【Python】match case(match文)で複数条件を処理する方法

公開：2025年3月29日更新：2026年4月6日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

Pythonのmatch caseで複数条件を処理する方法
Pythonのmatch caseで複数のデータ型に対応する方法
Pythonのmatch caseで複数変数を抽出するパターン
Pythonのmatch caseでガード節を使用した複数条件

Pythonのmatch caseで複数条件を処理する方法

Pythonの構造的パターンマッチング（match-case文）では、複数の条件を効率的に処理できるようになっています。Python 3.10から導入されたこの機能は、従来のif-elif-else文よりも複雑な条件分岐をより簡潔に記述できるメリットがあります。match文は値を受け取り、複数のcase節と照合して最初にマッチしたパターンのコードブロックを実行します。

match-case文の基本的な構文は値をパターンと比較するシンプルなものですが、複数のパターンを扱うための様々な記法があります。OR条件を表現するパイプ記号（|）を使うと、一つのcase内で複数の値に対応できるため、コードの冗長性を大幅に減らすことができます。

【サンプルコード】
# 基本的なmatch-caseの使用例（複数条件）
def check_status(status):
    match status:
        case "ready" | "prepared" | "standby":
            return "システムは準備完了です"
        case "running" | "processing":
            return "システムは実行中です"
        case "error" | "failed" | "crashed":
            return "システムはエラーが発生しています"
        case _:
            return "未知の状態です"

# 複数のステータスでテスト
statuses = ["ready", "processing", "failed", "unknown"]
for status in statuses:
    print(f"ステータス '{status}': {check_status(status)}")

【実行結果】
ステータス 'ready': システムは準備完了です
ステータス 'processing': システムは実行中です
ステータス 'failed': システムはエラーが発生しています
ステータス 'unknown': 未知の状態です

複数のパターンをパイプ記号（|）で区切ることによって、同じ処理を行いたい複数の条件をシンプルに記述できます。これはSwitch文を持つ他のプログラミング言語のfall-throughに相当する機能であり、コードの見通しを大幅に改善することができます。条件分岐が多いアプリケーションでは特に有効な書き方です。

Python研修一覧はこちら

目的に合うPython研修を一覧形式から探したい方は、ぜひご利用ください。

Python研修を比較する

Java研修一覧はこちら

目的に合うJava研修を一覧形式から探したい方は、ぜひご利用ください。

Java研修を比較する

PHP研修一覧はこちら

目的に合うPHP研修を一覧形式から探したい方は、ぜひご利用ください。

PHP研修を比較する

新入社員研修

目的に合う新入社員研修を一覧形式から探したい方は、ぜひご利用ください。

新入社員研修を比較する

全ての研修からも探したい方はこちら

Pythonのmatch caseで複数のデータ型に対応する方法

match-case文は単純な値の比較だけでなく、異なるデータ型に対しても柔軟に対応できます。リスト、タプル、辞書などの複合データ型をパターンとして指定し、それらの内部構造に基づいた条件分岐を実装できることがPythonの構造的パターンマッチングの強力な特徴です。これにより、データの型と内容に応じた処理を簡潔に記述できるようになります。

match-case文では、リストや辞書のパターンマッチングを行う際、要素の一部だけを指定したり、アンパック演算子（*）を使用して可変長の要素に対応したりすることも可能です。この機能を活用することによって、データ構造の特定部分だけに着目した条件分岐を簡潔に記述できるようになります。

【サンプルコード】
# 複数のデータ型に対応するmatch-case
def process_data(data):
    match data:
        case str(s):
            return f"文字列: {s}の長さは{len(s)}文字です"
        case list() | tuple() as sequence:
            return f"シーケンス: 要素数は{len(sequence)}です"
        case {"name": name, "age": age}:
            return f"ユーザー: {name}さん（{age}歳）"
        case {"type": "point", "x": x, "y": y}:
            return f"座標点: ({x}, {y})"
        case _:
            return "未知のデータ型です"

