表の行をすべて残します。

result = pd.merge(users, orders, on="ユーザーID", how="right")
print(result)
# ユーザー5 が表示される（名前と都市は NaN）

完全外部結合（outer join）

両方の表の行をすべて残します。

result = pd.merge(users, orders, on="ユーザーID", how="outer")
print(result)
# すべてのユーザーとすべての注文が表示され、足りない部分は NaN で埋められる

4種類の結合方法の比較

結合	残る ID	意味
inner	{1,2,3}	両方にある行
left	{1,2,3,4}	左表の全行と、右表の一致情報
right	{1,2,3,5}	右表の全行と、左表の一致情報
outer	{1,2,3,4,5}	すべて残す

初心者がまず覚えやすい早見表

目的	まず思い浮かべる方法
両方に一致する行だけ残したい	inner merge
左表を基準にして、右表の情報を補いたい	left merge
両方を残して、足りない部分は NaN にしたい	outer merge
複数の表を上下にくっつけたい	concat(axis=0)
複数の列を左右に並べたい	concat(axis=1)

この表は初心者にとても役立ちます。なぜなら、「結合方法がたくさんある」という状態を、よくある業務目的に整理し直してくれるからです。

列名が違う場合の結合

# 2つの表で結合列の名前が違う場合
df1 = pd.DataFrame({"user_id": [1, 2], "name": ["A", "B"]})
df2 = pd.DataFrame({"uid": [1, 2], "score": [90, 85]})

result = pd.merge(df1, df2, left_on="user_id", right_on="uid")
print(result)

複数列での結合

# 複数の列で一致させる
result = pd.merge(df1, df2, on=["col1", "col2"])

---

concat：連結操作

concat は、複数の DataFrame を縦または横に連結するときに使います（共通キーは不要です）。

最初に concat で覚えるべきこと

まずいちばん大事なのはこれです。

concat は「キーをそろえる」のではなく、「表をつなぐ」操作です。

なので、頭の中で考えていることが

• ユーザーID が一致するか

なら、まずは merge を考えるのが自然です。

縦方向の連結（上下に追加）

# 1月と2月の売上データ
jan = pd.DataFrame({
    "商品": ["リンゴ", "牛乳"],
    "売上": [100, 80],
    "月": ["1月", "1月"]
})

feb = pd.DataFrame({
    "商品": ["リンゴ", "パン"],
    "売上": [120, 90],
    "月": ["2月", "2月"]
})

# 上下に連結
all_sales = pd.concat([jan, feb], ignore_index=True)
print(all_sales)
#    商品  売上  月
# 0  リンゴ  100  1月
# 1  牛乳   80  1月
# 2  リンゴ  120  2月
# 3  パン   90  2月

ignore_index=True

ignore_index=True にすると、0, 1, 2… のインデックスを作り直します。付けない場合、インデックスが重複することがあります。

横方向の連結

info = pd.DataFrame({"名前": ["張三", "李四"], "年齢": [22, 25]})
scores = pd.DataFrame({"数学": [90, 85], "英語": [88, 92]})

# 左右に連結
combined = pd.concat([info, scores], axis=1)
print(combined)
#    名前  年齢  数学  英語
# 0  張三   22   90   88
# 1  李四   25   85   92

---

merge vs concat vs join

方法	適用場面	たとえ
merge	共通列で2つの表を結合する	SQL JOIN
concat	単純に上下または左右に連結する	のりで貼り合わせる
join	インデックスで結合する	特別な merge

flowchart TD
    A["データを結合したい"] --> B{"共通の key 列はある？"}
    B -->|"ある"| C["merge を使う"]
    B -->|"ない、ただ並べたい"| D{"上下に並べる？左右？"}
    D -->|"上下"| E["concat(axis=0)"]
    D -->|"左右"| F["concat(axis=1)"]

初心者がそのまま使えるデータ結合チェックリスト

初めて複数表の問題に取り組むときは、次の順番で確認すると安全です。

1. 共通キーはあるか？
2. キーの型と値の範囲は一致しているか？
3. 結合後に行数が増えたり減ったりするのはなぜか？
4. 今やっているのは「そろえる」ことか、それとも「つなぐ」ことか？

