Power Queryで横方向データを扱う方法 – 大量データの高速処理【完全保存版】

【結論】横方向データ処理の3つのゴールデンルール
Power Queryにおける「横方向データ」とは？
1. 横持ちデータと縦持ちデータの違い
  1. 横持ちデータの例（人間にとって見やすい形式）
  2. 縦持ちデータの例（データベース・分析に最適な形式）
【実践編】横方向データを縦方向に変換する手順
【高速化編】大量データでも快適に動作させる7つのテクニック
実務で役立つ補足テクニック
よくある質問（FAQ）
まとめ：Power Query横方向データ処理の成功法則

【結論】横方向データ処理の3つのゴールデンルール

Power Queryで横方向データを扱う際、以下の3つの原則を守ることで、大量データでも高速に処理できます。

① ピボット解除（Unpivot）で横持ちデータを縦持ちに変換 → 分析・集計に最適な形式に
② 処理順序の最適化で速度を劇的改善 → フィルター・列削除を最初に、重い処理は最後に
③ 不要なマージを避けることで負荷を削減 → List.Contains関数やリレーションシップを活用

この記事では、実務ですぐに使える具体的手順と、100万行クラスの大量データでも快適に動作させるパフォーマンス改善テクニックを完全解説します。

※時間がない方へ：
「横持ち→縦持ち」だけ知りたい方は【実践編】まで、
処理速度で困っている方は【高速化編】から読むのがおすすめです。

※本記事は
・Excelは日常業務で使っている
・Power Queryは触ったことがあるが「遅い」「難しい」と感じている
方向けに書いています。

Power Queryにおける「横方向データ」とは？

横持ちデータと縦持ちデータの違い

Excelで作成される多くの表は、「横持ちデータ」と呼ばれる形式になっています。これは人間が見やすい形式ですが、データ分析やピボットテーブルには不向きです。

横持ちデータの例（人間にとって見やすい形式）

商品名	1月	2月	3月
商品A	100	120	150
商品B	80	90	110

縦持ちデータの例（データベース・分析に最適な形式）

商品名	月	売上
商品A	1月	100
商品A	2月	120
商品A	3月	150
商品B	1月	80
商品B	2月	90
商品B	3月	110

なぜ縦持ちが重要か？

Power BI、ピボットテーブルで集計・分析しやすい
データの追加・削除が容易
フィルタリングや並べ替えが高速
スタースキーマ設計（データモデリングのベストプラクティス）に適合

【実践編】横方向データを縦方向に変換する手順

方法①：列のピボット解除（基本）

最も基本的な方法が「列のピボット解除（Unpivot Columns）」です。Power Queryエディターで簡単に実行できます。

具体的な手順

データを読み込む
- Excelの「データ」タブ → 「データの取得と変換」セクションから対象データを選択
- Power Queryエディターが開きます
固定列を選択する
- 変換したくない列（商品名、IDなど）を選択
- 例：「商品名」列を選択した状態にする
ピボット解除を実行
- 「変換」タブ → 「列のピボット解除」の横にある▼をクリック
- 「その他の列のピボット解除」を選択
- 選択していない列（1月、2月、3月など）が自動的に縦に並びます
列名を変更
- デフォルトで「属性」「値」という列名が付きます
- ダブルクリックして「月」「売上」など分かりやすい名前に変更
データ型を設定
- 「値」列を数値型に変更
- 列ヘッダーの左側のアイコンから適切なデータ型を選択

【重要ポイント】「列のピボット解除」と「その他の列のピボット解除」の違い：

列のピボット解除：選択した列を縦に展開
その他の列のピボット解除：選択していない列を縦に展開（推奨）

固定列（ID、商品名など）を選んで「その他の列のピボット解除」を使う方が、列が後から追加されても自動対応できるため実務では便利です。

方法②：複数の属性がある場合の高度なピボット解除

実務では、以下のような複雑なケースもあります：

商品名	日付1	担当1	日付2	担当2	日付3	担当3
商品A	2026-01-01	山田	2026-01-02	佐藤	2026-01-03	田中

このような「複数の属性が横に並んでいるデータ」の処理方法：

まず「日付1～3」と「担当1～3」をまとめてピボット解除
「属性」列から番号を抽出（カスタム列でText.End([属性],1)）
「属性」列から項目名を抽出（「日付」「担当」など）
「列のピボット」で再度横展開して最終形に

