# JSON vs CSV：いつどちらを使うべきか

JSONとCSVはどちらも遍在するデータフォーマットですが、間違った選択をすると、何時間もの開発時間を失い、メンテナンスの悪夢を引き起こす可能性があります。この包括的なガイドでは、実際の例を使用してJSONとCSVのどちらをいつ使用するかを正確に示します。

---

クイック比較

| 機能 | JSON | CSV |

|---------|------|-----|

| 人間が読める | ✅ はい | ✅ はい |

| 機械解析可能 | ✅ 簡単 | ✅ 簡単 |

| 階層データ | ✅ ネイティブ | ❌ 難しい |

| ファイルサイズ | 大きい | ✅ 小さい |

| スキーマサポート | ✅ 柔軟 | ❌ なし |

| データ型 | ✅ 複数 | ❌ テキストのみ |

| Excel互換 | ⚠️ 変換が必要 | ✅ 直接 |

| API標準 | ✅ はい | ❌ まれ |

要約:

JSONを使用 - API、設定、階層データ用
CSVを使用 - スプレッドシート、データエクスポート、表形式データ用

---

フォーマットの理解

JSONとは？

JSON（JavaScript Object Notation）は、キーと値のペアで構造化データを表現する軽量データフォーマットです。

例:

{
  "users": [
    {
      "id": 1,
      "name": "Alice Johnson",
      "email": "alice@example.com",
      "roles": ["admin", "editor"],
      "active": true,
      "metadata": {
        "lastLogin": "2026-02-15T10:30:00Z",
        "loginCount": 247
      }
    },
    {
      "id": 2,
      "name": "Bob Smith",
      "email": "bob@example.com",
      "roles": ["viewer"],
      "active": false,
      "metadata": {
        "lastLogin": "2026-01-10T14:22:00Z",
        "loginCount": 12
      }
    }
  ]
}

特徴:

ネストされたオブジェクトと配列をサポート
複数のデータ型（文字列、数値、ブール値、null、オブジェクト、配列）
自己記述型の構造
Web APIの標準

CSVとは？

CSV（Comma-Separated Values）は、各行が行を表し、カンマが列を区切る表形式データのプレーンテキストフォーマットです。

例（同じデータ）:

id,name,email,roles,active,lastLogin,loginCount 1,Alice Johnson,alice@example.com,"admin,editor",true,2026-02-15T10:30:00Z,247

2,Bob Smith,bob@example.com,viewer,false,2026-01-10T14:22:00Z,12

特徴:

シンプルな行と列の構造
すべての値がテキストとして扱われる
ネストされたデータをサポートしない
スプレッドシートとの互換性が高い

---

JSONを使用すべき場合

✅ JSONを使用する場合:

1. Web APIの構築

JSONが勝る理由:

REST APIの標準フォーマット
JavaScriptネイティブサポート
すべての言語で解析が簡単
複雑なデータ構造をサポート

例 - ユーザーAPIレスポンス:

{
  "status": "success",
  "data": {
    "user": {
      "id": 123,
      "profile": {
        "firstName": "Alice",
        "lastName": "Johnson",
        "avatar": "https://example.com/avatar.jpg"
      },
      "preferences": {
        "theme": "dark",
        "notifications": {
          "email": true,
          "push": false,
          "sms": true
        }
      }
    }
  },
  "meta": {
    "timestamp": "2026-02-15T10:30:00Z",
    "version": "2.0"
  }
}

CSV代替: この構造をきれいに表現することはほぼ不可能。

2. 設定ファイル

JSON設定の例:

{
  "app": {
    "name": "MyApp",
    "version": "3.2.1",
    "environment": "production"
  },
  "database": {
    "host": "db.example.com",
    "port": 5432,
    "credentials": {
      "username": "admin",
      "passwordEnv": "DB_PASSWORD"
    },
    "pool": {
      "min": 2,
      "max": 10
    }
  },
  "features": {
    "authentication": true,
    "rateLimit": {
      "enabled": true,
      "maxRequests": 100,
      "window": "15m"
    }
  }
}