# 様々なデータ型でテスト
test_data = [
    "Python",
    [1, 2, 3, 4],
    (10, 20, 30),
    {"name": "田中", "age": 30},
    {"type": "point", "x": 5, "y": 10},
    {"other": "data"}
]

for data in test_data:
    print(process_data(data))

【実行結果】
文字列: Pythonの長さは6文字です
シーケンス: 要素数は4です
シーケンス: 要素数は3です
ユーザー: 田中さん（30歳）
座標点: (5, 10)
未知のデータ型です

この例では、文字列、リスト、タプル、辞書など異なるデータ型に対して適切な処理を行っています。特に注目すべき点は、list() | tuple() as sequenceのようにOR条件とasキーワードを組み合わせることによって、類似した複数の型に対して同じ処理を適用できることです。デザインパターンの観点からは、これはポリモーフィズムを実現する簡潔な方法と考えることができます。

Pythonのmatch caseで複数変数を抽出するパターン

match-case文の強力な機能の一つとして、パターンマッチングと同時に変数への代入（抽出）が可能な点があります。複雑なデータ構造から必要な要素だけを取り出して変数に束縛することができるため、データの検証と処理を一度に行うことが可能になります。これはデータのバリデーションと処理を同時に行いたい場合に非常に便利な機能です。

特に重要なのは、ネストされたデータ構造から複数の変数を一度に抽出できる点です。深くネストされたJSONデータやAPIレスポンスを処理する際、従来のアプローチでは複数の条件チェックと変数代入が必要でしたが、match-case文を使用することによってこれらの処理を一つの構造にまとめることができるようになります。

【サンプルコード】
# 複数変数を抽出するmatch-case
def analyze_command(command):
    match command:
        case ["GET", path]:
            return f"GETリクエスト: パス '{path}' にアクセスします"
        case ["POST", path, {"content": content, "type": type}]:
            return f"POSTリクエスト: パス '{path}' に {type} 形式で '{content}' を送信します"
        case ["DELETE", path, id]:
            return f"DELETEリクエスト: パス '{path}' のID '{id}' を削除します"
        case ["UPDATE", path, id, {"fields": fields}]:
            return f"UPDATEリクエスト: パス '{path}' のID '{id}' を更新します。フィールド: {fields}"
        case _:
            return "無効なコマンドです"

# 様々なコマンドでテスト
commands = [
    ["GET", "/api/users"],
    ["POST", "/api/comments", {"content": "素晴らしい記事です", "type": "text/plain"}],
    ["DELETE", "/api/posts", "12345"],
    ["UPDATE", "/api/profile", "user123", {"fields": ["name", "email"]}],
    ["INVALID", "command"]
]

for cmd in commands:
    print(analyze_command(cmd))

【実行結果】
GETリクエスト: パス '/api/users' にアクセスします
POSTリクエスト: パス '/api/comments' に text/plain 形式で '素晴らしい記事です' を送信します
DELETEリクエスト: パス '/api/posts' のID '12345' を削除します
UPDATEリクエスト: パス '/api/profile' のID 'user123' を更新します。フィールド: ['name', 'email']
無効なコマンドです

この例では、コマンドの構造に基づいて複数の変数を一度に抽出しています。例えば、["POST", path, {"content": content, "type": type}]のようなパターンでは、リストの2番目の要素をpath変数に、辞書のcontentキーとtypeキーの値をそれぞれ対応する変数に代入しています。このアプローチにより、データ構造の検証とデータ抽出を同時に行うことができ、コードの安全性と可読性が向上します。

Python基礎・実践(Django)

