Pandas.mergeによる基本的な結合

Pandasの結合 - pandas.merge

基本的な使い方

# 2つのDataFrameを作成
df_left = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df_right = pd.DataFrame({'C': [10, 20, 30], 'D': ['x', 'y', 'z']})

# 共通列 "A" で結合
df_merged = pd.merge(df_left, df_right, on='A')

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  3  c  30  z

on引数で結合する列を指定します。この例では、df_leftとdf_rightのA列で結合しています。

オプション

• how引数で結合方法を指定できます。デフォルトは'inner'で、共通の行のみ出力します。
  • 'outer'：すべての行を出力します。
  • 'left'：df_leftのすべての行を出力します。
  • 'right'：df_rightのすべての行を出力します。
• suffixes引数で結合後の列名の接尾辞を指定できます。
• validate引数で結合キーの重複をチェックできます。

例

• how引数による出力の違い

# 左結合
df_merged = pd.merge(df_left, df_right, on='A', how='left')

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  3  c  NaN  NaN

# 右結合
df_merged = pd.merge(df_left, df_right, on='A', how='right')

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  NaN NaN  30  z

• suffixes引数による列名の変更

df_merged = pd.merge(df_left, df_right, on='A', suffixes=('_left', '_right'))

# 結果
#   A_left  B_left  A_right  C_right  D_right
# 0  1        a        10        x
# 1  2        b        20        y
# 2  3        c        30        z

pandas.mergeは、データ分析において非常に便利な関数です。複数のDataFrameを効率的に結合することで、より深い分析が可能になります。

Pandas.merge サンプルコード

基本的な結合

# 従業員情報と給与情報
df_employees = pd.DataFrame({'EmpID': [100, 101, 102], 'Name': ['Alice', 'Bob', 'Carol'], 'Dept': ['Sales', 'Sales', 'Marketing']})
df_salaries = pd.DataFrame({'EmpID': [100, 102, 103], 'Salary': [50000, 60000, 70000]})

# EmpIDで結合
df_merged = pd.merge(df_employees, df_salaries, on='EmpID')

# 結果
#   EmpID  Name  Dept   Salary
# 0  100  Alice  Sales  50000
# 1  102  Carol  Marketing  60000

外部結合

# 左結合
df_merged = pd.merge(df_employees, df_salaries, on='EmpID', how='left')

# 結果
#   EmpID  Name  Dept   Salary
# 0  100  Alice  Sales  50000
# 1  101  Bob   Sales     NaN
# 2  102  Carol  Marketing  60000

# 右結合
df_merged = pd.merge(df_employees, df_salaries, on='EmpID', how='right')

# 結果
#   EmpID  Name  Dept   Salary
# 0  100  Alice  Sales  50000
# 1  102  Carol  Marketing  60000
# 2  103      NaN        NaN  70000

列名の変更

df_merged = pd.merge(df_employees, df_salaries, on='EmpID', suffixes=('_emp', '_salary'))

# 結果
#   EmpID_emp  Name  Dept   Salary_salary
# 0  100        Alice  Sales  50000
# 1  101        Bob   Sales     NaN
# 2  102        Carol  Marketing  60000

結合キーの重複

# 重複行を含むデータフレーム
df_dup = pd.DataFrame({'EmpID': [100, 100, 101], 'Name': ['Alice', 'Alice', 'Bob']})

# 重複行を無視
df_merged = pd.merge(df_dup, df_salaries, on='EmpID', validate='1:m')

# 結果
#   EmpID  Name  Salary
# 0  100  Alice  50000
# 1  101  Bob   NaN

多キー結合

# 複数の列で結合
df_orders = pd.DataFrame({'OrderID': [100, 101, 102], 'CustomerID': [1, 2, 1], 'Product': ['A', 'B', 'C']})
df_customers = pd.DataFrame({'CustomerID': [1, 2], 'Name': ['Alice', 'Bob']})

df_merged = pd.merge(df_orders, df_customers, on=['CustomerID', 'Product'])

# 結果
#   OrderID  CustomerID  Product  Name
# 0  100         1        A  Alice
# 1  102         1        C  Alice
# 2  101         2        B   Bob

• indicator引数で結合の種類を示す列を追加できます。
• sort引数で結合後のDataFrameをソートできます。

Pandasでデータを結合するその他の方法

pandas.concatは、複数のDataFrameを軸方向に連結する関数です。

df_top = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df_bottom = pd.DataFrame({'C': [10, 20, 30], 'D': ['x', 'y', 'z']})

# 垂直方向に連結
df_concat = pd.concat([df_top, df_bottom], axis=1)

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  3  c  30  z

# 水平方向に連結
df_concat = pd.concat([df_top, df_bottom], axis=0)

# 結果
#   A  B
# 0  1  a
# 1  2  b
# 2  3  c
# 3  10  x
# 4  20  y
# 5  30  z

pandas.joinは、pandas.mergeと似ていますが、より柔軟な関数です。

# 左結合
df_joined = df_top.join(df_bottom, on='A', how='left')

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  3  c  30  z

# 右結合
df_joined = df_top.join(df_bottom, on='A', how='right')

# 結果
#   A  B  C  D
# 0  1  a  10  x
# 1  2  b  20  y
# 2  NaN NaN  30  z

その他の方法

• numpy.concatenate
• itertools.chain

これらの方法は、pandas.mergeよりも効率的な場合がありますが、使い方が複雑になる場合があります。

データの結合方法には、pandas.merge以外にもいくつかの方法があります。それぞれの方法の特徴を理解し、状況に合わせて使い分けることが重要です。