CSVではない理由: 設定ファイルには階層と異なるデータ型が必要。

3. 階層/ネストされたデータ

製品カタログの例:

{
  "categories": [
    {
      "id": "electronics",
      "name": "Electronics",
      "subcategories": [
        {
          "id": "laptops",
          "name": "Laptops",
          "products": [
            {
              "sku": "LAP-001",
              "name": "MacBook Pro",
              "specs": {
                "cpu": "M3 Pro",
                "ram": "16GB",
                "storage": "512GB"
              },
              "price": 1999.99,
              "inStock": true,
              "tags": ["premium", "professional", "portable"]
            }
          ]
        }
      ]
    }
  ]
}

CSVの制限: これを平坦化すると階層関係が失われる。

4. 混合データ型

注文サマリー:

{ "orderId": "ORD-789456", "customer": { "id": 12345, "name": "Alice Johnson", "vip": true }, "items": [ { "productId": 101, "quantity": 2, "price": 29.99, "discounted": false }, { "productId": 203, "quantity": 1, "price": 149.99, "discounted": true } ], "totals": { "subtotal": 209.97, "tax": 18.90, "shipping": 0.00, "total": 228.87 }, "shipped": false, "estimatedDelivery": "2026-02-20"

}

利点: 数値は数値、ブール値はブール値、曖昧さなし。

5. リアルタイムデータストリーム

WebSocket更新:

{ "type": "PRICE_UPDATE", "symbol": "AAPL", "price": 182.45, "change": +2.31, "timestamp": 1708000000, "volume": 45723891

}

JSONの理由: インクリメンタル解析が簡単、さまざまなメッセージタイプをサポート。

---

CSVを使用すべき場合

✅ CSVを使用する場合:

1. スプレッドシートのインポート/エクスポート

CSVが勝る理由:

Excel、Google Sheets、Numbersで直接開ける
変換不要
数式を保持（一部の場合）
ユニバーサル互換性

例 - 売上レポート:

Date,Product,Quantity,Price,Total,Region 2026-02-01,Widget A,50,12.99,649.50,North 2026-02-01,Widget B,30,19.99,599.70,South 2026-02-02,Widget A,45,12.99,584.55,East

2026-02-02,Widget C,20,34.99,699.80,West

使用法:

CSVをダウンロード

Excelで開く

すぐにピボットテーブル、グラフを作成

2. 大規模な表形式データセット

パフォーマンス比較: データセット: 100万行 × 10列

|--------|-----------|------------|--------|

| CSV | 85 MB | 2.3秒 | 120 MB |

| JSON | 210 MB | 5.8秒 | 340 MB |

CSVの例:

userId,timestamp,action,page,duration 1001,2026-02-15 10:00:00,view,/home,45 1002,2026-02-15 10:00:05,click,/products,120

1003,2026-02-15 10:00:08,view,/about,30

利点:

ファイルサイズが小さい
解析が速い（ネストされた構造がない）
メモリ使用量が少ない
ストリーム処理に適している

3. データ移行

データベースエクスポートの例:

customer_id,first_name,last_name,email,join_date,total_orders 1,John,Doe,john@example.com,2025-01-15,23 2,Jane,Smith,jane@example.com,2025-03-22,17

3,Bob,Johnson,bob@example.com,2025-06-10,31

CSVの理由:

ほとんどのデータベースがCSVインポートをネイティブサポート
COPYまたはLOAD DATAコマンドがCSVに最適化されている
カスタムパーサーが不要
バッチ処理が簡単

例 - PostgreSQLインポート:

COPY customers(customer_id, first_name, last_name, email, join_date, total_orders) FROM '/path/to/customers.csv' DELIMITER ','

CSV HEADER;

4. Pandas/Rでのデータ分析

Python - Pandas:

import pandas as pd

# CSVの方が速く、メモリ使用量が少ない
df = pd.read_csv('sales_data.csv')

# 即座のデータ分析
print(df.describe())
print(df.groupby('Region')['Total'].sum())

R - データフレーム:

# ネイティブCSVサポート
data <- read.csv("sales_data.csv")

# 統計分析
summary(data)
aggregate(Total ~ Region, data, sum)

5. シンプルなデータ共有

メール添付:

CSVはどのコンピュータでも開ける（Excelなしでも）
特別なソフトウェア不要
テキストエディタで表示可能
ファイルサイズが小さい

例 - 連絡先リスト:

Name,Email,Phone,Company Alice Johnson,alice@example.com,555-0101,Acme Corp Bob Smith,bob@example.com,555-0102,TechStart

Carol White,carol@example.com,555-0103,DataCo

---

実際のシナリオ

シナリオ1：Eコマース製品カタログ

要件:

10,000製品
ネストされたカテゴリ
製品ごとに複数の画像
可変属性（サイズ、色など）
リアルタイム在庫更新

✅ JSONを使用 理由:

階層的なカテゴリ構造
製品タイプごとに柔軟な属性
Web/モバイルアプリ用のAPIに適している
配列をサポート（画像、バリアント）

例:

{
  "sku": "SHIRT-001",
  "name": "コットンTシャツ",
  "category": ["衣料品", "メンズ", "Tシャツ"],
  "images": [
    "https://cdn.example.com/shirt-001-front.jpg",
    "https://cdn.example.com/shirt-001-back.jpg"
  ],
  "variants": [
    { "size": "S", "color": "Blue", "sku": "SHIRT-001-S-BLU", "inStock": 15 },
    { "size": "M", "color": "Blue", "sku": "SHIRT-001-M-BLU", "inStock": 23 },
    { "size": "L", "color": "Red", "sku": "SHIRT-001-L-RED", "inStock": 8 }
  ],
  "price": {
    "base": 29.99,
    "sale": 24.99,
    "currency": "USD"
  }
}

シナリオ2：月次売上レポート

要件:

財務チーム用のデータエクスポート
5列：日付、製品、数量、価格、合計
30,000行
Excelでピボットテーブルに使用

✅ CSVを使用 理由:

平坦な表形式データ
Excelが目的地
ネストされた構造が不要
財務チームはCSVを期待

例:

Date,Product,Quantity,Price,Total 2026-02-01,Widget A,50,12.99,649.50 2026-02-01,Widget B,30,19.99,599.70

2026-02-02,Widget A,45,12.99,584.55

シナリオ3：設定管理

要件:

アプリケーション設定
データベース認証情報
機能フラグ
環境固有の値

✅ JSONを使用（またはYAML/TOML） 理由:

設定の論理的なグループ化
異なるデータ型（ブール値、数値、文字列）
コメントが必要（JSON5またはYAMLを使用）
バージョン管理に適している

例:

{
  "database": {
    "host": "localhost",
    "port": 5432,
    "ssl": true
  },
  "features": {
    "newUI": true,
    "betaAccess": false
  },
  "limits": {
    "maxUsers": 1000,
    "rateLimit": 100
  }
}

シナリオ4：センサーデータ収集

要件:

IoTセンサーが読み取り値を送信
1日あたり100,000の読み取り
シンプルな構造：タイムスタンプ、センサーID、値
分析用に保存

✅ CSVを使用 理由:

シンプルで平坦な構造
大量（CSVの方が効率的）
pandas/Rで分析
ストレージコストが低い

例:

timestamp,sensorId,temperature,humidity 2026-02-15 10:00:00,SENSOR-001,22.5,45.2 2026-02-15 10:00:30,SENSOR-002,23.1,46.8

2026-02-15 10:01:00,SENSOR-001,22.7,45.5

シナリオ5：ソーシャルメディアAPI

要件:

コメント付きのユーザー投稿
いいね、シェア、メタデータ
ネストされたユーザープロフィール
リアルタイム更新

✅ JSONを使用 理由:

Web APIの標準
ネストされたデータ（投稿 → コメント → 返信）
投稿タイプごとに可変フィールド
クライアント側解析（JavaScript）

例:

{
  "post": {
    "id": "post_789",
    "author": {
      "id": "user_123",
      "name": "Alice",
      "avatar": "https://cdn.example.com/avatars/123.jpg",
      "verified": true
    },
    "content": "新製品をリリースしました！🚀",
    "media": [
      { "type": "image", "url": "https://cdn.example.com/img/abc.jpg" }
    ],
    "engagement": {
      "likes": 342,
      "shares": 45,
      "comments": 28
    },
    "comments": [
      {
        "id": "comment_456",
        "author": { "id": "user_789", "name": "Bob" },
        "text": "おめでとうございます！",
        "timestamp": "2026-02-15T10:30:00Z"
      }
    ],
    "timestamp": "2026-02-15T09:00:00Z"
  }
}

---

フォーマット間の変換

JSONからCSVへ

課題: 階層データの平坦化 例 - ユーザーデータ: JSON:

{
  "users": [
    {
      "id": 1,
      "name": "Alice",
      "email": "alice@example.com",
      "address": {
        "city": "New York",
        "state": "NY"
      }
    }
  ]
}

平坦化されたCSV:

id,name,email,address.city,address.state

1,Alice,alice@example.com,New York,NY

JavaScript変換:

function jsonToCsv(jsonArray) {
  const flatten = (obj, prefix = '') => {
    return Object.keys(obj).reduce((acc, key) => {
      const newKey = prefix ? ${prefix}.${key} : key;
      if (typeof obj[key] === 'object' && obj[key] !== null && !Array.isArray(obj[key])) {
        Object.assign(acc, flatten(obj[key], newKey));
      } else {
        acc[newKey] = obj[key];
      }
      return acc;
    }, {});
  };

  const flattened = jsonArray.map(flatten);
  const headers = Object.keys(flattened[0]);

  const csv = [
    headers.join(','),
    ...flattened.map(row => headers.map(h => JSON.stringify(row[h] ?? '')).join(','))
  ].join('\n');

  return csv;
}

// 使用法
const users = [
  { id: 1, name: "Alice", email: "alice@example.com", address: { city: "NYC", state: "NY" } }
];
console.log(jsonToCsv(users));

オンラインツール: BigJSON to CSVコンバーターを使用

CSVからJSONへ

Pythonの例:

import csv
import json

def csv_to_json(csv_file, json_file):
    data = []
    with open(csv_file, 'r') as f:
        reader = csv.DictReader(f)
        for row in reader:
            data.append(row)

    with open(json_file, 'w') as f:
        json.dump(data, f, indent=2)

# 使用法
csv_to_json('users.csv', 'users.json')

JavaScript:

function csvToJson(csvText) {
  const lines = csvText.trim().split('\n');
  const headers = lines[0].split(',');

  return lines.slice(1).map(line => {
    const values = line.split(',');
    return headers.reduce((obj, header, index) => {
      obj[header.trim()] = values[index]?.trim();
      return obj;
    }, {});
  });
}

// 使用法
const csv = id,name,email

1,Alice,alice@example.com
2,Bob,bob@example.com;

console.log(JSON.stringify(csvToJson(csv), null, 2));

---

パフォーマンスの考慮事項

ファイルサイズの比較

データセット: 10,000ユーザーレコード

| フォーマット | サイズ | 圧縮（gzip） |

|--------|------|-------------------|

| JSON | 2.1 MB | 450 KB |

| CSV | 890 KB | 280 KB |

結論: 表形式データの場合、CSVの方がスペース効率が良い。

解析速度

ベンチマーク: 100,000行

| 言語 | JSON | CSV |

|----------|------|-----|

| JavaScript | 850ms | 320ms |

| Python | 1.2秒 | 450ms |

| Java | 420ms | 180ms |

結論: CSVの解析は、構造がシンプルなため一般的に高速。

メモリ使用量

JSON: 以下の理由により高いメモリ:

オブジェクトのオーバーヘッド
文字列キーが繰り返し格納される
ネストされた構造

CSV: 低いメモリ:

シンプルな配列
キーストレージなし（ヘッダーは参照）
ストリーム処理が可能

---

ベストプラクティス

JSONの場合:

✅ APIに使用 - 標準フォーマット、よくサポートされている

✅ スキーマで検証 - JSONスキーマを使用して構造を検証

✅ 人間用にプリティプリント - 読みやすくするためにインデント

✅ 本番用に最小化 - サイズを減らすために空白を削除

✅ 大きなファイルは慎重に処理 - ストリーミングパーサーを使用

CSVの場合:

✅ 常にヘッダーを含める - 最初の行は列名であるべき

✅ カンマを含むフィールドを引用符で囲む - "Value, with comma"

✅ 引用符をエスケープ - 二重引用符を使用："He said ""hello"""

✅ 一貫したエンコーディングを使用 - UTF-8が推奨

✅ Excelでテスト - 互換性を確保

---

ハイブリッドアプローチ

JSONフィールド付きCSV

ユースケース: 主に表形式だが、一部の複雑なフィールド

id,name,email,preferences
1,Alice,alice@example.com,"{""theme"":""dark"",""language"":""en""}"
2,Bob,bob@example.com,"{""theme"":""light"",""language"":""es""}"

長所: シンプルさと柔軟性のバランス 短所: CSV内でJSONを解析する必要がある

JSON Lines（JSONL）

ユースケース: 大規模データセットのストリーミング

{"id":1,"name":"Alice","email":"alice@example.com"}
{"id":2,"name":"Bob","email":"bob@example.com"}
{"id":3,"name":"Carol","email":"carol@example.com"}

利点:

1行に1つのJSONオブジェクト
ストリーム処理に適している
追加専用の更新
大規模データセットを処理

---

決定ツリー

ネストされた/階層データを表現する必要がありますか？ ├─ はい → JSONを使用 └─ いいえ → 続行目的地はスプレッドシート（Excel/Sheets）ですか？ ├─ はい → CSVを使用 └─ いいえ → 続行これはWeb API用ですか？ ├─ はい → JSONを使用 └─ いいえ → 続行複数のデータ型（数値、ブール値）が必要ですか？ ├─ はい → JSONを使用 └─ いいえ → 続行シンプルな表形式データでファイルサイズ/パフォーマンスが重要ですか？ ├─ はい → CSVを使用

└─ いいえ → JSONを使用（より柔軟）

---

結論

JSONを選択する場合:

🌐 Web APIの構築
🎯 階層構造のデータ
🔧 設定ファイル
📱 モバイル/Webアプリケーション
🔄 リアルタイムデータ交換

CSVを選択する場合:

📊 スプレッドシートのインポート/エクスポート
📈 大規模な表形式データセット
💾 シンプルなデータ移行
🔬 データ分析（pandas/R）
📧 メール添付

覚えておいてください: 普遍的に「より良い」フォーマットはありません—正しい選択は特定のユースケースによって異なります。

Big JSON Team

クイック比較

フォーマットの理解

JSONとは？

CSVとは？

JSONを使用すべき場合

✅ JSONを使用する場合:

1. Web APIの構築

2. 設定ファイル

3. 階層/ネストされたデータ

4. 混合データ型

5. リアルタイムデータストリーム

CSVを使用すべき場合

✅ CSVを使用する場合:

1. スプレッドシートのインポート/エクスポート

2. 大規模な表形式データセット

3. データ移行

4. Pandas/Rでのデータ分析

5. シンプルなデータ共有

実際のシナリオ

シナリオ1：Eコマース製品カタログ

シナリオ2：月次売上レポート

シナリオ3：設定管理

シナリオ4：センサーデータ収集

シナリオ5：ソーシャルメディアAPI

フォーマット間の変換

JSONからCSVへ

CSVからJSONへ

パフォーマンスの考慮事項

ファイルサイズの比較

解析速度

メモリ使用量

ベストプラクティス

JSONの場合:

CSVの場合:

ハイブリッドアプローチ

JSONフィールド付きCSV

JSON Lines（JSONL）

決定ツリー

結論

JSONを選択する場合:

CSVを選択する場合:

関連ツール

関連記事

関連記事

JSON vs XML：どちらを選ぶべきか

JSONをExcelに変換する方法

JSON vs YAML：完全比較

Read in English