企業・法人向けのPython研修では、基礎から応用まで体系的に学べます。

Python研修の詳細

DX社員研修

企業・法人向けのDX研修では、実務に繋がるリスキリングでITレベルを向上させます。

DX研修の詳細

Javaエンジニア育成研修

企業・法人向けのJavaエンジニア育成研修では、Javaの基礎から応用まで確実に習得できます。

Java研修の詳細

新卒・新入社員向け研修

企業・法人に新入社員・新卒社員に向けたプログラミング研修を提供しています。

新入社員研修の詳細

コードキャンプのIT研修を全て見る

Pythonのmatch caseでガード節を使用した複数条件

Pythonのmatch-case文ではガード節（guard clause）という機能を使って、パターンマッチングに追加の条件を設定することができます。ガード節はcase パターン if 条件:という形式で記述し、パターンにマッチした場合にのみ条件式が評価されます。この機能により、単純なパターンマッチングだけでは表現できない複雑な条件分岐を実装することが可能になります。

ガード節は特に範囲チェックや複雑な条件の組み合わせが必要な場合に非常に有用です。また、異なるパターンに対して同様の追加条件を設定したい場合にも、コードの重複を避けながら条件分岐を実装できるというメリットがあります。従来のif-elif構造と比較すると、より意図が明確で読みやすいコードを作成できます。

【サンプルコード】
# ガード節を使用したmatch-case
def categorize_number(n):
    match n:
        case int() | float() as num if num < 0:
            return f"{num}は負の数です"
        case int() as num if num == 0:
            return "ゼロです"
        case int() as num if num > 0 and num % 2 == 0:
            return f"{num}は正の偶数です"
        case int() as num if num > 0:
            return f"{num}は正の奇数です"
        case float() as num if num > 0:
            return f"{num}は正の小数です"
        case _:
            return "数値ではないか、想定外の数値です"

# 年齢と権限によるアクセス制御の例
def check_access(user):
    match user:
        case {"role": "admin"}:
            return "管理者権限でアクセスが許可されています"
        case {"role": "user", "age": age} if age >= 18:
            return "成人ユーザーとしてアクセスが許可されています"
        case {"role": "user", "age": age} if age < 18:
            return "未成年ユーザーには一部コンテンツが制限されています"
        case {"role": role}:
            return f"未知の役割: {role}"
        case _:
            return "ユーザー情報が不完全です"

# テスト用データ
numbers = [-10, 0, 7, 22, 3.14, "string"]
users = [
    {"role": "admin", "name": "管理者", "age": 35},
    {"role": "user", "name": "一般ユーザー1", "age": 25},
    {"role": "user", "name": "一般ユーザー2", "age": 16},
    {"role": "guest"},
    {"name": "不完全なユーザー"}
]

print("--- 数値の分類 ---")
for n in numbers:
    print(f"{n}: {categorize_number(n)}")

print("\n--- アクセス制御 ---")
for user in users:
    print(f"{user}: {check_access(user)}")

【実行結果】
--- 数値の分類 ---
-10: -10は負の数です
0: ゼロです
7: 7は正の奇数です
22: 22は正の偶数です
3.14: 3.14は正の小数です
string: 数値ではないか、想定外の数値です

--- アクセス制御 ---
{'role': 'admin', 'name': '管理者', 'age': 35}: 管理者権限でアクセスが許可されています
{'role': 'user', 'name': '一般ユーザー1', 'age': 25}: 成人ユーザーとしてアクセスが許可されています
{'role': 'user', 'name': '一般ユーザー2', 'age': 16}: 未成年ユーザーには一部コンテンツが制限されています
{'role': 'guest'}: 未知の役割: guest
{'name': '不完全なユーザー'}: ユーザー情報が不完全です

このサンプルでは、ガード節を使用して数値の種類を細かく分類しています。特に注目すべき点は、case int() | float() as num if num < 0:のように、複数のデータ型のORパターンとガード節を組み合わせていることです。これにより、整数と浮動小数点数の両方に対して同じ条件チェックを一度に適用できます。また、ユーザーアクセス制御の例では、roleパターンと年齢条件を組み合わせた細かい制御を実現しています。

※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。