JSONからCSVへ、そしてその逆：開発者のための完全ガイド

2026年3月31日 · 12分で読めます

JSONとCSV形式間の変換は、すべての開発者が遭遇する日常的なタスクの1つです。分析のためにAPIデータをエクスポートする場合でも、スプレッドシートデータをアプリケーションにインポートする場合でも、システム間でデータを変換する場合でも、これらの変換を完全に理解することで、無数の時間の無駄を省くことができます。

このガイドでは、基本的な変換から複雑なネスト構造の処理、大きなファイルのストリーミング、経験豊富な開発者でもつまずくエッジケースの対処まで、すべてをカバーしています。

JSONとCSVをいつ使用するか

変換技術に入る前に、各形式がどのような場面で優れているかを理解しましょう。最初から適切な選択をすることで、不要な変換やデータ構造の問題を回避できます。

JSONの強み

JSON（JavaScript Object Notation）は、柔軟性と構造が必要な場合に優れています。現代のWebアプリケーションとAPIにとって、これが標準形式である理由があります。

• 階層的なデータ構造： JSONはネストされたオブジェクトと配列をネイティブにサポートしており、住所を持つユーザープロファイル、明細項目を持つ注文、複数レベルの設定ファイルなど、複雑な関係を表現するのに最適です
• API通信： ほぼすべてのREST APIがデフォルト形式としてJSONを使用しています。軽量で人間が読みやすく、すべてのプログラミング言語でサポートされています
• 型の保持： JSONは文字列、数値、ブール値、null、配列、オブジェクトなどのデータ型を維持します。「123」がテキストか数値かを推測する必要はありません
• JavaScriptとの統合： Web開発では、JSONはJSON.parse()を使用してJavaScriptオブジェクトに直接解析され、変換は不要です
• 柔軟なスキーマ： 異なるレコードが異なるフィールドを持つことができます。あるユーザーオブジェクトに「middleName」フィールドがあり、別のユーザーにはない場合でも、まったく問題ありません

CSVの強み

CSV（Comma-Separated Values）は表形式データの主力です。1970年代から存在しており、今後もなくなることはありません。

• 表形式データ： データベースクエリ結果、スプレッドシート、または行と列に自然に収まるデータに最適です
• Excelとの互換性： CSVファイルをダブルクリックすると、Excel、Googleスプレッドシート、またはNumbersで開きます。特別なソフトウェアは不要です
• ファイルサイズ： CSVファイルは、特に多くのレコードを持つ大規模なデータセットの場合、同等のJSONよりも通常20〜50％小さくなります
• シンプルさ： 形式が非常にシンプルなので、任意のテキストエディタで読み取りや編集ができます。手動での迅速な修正に最適です
• データ分析： Pandas、R、SQLデータベース、そして事実上すべてのデータ分析ツールが第一級のCSVサポートを持っています
• バージョン管理に優しい： 行ごとの差分がCSVでうまく機能し、Gitでの変更追跡が容易になります

一般的な変換シナリオ

形式間の変換が必要になる典型的な場面は次のとおりです：

Python：JSONからCSVへの変換

Pythonは、JSON-CSV変換に複数のアプローチを提供します。pandasライブラリ（ほとんどのユースケースに最適）と標準ライブラリのcsvモジュール（依存関係ゼロが必要な場合）の両方を見ていきましょう。

Pandasの使用（推奨）

Pandasは、Pythonでのデータ操作のスイスアーミーナイフです。JSONからCSVへの変換では、これに勝るものはありません。

import pandas as pd
import json

# 方法1：ファイルから
with open('data.json', 'r', encoding='utf-8') as f:
    data = json.load(f)

df = pd.DataFrame(data)
df.to_csv('output.csv', index=False, encoding='utf-8')

# 方法2：JSON文字列から
json_string = '{"users": [{"name": "Alice", "age": 30}, {"name": "Bob", "age": 25}]}'
df = pd.read_json(json_string)
df.to_csv('users.csv', index=False)

# 方法3：URL（APIエンドポイント）から
df = pd.read_json('https://api.example.com/data')
df.to_csv('api_data.csv', index=False)

json_normalizeを使用したネストされたJSONの処理

JSONにネストされたオブジェクトがある場合、json_normalizeは構造を表形式にフラット化します。

from pandas import json_normalize
import json

# ネストされたJSONの例
nested_data = {
    "users": [
        {
            "name": "Alice",
            "age": 30,
            "address": {
                "city": "New York",
                "country": "USA"
            }
        },
        {
            "name": "Bob",
            "age": 25,
            "address": {
                "city": "London",
                "country": "UK"
            }
        }
    ]
}

# ネスト構造をフラット化
df = json_normalize(nested_data['users'])
# 列は次のようになります：name