この4つを先に考えるだけで、merge / concat の問題は、魔法のように見えなくなります。

---

実践：複数表の結合分析

import pandas as pd

# 3つの表を作成
# タスク表
tasks = pd.DataFrame({
    "タスク ID": [1, 2, 3, 4, 5],
    "機能": ["ログイン API", "RAG デモ", "グラフ画面", "デプロイスクリプト", "評価レポート"],
    "モジュール": ["バックエンド", "AI", "フロントエンド", "運用", "AI"]
})

# 作業ログ表（タスクによっては複数の作業記録がある）
work_logs = pd.DataFrame({
    "タスク ID": [1, 1, 2, 2, 3, 3, 4, 4, 5, 5],
    "段階": ["設計", "実装", "設計", "実装", "設計", "実装", "実装", "検証", "設計", "検証"],
    "時間": [2.0, 5.0, 3.0, 6.5, 1.5, 4.0, 3.5, 1.0, 2.5, 2.0]
})

# モジュール担当表
modules = pd.DataFrame({
    "モジュール": ["バックエンド", "AI", "フロントエンド", "運用"],
    "担当者": ["Mina", "Kai", "Riley", "Noah"],
    "スプリント目標": ["安定した API", "根拠のある回答", "読みやすい UI", "再現できるリリース"]
})

# 結合1：タスク + 作業ログ
task_logs = pd.merge(tasks, work_logs, on="タスク ID")
print(task_logs.head())

# 結合2：さらにモジュール担当を追加
full = pd.merge(task_logs, modules, on="モジュール")
print(full.head())

# 分析：各モジュールの平均作業時間
print(full.groupby(["モジュール", "担当者"])["時間"].mean())

# 分析：各タスクの合計作業時間ランキング
total_hours = full.groupby(["タスク ID", "機能"])["時間"].sum().reset_index()
total_hours["順位"] = total_hours["時間"].rank(ascending=False, method="dense")
print(total_hours.sort_values("順位"))

---

残す証拠

このページを終えたら、この evidence card を残します。

データフレーム状態

列、dtype、行数、欠損値、サンプル行

操作

read/write、select/filter、clean、transform、groupby、merge、または時系列処理

出力

resulting table、保存ファイル、aggregation、join結果、または時系列インデックスビュー

失敗確認

dtype 不一致、欠損データ、重複キー、チェーン代入、または誤った時間頻度

期待される成果

前後の表サンプルと、変換理由

まとめ

操作	関数	重要な引数
SQL 風の結合	pd.merge()	on, how (inner/left/right/outer)
縦方向の連結	pd.concat(axis=0)	ignore_index=True
横方向の連結	pd.concat(axis=1)
インデックスでの結合	df.join()	how

この節で必ず持ち帰りたいこと

• merge は共通キーでそろえる操作、concat は表をつなぐ操作
• 「共通キーがあるか？」を先に考えると、どの方法を使うか判断しやすい
• 複数表の分析では、後の集計ミスよりも、最初の結合ミスのほうがよく起こる

---

手を動かしてみよう

練習 1：基本的な merge

# 2つの表がある：社員表と部署表
# 1. inner join で結合する
# 2. left join で部署が未割り当ての社員を見つける
# 3. outer join で社員がいない部署を見つける

練習 2：複数表の結合分析

# 商品表、注文表、顧客表を作成する
# 1. 3つの表を結合して1つの完全な表にする
# 2. 各顧客がどのカテゴリの商品を買ったかを分析する
# 3. 購入金額が最も高い上位3人の顧客を見つける

練習 3：concat 連結

# 四半期ごとの売上データ（4つの独立した DataFrame）がある
# 1. 縦方向に連結して年間データにする
# 2. "四半期" 列を追加してデータの出所を示す
# 3. 年間の各四半期の売上傾向を集計する

参考実装と解説

• 一致したキーだけが必要なら inner join、左表を正とするなら left join、両側の不一致を調べたいなら outer join を使います。
• 結合前に重複キーを確認し、関係が 1 対 1、1 対多、多対多のどれかを決めます。可能なら validate= を使い、想定外の重複を Pandas に検出させます。
• 各 merge の後は、行数を比較し、結合列の null を確認し、未一致キーをサンプル表示します。これらを書き残して初めて結合完了です。