pandasをオンライン実行

pandasで2つのDataFrameを結合する

このレッスンでは、merge()メソッドを使って、共通のキー列で2つのDataFrameを結合します。

  • 中級
  • 約2分で読めます
  • 実行できるサンプル 1 件

はじめに

どんな問題を解決するか

関連するデータは別々の表に保存されていることがよくあります。生徒の名前が1つの表に、点数が別の表にあり、生徒 ID でつながっている、などです。一緒に分析するには、データベースの結合のように、その共通のキーで行を対応させる必要があります。

身近なたとえ

表の結合は、名札と答案を学生番号で対応させるようなものです。2つの山を並べ、同じ番号の名札と答案をホチキスで留めます。

名札と答案を対応させるところからコードへ
students🏷️ id の付いた名札
scores📝 id の付いた答案
merge(scores, on="id")📎 同じ id どうしを留める
id, name, score📋 対応した生徒ごとに1行
行は共通のキーの列で対応させます。
ひと言でいうと

merge は1つ以上のキー列の値を対応させて2つの DataFrame を組み合わせます。初期設定では両方の表にあるキーだけを残します(内部結合)。

重要なポイント

  1. students.merge(scores, on="id") は id が同じ行を対応させます。
  2. 結果の各行は、両方の表の列 id、name、score を持ちます。
  3. 初期設定では、両方の表にある id だけが残ります。
  4. id 列はキーなので1回だけ現れます。

どんな場面で使う?

  • データベースや複数のファイルの表を組み合わせる。
  • ID しかない行に名前や価格などの情報を加える。
  • データセットの2つの版を比べる。

使わなくてよいとき

  • 同じ列を持つ表を縦に積む場合:pd.concat を使います。
  • どちらの側でもキーが一意でない場合:一致するたびに行が増えるので、先に重複を確かめます。

サンプルコード

コードを実行 →
main.py
import pandas as pd

students = pd.DataFrame({"id": [1, 2], "name": ["Ada", "Lin"]})
scores = pd.DataFrame({"id": [1, 2], "score": [95, 88]})

print(students.merge(scores, on="id"))
この例の実行ボタンを作成

実行結果

id name  score
0   1  Ada     95
1   2  Lin     88

コードの解説

引数on="id"は、列idを2つの表をつなぐキーに指定します。merge()は標準で内部結合(inner join)を行い、両方の表にあるidだけを残して、それぞれの列を1つの結果の表にまとめます。結合の前に、キー列のデータ型や重複した値を確認しておくと、間違った結果を防げます。

値を変更し、PythonをインストールせずにCodeUtilityオンラインPythonコンパイラで実行できます。

発展問題

下のヒントにしたがってコードを書き換えてみましょう。自分で変えて結果を確かめると、コードを読むだけよりずっと深く理解できます。

  1. サンプルデータに行、列、いくつかの欠損値を追加する。
  2. 絞り込み、並べ替え、groupbyを組み合わせて小さなレポートを作る。
  3. 実際のデータファイルを読み込み、各列のデータ型を確認して、不正な値を処理する。
Pythonコンパイラで実行 →

よくある間違い

気づかないうちに行を失う

初期設定の内部結合では、点数のない生徒が落とされます。

問題
students.merge(scores, on="id")
修正
students.merge(scores, on="id", how="left")

このレッスンを終えましたか?

学習済みにすると進み具合を記録できます。