Pythonでデータを効率的に扱う際、重複を許さない集合（set）というデータ型は非常に強力なツールとなります。

その中でも、複数の集合を一つに統合するunion()メソッドは、データクレンジングやマスタデータの結合などで頻繁に利用される基本操作です。

本記事では、set.union()の基本的な使い方から、演算子を用いた記述方法、さらにはパフォーマンスを意識した実践的なテクニックまでを詳しく解説します。

初心者の方から実務でPythonを活用している方まで、集合演算の真髄を学んでいきましょう。

目次 [ close ]
  1. Pythonの集合（set）とunionメソッドの基本
    1. union()メソッドの基本的な構文
  2. unionメソッドと「|」演算子の使い分け
    1. 引数に指定できる型の柔軟性
  3. 複数の集合を一度に結合するテクニック
  4. パフォーマンスと注意点
    1. update()メソッドとの違い
  5. 実戦での活用例：ユーザーIDの統合
  6. まとめ

Pythonの集合（set）とunionメソッドの基本

Pythonのset型は、要素の重複を許さず、順序を持たないコレクションです。

このデータ型で最もよく使われる操作の一つが、複数の集合からすべての要素を抽出して新しい集合を作る「和集合（Union）」です。

union()メソッドの基本的な構文

union()メソッドは、元の集合と引数で指定した集合を結合し、新しい集合オブジェクトを返します。

このメソッドを使用しても、元の集合自体は変更されないという不変性の特徴があります。

Python
# 2つの集合を定義
set_a = {1, 2, 3}
set_b = {3, 4, 5}

# union()メソッドで和集合を作成
result = set_a.union(set_b)

print(f"集合A: {set_a}")
print(f"集合B: {set_b}")
print(f"和集合: {result}")
実行結果
集合A: {1, 2, 3}
集合B: {3, 4, 5}
和集合: {1, 2, 3, 4, 5}

実行結果を見ると、両方の集合に含まれる「3」が重複することなく、一つの要素として統合されていることがわかります。

unionメソッドと「|」演算子の使い分け

Pythonでは、和集合を求める方法としてunion()メソッドの他に、パイプ記号を用いた|演算子が用意されています。

これら二つは同じ結果を返しますが、受け入れ可能な引数の型に重要な違いがあります。

引数に指定できる型の柔軟性

union()メソッドの最大の利点は、引数にリストやタプルなどのイテラブルなオブジェクトを指定できる点にあります。

一方で、|演算子を使用する場合は、両方のオブジェクトがset型（またはそのサブクラス）である必要があります。

Python
set_a = {1, 2, 3}
list_b = [3, 4, 5]

# union()メソッドはリストも受け取れる
result_method = set_a.union(list_b)
print(f"メソッドの結果: {result_method}")

# 以下のコードは TypeError をスローするため実行できません
# result_operator = set_a | list_b
実行結果
メソッドの結果: {1, 2, 3, 4, 5}

このように、データソースが必ずしも集合型でない場合には、union()メソッドを利用するのが安全で効率的です。

複数の集合を一度に結合するテクニック

実務では、3つ以上の集合を一つにまとめたいケースが多々あります。

union()メソッドは複数の引数を同時に受け取ることができるため、非常にシンプルに記述可能です。

Python
set1 = {"Python", "Java"}
set2 = {"Ruby", "PHP"}
set3 = {"Go", "Python"}

# 複数の集合を一度に結合
combined_set = set1.union(set2, set3)

print(f"統合されたセット: {combined_set}")
実行結果
統合されたセット: {'Java', 'PHP', 'Ruby', 'Go', 'Python'}

また、リストの中に多数の集合が格納されている場合は、アンパック演算子（*）を利用するとスマートに記述できます。

Python
sets_list = [{1, 2}, {3, 4}, {4, 5}, {6}]

# リスト内のすべての集合を結合
total_union = set().union(*sets_list)

print(f"全結合の結果: {total_union}")
実行結果
全結合の結果: {1, 2, 3, 4, 5, 6}

パフォーマンスと注意点

大量のデータを扱う際、集合演算のパフォーマンスは無視できない要素となります。

set.union()の計算量は、結合するすべての集合に含まれる要素数の合計に対して線形、つまり O(n) です。

また、元の集合を書き換えても良い場合は、update()メソッド（または |= 演算子）を使用することで、メモリ効率を高めることができます。

以下の表は、代表的な集合操作のメソッド名と対応する演算子をまとめたものです。

操作内容メソッド名演算子説明
和集合union()|少なくとも一方に含まれる要素
積集合intersection()&両方に含まれる共通の要素
差集合difference()-片方にのみ含まれる要素
対称差symmetric_difference()^どちらか一方のみに含まれる要素

用途に応じてこれらを使い分けることが、クリーンなコードを書くための第一歩となります。

update()メソッドとの違い

union()は新しい集合を生成しますが、update()は元の集合を直接書き換える（インプレース操作）という違いがあります。

メモリ消費を抑えたい場合や、特定の集合に要素を追加し続けたい場合にはupdate()が適しています。

Python
base_set = {1, 2}
base_set.update([2, 3, 4])

print(f"update後の集合: {base_set}")
実行結果
update後の集合: {1, 2, 3, 4}

実戦での活用例：ユーザーIDの統合

例えば、異なるキャンペーンから得られたユーザーIDのリストを統合し、ユニークな配信対象リストを作成するシーンを考えてみましょう。

重複を除去しつつ、複数のソースをまとめる作業は、union()が最も得意とする領域です。

Python
campaign_a = ["user1", "user2", "user3"]
campaign_b = ("user2", "user4", "user5")
campaign_c = {"user1", "user6"}

# 全てのソースからユニークなユーザーリストを作成
unique_users = set().union(campaign_a, campaign_b, campaign_c)

print(f"配信対象ユーザー数: {len(unique_users)}")
print(f"ユーザーID一覧: {sorted(list(unique_users))}")
実行結果
配信対象ユーザー数: 6
ユーザーID一覧: ['user1', 'user2', 'user3', 'user4', 'user5', 'user6']

このように、異なるデータ型が混在していても一括で処理できる柔軟性が、union()メソッドをプロフェッショナルな現場で重宝させる理由です。

まとめ

Pythonのset.union()は、データの重複を排除しながら複数の集合を統合するための、非常に汎用性の高いメソッドです。

|演算子との違いを理解し、引数にリストやタプルを渡せる柔軟性を活用することで、より堅牢なプログラムを記述できるようになります。

新しい集合を作るならunion()、既存の集合を拡張するならupdate()といった使い分けも意識してみましょう。

今回紹介したテクニックを駆使して、効率的なデータ処理を実現してください。