CSVデータクレンジングの方法｜Excel・Python・ノーコードツール比較

データ分析や機械学習の精度は、素材となるデータの質で決まります。CSVファイルから得られた生データには、重複、空白、表記ゆれ、日付形式の不統一、余分なスペースなど多くの「汚れ」が混在しています。これらを放置したまま集計や分析に進むと、誤った判断につながる危険があります。本記事では、データクレンジング（データ清浄化）の具体的な手法を、Excel・Python・ノーコードツールの3つのアプローチから解説します。

注記: 第三者ツールの仕様は執筆時点（2026年4月）の情報です。最新の機能や制限は各ツールの公式サイトで確認してください。

クレンジング手法の比較——Excel・Python・ノーコードツール

CSVデータクレンジングを実施する際、どの手法を選ぶかは、データ量、チームのスキル、自動化の必要性によって変わります。以下は3つの主流アプローチの比較表です。

各手法のポイントを解説します。

Excelの置換・関数で対処する

Excel は最も身近なツールであり、小規模なクレンジングタスクに適しています。置換機能 や TRIM関数、SUBSTITUTE関数 を使い、スペース除去や簡単な値の変換が可能です。ただし、手作業が増えると効率が低下し、数百行を超えるデータでは対応が難しくなります。

Python pandas で一括処理する

大規模データを扱う場合、Python の pandas ライブラリが標準的な選択肢です。スクリプトを一度書けば、同じ形式のファイルに対して何度も再利用でき、自動化が容易です。ただし、プログラミングの知識が必要になります。

LeapRows でGUIによる確認と簡易処理をする

LeapRows（※筆者開発ツール）は、ブラウザ上でCSVをドラッグ&ドロップで読み込み、型の自動検出とGUIでのフィルタ・ソートによってデータを確認・整形するツールです。重複行の除去やエクスポートなど基本的な操作が可能ですが、複雑なクレンジング処理の自動化には向きません。小規模なデータセットの確認や部分的な整形に向いています。

CSVで頻出する「汚れ」5パターンと直し方

CSVデータに含まれる問題には、パターンがあります。以下、5つの典型的な「汚れ」と、それぞれの修正方法を紹介します。

データ品質問題の分類：

重複行の検出と除去

問題: 同じ顧客IDや同じ商品コードの行が複数存在する

重複行除去の方法比較：

Pythonでは、drop_duplicates() メソッドを使用します：

import pandas as pd

df = pd.read_csv('data.csv')
df_cleaned = df.drop_duplicates()
df_cleaned.to_csv('data_cleaned.csv', index=False)

LeapRows（※筆者開発ツール）では、UIから「重複行を除去」というアクションを選択するだけで、指定した列をキーにした重複除去が自動実行されます。

空白セル・空文字列の処理

問題: 住所や電話番号のフィールドが空白のまま、または空文字列("")で埋まっている

空白処理の方法：

具体例（Excel）：

Pythonでは、fillna() または replace() を使用：

# 空白をNaNに統一
df = df.replace('', pd.NA)

# NaN値を特定の値で埋める
df['address'] = df['address'].fillna('未設定')

# または空白行を削除
df = df.dropna(subset=['address'])

LeapRows（※筆者開発ツール）では、GUIのフィルタ機能で空白セルを特定し、目視確認しながら対応できます。

全角半角・大文字小文字の表記ゆれ統一

問題: 商品名が「Ａｐｐｌｅ」「APPLE」「apple」と混在している、または都道府県名が「東京都」「東京」と揺れている

表記ゆれの統一方法（ツール別）

Pythonでは：

# 大文字に統一
df['product_name'] = df['product_name'].str.upper()

# 全角を半角に（日本語環境では unicodedata を使用）
import unicodedata
df['product_name'] = df['product_name'].apply(
    lambda x: unicodedata.normalize('NFKC', x)
)

LeapRows（※筆者開発ツール）では、GUIのフィルタ機能で表記ゆれを確認し、列単位で一括置換が可能です。自動正規化はできません。

日付フォーマットのばらつき

問題: 日付が「2024-01-15」「01/15/2024」「2024年1月15日」と異なる形式で混在している

日付フォーマット統一ツール：

Pythonでは、pd.to_datetime() で一度日付型に統一してから出力形式を指定：

# 混合形式の日付を統一
df['date'] = pd.to_datetime(df['date'])

# 出力フォーマットを指定
df['date_formatted'] = df['date'].dt.strftime('%Y-%m-%d')

LeapRows（※筆者開発ツール）では、型の自動検出機能で日付列を識別し、日付フォーマットの変更が可能です。

前後の余分なスペース（トリム処理）

問題: セルの先頭・末尾に余分なスペースがある（「 Tokyo 」「Apple 」など）

スペース除去方法：

Pythonでは、str.strip() メソッド：

# 先頭・末尾のスペースを除去
df['city'] = df['city'].str.strip()

# または、特定の文字を除去
df['city'] = df['city'].str.strip(' ')

LeapRows（※筆者開発ツール）では、GUIのフィルタ機能でスペース問題を視認できますが、自動削除はできません。変換にはExcelまたはPythonを使用してください。

クレンジングを自動化する——毎回手作業にしない仕組み

クレンジング処理が確立できたら、次のステップは自動化です。毎回手作業でクレンジングを繰り返すのは非効率です。

Power Query でクレンジング手順をクエリに保存する

Excel の Power Query 機能を使うと、クレンジング手順をクエリとして保存でき、同じファイル形式のデータが更新されるたびに自動的に処理を再実行できます。ただし、大規模データには向きません。

Pythonスクリプトをバッチ実行する

Pythonスクリプトを作成したら、タスクスケジューラ（Windows）や cron（Linux/Mac）を使い、定期的に自動実行することが可能です。例えば、毎日朝5時にクレンジング済みのCSVを生成する、といった運用が実現できます。

# cleanse_data.py
import pandas as pd
from datetime import datetime

df = pd.read_csv('raw_data.csv')
df = df.drop_duplicates()
df = df.fillna('未設定')

output_file = f'cleaned_data_{datetime.now().strftime("%Y%m%d")}.csv'
df.to_csv(output_file, index=False, encoding='utf-8-sig')
print(f'クレンジング完了: {output_file}')

クレンジング済みデータの検証方法

自動化したら、「クレンジングが正しく実行されたか」を確認する検証ステップが重要です。以下の4つの検証ポイントをチェックしましょう

クレンジング品質チェックリスト：

LeapRows（※筆者開発ツール）では、読み込んだデータをGUIで目視確認できるため、クレンジング前後でデータを比較しながら検証ができます。

まとめ——「集計の前にクレンジング」を習慣にする

CSVデータクレンジングは、分析の信頼性を左右する重要なプロセスです。小規模なデータはExcelで対応可能ですが、継続的なデータ処理が必要な環境では、自動化が不可欠です。

Pythonはカスタマイズ性に優れ、大規模環境に適しています。LeapRows（※筆者開発ツール）のようなGUI型ツールは、小規模データの確認と簡易整形に向きますが、複雑なクレンジング処理には向きません。

重要なのは、「集計の前にクレンジング」という習慣を組織全体で定着させることです。どの手法を選ぶにせよ、定期的にデータ品質をチェックし、クレンジング処理を継続的に改善していくことが、良い分析結果につながります。