詳細な手順はこちらの記事で図解されています。

方法③：転置（Transpose）を使うケース

行と列を完全に入れ替える場合は「転置（Transpose）」を使います。

転置とピボット解除の使い分け：

転置：表全体の行と列を入れ替える（単純な90度回転）
ピボット解除：列の見出しを「属性」、データを「値」にした組み合わせを作成

実務ではピボット解除の方が圧倒的に使用頻度が高いです。転置は、集計済みのクロス集計表を元データに戻す特殊なケースで使用します。

【高速化編】大量データでも快適に動作させる7つのテクニック

Power Queryは正しく使えば高速ですが、使い方を間違えると極端に遅くなります。処理が遅い場合にチェックすべきポイントを7つ紹介します。

①データソースはCSV形式を優先

同じデータでも、ExcelファイルよりCSVファイルの方が読み込みが高速です。

Excel（.xlsx）：複雑な構造、数式、書式情報を解析する必要がある
CSV：純粋なテキストデータで構造がシンプル

実務での対応：

データソースの提供元に相談してCSV形式で受け取る
Excelしか選択肢がない場合、一度CSVに変換してからPower Queryで読み込む

②不要な列は”最初の段階”で削除

これは最も重要な高速化テクニックです。大容量ファイルのトラブルシューティングでも最優先事項として挙げられています。

なぜ早期削除が重要か？

後続のステップで処理するデータ量が減る
メモリ使用量が削減される
ピボット解除やマージなどの重い処理が高速化

ベストプラクティス：

// データ取り込み直後
ソース
→ 不要な列を削除（最優先）
→ 不要な行をフィルター
→ データ型の変更
→ ピボット解除などの変換処理

従来のExcel作業では「念のため列を残しておく」文化がありますが、Power Queryでは削除したステップはいつでも復元可能なため、迷わず削除してください。

③フィルタリングもできるだけ早い段階で

100万行のデータのうち、最終的に10万行しか使わないのであれば、可能な限り早い段階でフィルターしてください。

効果的なフィルタリングの順序：

データソース接続時（SQL ServerなどではWHERE句で絞り込む）
Power Queryの最初のステップで行をフィルター
その後に複雑な変換処理

④重い処理（マージ・ソート）は後半に配置

処理の負荷には軽重があります。負荷の軽い処理を前半、重い処理を後半に配置することで速度向上します。

処理の重さランキング（重い順）：

クエリのマージ（結合）← 最も重い
行のソート（並べ替え）
グループ化・集計
ピボット解除
データ型の変更
列・行のフィルター ← 最も軽い

理想的な処理順序：

データ読み込み
→ 列削除（軽い）
→ 行フィルター（軽い）
→ ピボット解除（中程度）
→ データ型変更（中程度）
→ グループ化・集計（重い）
→ マージ（最も重い）

⑤不要なマージ（結合）を避ける – これが最大の落とし穴

Excel作業に慣れた方が最もつまずくのが、「VLOOKUPの代わりにマージを使いすぎる」問題です。

マージが不要なケース①：分析用途ならリレーションシップを使う

Power PivotやPower BIで分析する場合、無理に1つのテーブルにまとめる必要はありません。

従来のExcel思考：すべてのデータを1つの表に統合
Power Query/Power BI思考：テーブルを分割してリレーションシップで結合（スタースキーマ）

推奨アプローチ：

売上明細テーブル（ファクトテーブル）
商品マスタテーブル（ディメンションテーブル）
顧客マスタテーブル（ディメンションテーブル）

これらを別々のテーブルとして読み込み、Power Pivot/Power BIでリレーションシップを設定する方が、処理速度・メンテナンス性ともに優れています。

マージが不要なケース②：フィルター目的ならList.Contains関数を使う

「特定のIDリストに含まれるデータだけ抽出したい」という理由でマージを使うケースがありますが、List.Contains関数で代替可能です。

従来の方法（遅い）：

1. マージでIDマスタと結合
2. フィルターで必要なデータを絞る
3. 展開して列を追加
4. 不要な列を削除

高速な方法：

1. IDリストをクエリで作成
2. カスタム列でList.Contains関数を使用
   List.Contains(IDリスト[ID], [商品ID])
3. Trueの行だけフィルター

この方法なら、マージの重い処理を完全に回避できます。

どうしてもマージが必要な場合：Table.AddKey関数で高速化

マージが避けられない場合は、Table.AddKey関数を使ってインデックスを設定すると処理が高速化します。

// 高度なエディタで記述
let
    ソース = Excel.CurrentWorkbook(){[Name="商品マスタ"]}[Content],
    // 主キーを設定して検索を高速化
    キー設定 = Table.AddKey(ソース, {"商品ID"}, true)
in
    キー設定

