【Python・Pandas】merge()関数のindicator引数を使ってDataFrameを結合し、データの所在を確認する方法

Pandasのmerge()関数とindicator引数とは

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。この関数にはindicatorという引数があり、TrueまたはFalseを指定できます。

「あるレコードがどちらのDataFrameに存在するのか」を確認したい場合は、indicatorをTrueに設定しましょう。

indicator=True

indicator=Trueを指定すると、出力されるDataFrameに「_merge」という名前の列が自動的に追加されます。この列には、各レコードの出所を示す以下の値が格納されます。

• both：両方のDataFrameに存在するレコード
• left_only：左側のDataFrameのみに存在するレコード
• right_only：右側のDataFrameのみに存在するレコード

準備：Pandasライブラリのインポート

まず、エイリアス（pd）を付けてPandasライブラリをインポートします。

import pandas as pd

DataFrame1の作成

車種と販売台数を含むDataFrameを作成します。

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

DataFrame2の作成

次に、車種と登録価格を含む別のDataFrameを作成します。

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

indicator=Trueを指定してマージする

結合方法（how）を「left」（左外部結合）に設定し、indicatorをTrueにしてマージを実行します。

# indicator値を指定してDataFrameをマージ
mergedRes = pd.merge(dataFrame1, dataFrame2, how="left", indicator=True)

サンプルコード全体

以下に完全なコード例を示します。

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)

# indicator値を指定してDataFrameをマージ
mergedRes = pd.merge(dataFrame1, dataFrame2, how="left", indicator=True)
print("\nMerged dataframe...\n", mergedRes)

実行結果

上記のコードを実行すると、以下のような出力が得られます。「_merge」列の値が「both」になっている行は、そのレコードが両方のDataFrameに存在することを示しています。一方、「left_only」となっている行は左側のDataFrameにしか存在せず、対応するReg_Priceの値はNaN（欠損値）になっています。

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...
        Car  Units  Reg_Price    _merge
0      BMW    100     7000.0      both
1    Lexus    150     1500.0      both
2     Audi    110         NaN  left_only
3  Mustang     80     8000.0      both
4  Bentley    110         NaN  left_only
5   Jaguar     90     6000.0      both

まとめ

merge()関数のindicator引数をTrueに設定すると、「_merge」列が追加され、各レコードがどちらのDataFrame由来なのかを簡単に把握できます。データの突合や差分チェックなど、2つのデータセットを比較・検証する場面で非常に便利な機能です。