R

Rで複数のデータを結合する方法【left_join・inner_join・anti_join・bind_rows】

酒井 裕麻株式会社Bistro 代表取締役社長

分析に使うデータは、1つの表にまとまっていないことがほとんどです。「注文データ」と「顧客マスタ」、「1月のデータ」と「2月のデータ」のように、複数の表をつなぐ作業が必要になります。

この記事では、dplyrのjoin関数で表を横につなぐ方法と、bind_rows() で縦に積み重ねる方法を、実行結果付きで解説します。ExcelのVLOOKUPやXLOOKUPに当たる処理です。

参考記事

dplyrでデータ加工入門【filter・select・mutate・group_by・summarise】
Rでデータの縦持ち・横持ちを変換する方法【tidyrのpivot_longer・pivot_wider】
SQL EXISTS句の使い方【NOT EXISTS・INとの違い・実行例付き】

この記事で使うデータ

library(dplyr)

orders <- data.frame(
  order_id = 101:106,
  customer_id = c("C01", "C02", "C01", "C03", "C05", "C02"),
  amount = c(5200, 3100, 4800, 9900, 2500, 6100)
)
customers <- data.frame(
  customer_id = c("C01", "C02", "C03", "C04"),
  name = c("佐藤", "鈴木", "高橋", "田中"),
  rank = c("ゴールド", "一般", "シルバー", "一般")
)

注文データ(orders)

  order_id customer_id amount
1      101         C01   5200
2      102         C02   3100
3      103         C01   4800
4      104         C03   9900
5      105         C05   2500
6      106         C02   6100

顧客マスタ(customers)

  customer_id name     rank
1         C01 佐藤 ゴールド
2         C02 鈴木     一般
3         C03 高橋 シルバー
4         C04 田中     一般

わざと「マスタにない顧客(C05)の注文」と「注文のない顧客(C04)」を入れています。この2人がjoinの種類によってどう扱われるかに注目してください。

join関数の種類

関数 残る行 よく使う場面
left_join(x, y) xのすべての行 注文に顧客情報を付け足す(いちばんよく使う)
inner_join(x, y) 両方にある行だけ 両方にそろっているデータだけで分析する
full_join(x, y) どちらかにある行すべて 抜け漏れを全部確認する
anti_join(x, y) xにあって、yにない行 マスタにない/注文のない人を探す

by = "customer_id" のように、どの列をキーにしてつなぐかを指定します。

left_join():左の表に情報を足す

注文データに、顧客の名前とランクを付け足します。

left_join(orders, customers, by = "customer_id")

実行結果

  order_id customer_id amount name     rank
1      101         C01   5200 佐藤 ゴールド
2      102         C02   3100 鈴木     一般
3      103         C01   4800 佐藤 ゴールド
4      104         C03   9900 高橋 シルバー
5      105         C05   2500 <NA>     <NA>
6      106         C02   6100 鈴木     一般

注文データの6行はすべて残り、マスタにないC05の行は名前とランクが NA になりました。ExcelのVLOOKUPで「#N/A」になるのと同じ状態です。

inner_join():両方にあるものだけ

inner_join(orders, customers, by = "customer_id")

実行結果

  order_id customer_id amount name     rank
1      101         C01   5200 佐藤 ゴールド
2      102         C02   3100 鈴木     一般
3      103         C01   4800 佐藤 ゴールド
4      104         C03   9900 高橋 シルバー
5      106         C02   6100 鈴木     一般

C05の注文が消えて5行になりました。行が減っていることに気づきにくいので、inner_joinを使うときは前後の行数を nrow() で確認するのがおすすめです。

full_join():どちらかにあればすべて残す

full_join(orders, customers, by = "customer_id")

実行結果

  order_id customer_id amount name     rank
1      101         C01   5200 佐藤 ゴールド
2      102         C02   3100 鈴木     一般
3      103         C01   4800 佐藤 ゴールド
4      104         C03   9900 高橋 シルバー
5      105         C05   2500 <NA>     <NA>
6      106         C02   6100 鈴木     一般
7       NA         C04     NA 田中     一般

注文のない田中さん(C04)も、注文の列がNAの状態で残ります。

anti_join():相手にないものを探す

一度も注文していない顧客

anti_join(customers, orders, by = "customer_id")
  customer_id name rank
1         C04 田中 一般

マスタに登録されていない顧客の注文

anti_join(orders, customers, by = "customer_id")
  order_id customer_id amount
1      105         C05   2500

anti_joinは、データの抜け漏れチェックにとても便利です。joinの前に実行して、「つながらない行が何件あるか」を確認しておくと安心です。SQLの NOT EXISTS と同じ考え方です。

キーの列名が違うとき

2つの表でキーの列名が違う場合は、by = c("左の列名" = "右の列名") と指定します。

master <- data.frame(cid = c("C01", "C02"), area = c("東京", "神奈川"))
left_join(orders, master, by = c("customer_id" = "cid"))

実行結果

  order_id customer_id amount   area
1      101         C01   5200   東京
2      102         C02   3100 神奈川
3      103         C01   4800   東京
4      104         C03   9900   <NA>
5      105         C05   2500   <NA>
6      106         C02   6100 神奈川

bind_rows():表を縦に積み重ねる

月ごとに分かれたファイルなど、同じ列を持つ表を縦につなぐときは bind_rows() を使います。

jan <- data.frame(month = "1月", store = c("渋谷店", "横浜店"), sales = c(950, 720))
feb <- data.frame(month = "2月", store = c("渋谷店", "横浜店"), sales = c(880, 650))
bind_rows(jan, feb)

実行結果

  month  store sales
1   1月 渋谷店   950
2   1月 横浜店   720
3   2月 渋谷店   880
4   2月 横浜店   650

列名が一致する列どうしが縦につながります。片方にしかない列は、もう片方ではNAになります。

joinでよくある落とし穴

  • キーの型が違う:片方が数値、片方が文字だとエラーになります。as.character() でそろえましょう。
  • キーの表記ゆれ:「C01」と「c01」、前後の空白などがあると一致しません。
  • マスタにキーの重複がある:同じcustomer_idがマスタに2行あると、注文の行が2倍に増えます。joinの前後で nrow() を比べて確認しましょう。

まとめ

  • 基本は left_join()。左の表の行を保ったまま情報を足す
  • 両方にあるものだけなら inner_join()、相手にないものを探すなら anti_join()
  • 縦に積み重ねるときは bind_rows()
  • joinの前後で行数を確認し、つながらない行がないか anti_join() でチェックする

VLOOKUPを何列も繰り返していた作業も、joinなら1行で終わります。ぜひ実務のデータで試してみてください。

同じことをGoogle ColabのPythonで行う方法は、Pythonで複数のデータを結合する方法【pandasのmerge・concat・VLOOKUPの代わり】で紹介しています。

CONTACT

データ活用のお悩み、
直接相談しませんか。

「何から始めればいいかわからない」段階でも大丈夫です。課題の整理からお手伝いします。