Python・PandasのDataFrameをmerge()で左外部結合（Left Outer Join）する方法

Pandasで2つのDataFrameを結合（マージ）するには、merge()関数を使用します。左外部結合（Left Outer Join）を実行したい場合は、merge()関数の「how」パラメータに以下のように指定します。

how = "left"

左外部結合とは

左外部結合では、左側のDataFrameのすべての行が保持され、右側のDataFrameに一致するキーが存在しない行にはNaN（欠損値）が格納されます。データ分析において、片方のデータセットを基準にもう片方の情報を付け加えたい場合によく使われる結合方法です。

Pandasライブラリのインポート

まず、pandasライブラリをエイリアス付きでインポートします。

import pandas as pd

マージ用のDataFrameを作成する

次に、結合対象となる2つのDataFrameを作成しましょう。

# DataFrame1 を作成
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)

# DataFrame2 を作成
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)

ここでは、共通の列である「Car」をキーとして使用します。DataFrame1には車種と販売台数（Units）、DataFrame2には車種と登録価格（Reg_Price）が格納されています。

左外部結合を実行する

共通列「Car」を基準に、「how」パラメータに"left"を指定してmerge()を実行すると、左外部結合が実現されます。

mergedRes = pd.merge(dataFrame1, dataFrame2, on='Car', how="left")

サンプルコード全体

以下に完全なコードを示します。

import pandas as pd

# DataFrame1 を作成
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)

print("DataFrame1 ...\n", dataFrame1)

# DataFrame2 を作成
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)

print("\nDataFrame2 ...\n", dataFrame2)

# 共通列 Car をキーに、how="left" を指定して左外部結合
mergedRes = pd.merge(dataFrame1, dataFrame2, on='Car', how="left")
print("\nMerged dataframe with left outer join...\n", mergedRes)

実行結果

上記のコードを実行すると、次のような出力が得られます。

DataFrame1 ...
       Car   Units
0      BMW     100
1    Lexus     150
2     Audi     110
3  Mustang      80
4  Bentley     110
5   Jaguar      90

DataFrame2 ...
        Car  Reg_Price
0      BMW       7000
1    Lexus       1500
2    Tesla       5000
3  Mustang       8000
4 Mercedes       9000
5   Jaguar       6000

Merged dataframe with left outer join...
       Car  Units  Reg_Price
0      BMW    100     7000.0
1    Lexus    150     1500.0
2     Audi    110        NaN
3  Mustang     80     8000.0
4  Bentley    110        NaN
5   Jaguar     90     6000.0

実行結果のポイント

出力結果を見ると、左側のDataFrame1に存在したすべての車種（BMW、Lexus、Audi、Mustang、Bentley、Jaguar）が結果に保持されていることがわかります。一方、右側のDataFrame2にのみ存在する「Tesla」と「Mercedes」は結果に含まれていません。

また、「Audi」と「Bentley」はDataFrame2に対応するデータがないため、Reg_Priceの値がNaNになっています。これが左外部結合の特徴です。なお、NaNが含まれることで列の型が浮動小数点型（float）に変換され、価格が「7000.0」のように表示される点にも注意してください。