Table.AddKeyの詳細な使い方を参考にしてください。

※Table.AddKeyは「この列で検索する」とPower Queryに教える処理。
SQLのインデックスに近い役割を持ちます。

⑥不要なソート（並べ替え）を削除

Excel作業では頻繁にソートしますが、Power Queryではソートが本当に必要なケースは少ないです。

ソートが不要なケース：

Power BIやピボットテーブルで後から並べ替える予定
単に「見やすくするため」だけの目的
グループ化前の準備（グループ化は自動で適切に処理される）

ソートが必要なケース：

インデックス列を追加する前提で順序が重要
「最初のN行」や「最後のN行」を取得する前

不要なソートステップは削除してください。特に大量データでは速度に顕著な差が出ます。

⑦Table.Buffer関数でクエリ参照を高速化

同じクエリを複数回参照する場合、Table.Buffer関数でキャッシュすると高速化します。

Table.Bufferが効果的なケース：

マスタデータを複数のクエリから参照している
集計用の中間テーブルを複数箇所で使用

使い方：

// 高度なエディタで最終ステップに追加
let
    ソース = ...,
    変換処理 = ...,
    // 最後にバッファー化
    バッファー = Table.Buffer(変換処理)
in
    バッファー

注意点：

メモリに全データを読み込むため、大量データでは逆効果の場合あり
効果は状況次第なので、使用前後で速度を比較すること

実務で役立つ補足テクニック

作業中だけデータを制限して快適に編集

100万行のデータで複雑なクエリを作る場合、作業中だけ行数を制限すると編集が快適になります。

手順：

フィルター後に「上位の行を保持」で1000行程度に制限
クエリを完成させる
完成後に行数制限のステップを削除
最終的な全データ処理を実行

この方法なら、クエリ作成中のプレビュー表示が高速になります。

データ型は適切に設定する

データ型の自動判定に任せず、明示的に正しいデータ型を設定してください。

数値列 → 整数または小数点数型
日付列 → 日付型または日付時刻型
テキスト列 → テキスト型

特にマージのキー列は、両方のテーブルで同じデータ型にすることが重要です。型が異なると処理が遅くなります。

バックグラウンド更新を無効化

クエリが複雑になると、バックグラウンド更新が逆に遅くなる場合があります。

設定方法：

「データ」タブ → 「クエリと接続」
対象クエリを右クリック → 「プロパティ」
「バックグラウンドで更新する」のチェックを外す

よくある質問（FAQ）

Q1. ピボット解除後のデータ型がおかしくなる

A. ピボット解除後は「値」列がテキスト型になっていることが多いです。必ずデータ型を数値型に変更してください。データ型が正しくないと、合計が計算されず連結される、並べ替えがおかしくなる、などの問題が発生します。

Q2. 処理を高速化しても遅い場合は？

A. 以下を確認してください：

PCのメモリ不足（8GB以下なら16GB以上に増設を検討）
データソースが外部サーバーでネットワークが遅い
ウイルス対策ソフトがファイルアクセスをブロック
Excelのバージョンが古い（最新版へのアップデート推奨）

Q3. 「その他の列のピボット解除」と「列のピボット解除」の違いは？

A. どちらも結果は同じですが、「その他の列のピボット解除」の方が実務向きです。理由：

固定列（商品名、IDなど）を選択して「その他の列」を解除する方が直感的
データに列が追加されても自動的に処理対象に含まれる

Q4. 複数のExcelファイルを一度に処理できる？

A. できます。フォルダから複数ファイルをまとめて読み込み、結合できます。

「データの取得」→「ファイルから」→「フォルダーから」
対象フォルダを指定
「データの変換」をクリック
「コンテンツ」列を展開して全ファイルを結合

Q5. Power QueryとVBAはどちらが速い？

A. 大量データの場合、Power Queryの方が圧倒的に高速です。理由：

Power Queryはマルチスレッド処理に対応
メモリ効率が良い設計
クエリフォールディング（データソース側での処理）が可能

ただし、10万行以下の小規模データで単純処理ならVBAも十分です。

まとめ：Power Query横方向データ処理の成功法則

本記事で解説した内容をおさらいします。

横方向データを扱う3ステップ

ピボット解除で縦持ちに変換
- 固定列を選択して「その他の列のピボット解除」
- 列名を分かりやすく変更
- データ型を適切に設定
処理順序を最適化
- 列削除・行フィルターを最初に
- 重い処理（マージ・ソート）は最後に
不要な処理を削減
- マージではなくリレーションシップやList.Contains関数を検討
- 不要なソートは削除

大量データ高速処理の7つのチェックリスト

☑ データソースはCSV形式を優先
☑ 不要な列を最初の段階で削除
☑ フィルタリングを早期実施
☑ 重い処理は後半に配置
☑ 不要なマージを避ける（List.Containsやリレーションシップで代替）
☑ 不要なソートを削除
☑ 必要に応じてTable.Bufferでキャッシュ

最後に：Power Queryは「考え方」の転換が必要

従来のExcel作業の常識をPower Queryに持ち込むと失敗します。特に重要な考え方の転換：

全部1つの表にまとめない → テーブルを分割してリレーションシップで結合
念のため列を残さない → ステップは復元可能なので迷わず削除
VLOOKUPの代わりにマージを使わない → 目的に応じて代替手段を選択

この記事で紹介したテクニックを実践すれば、100万行を超える大量データでも快適に処理できるようになります。ぜひ実務で活用してください。