2025年7月29日 / 最終更新日 : 2025年7月29日 fujifuji コラム

【Python extend完全ガイド】appendとの違いから応用テクニックまで徹底解説 – 2025年最新版

Pythonでリストを効率的に操作するために、**extend()**メソッドは欠かせない重要な機能です。この記事では、extendの基本的な使い方から、appendとの違い、実践的な応用テクニックまで、豊富なサンプルコードとともに詳しく解説します。

📋 目次

extendとは
基本的な使い方
appendとの決定的な違い
extendが受け取れるデータ型
実践的な活用例
パフォーマンス比較と最適化
よくあるエラーと対処法
高度な応用テクニック

🎯 extendとは

**extend()**は、Pythonのリストオブジェクトに別のイテラブル（反復可能）オブジェクトの全要素を末尾に追加するメソッドです。複数の要素を一度に追加したい場合に非常に便利で、リストの結合や拡張において中心的な役割を果たします。

基本構文

list.extend(iterable)

🚀 基本的な使い方

1. リスト同士の結合

list1 = [1, 2, 3]
list2 = [4, 5, 6]
list1.extend(list2)
print(list1)  # [1, 2, 3, 4, 5, 6]

2. 文字列の展開

letters = ['a', 'b']
letters.extend('cd')
print(letters)  # ['a', 'b', 'c', 'd']

3. タプルの展開

numbers = [1, 2]
numbers.extend((3, 4, 5))
print(numbers)  # [1, 2, 3, 4, 5]

4. 空リストの場合

empty_list = []
empty_list.extend([1, 2, 3])
print(empty_list)  # [1, 2, 3]

⚖️ appendとの決定的な違い

appendの動作

# append: 要素を1つのオブジェクトとして追加
list1 = [1, 2, 3]
list1.append([4, 5, 6])
print(list1)  # [1, 2, 3, [4, 5, 6]] - ネストしたリスト

extendの動作

# extend: 要素を展開して個別に追加
list2 = [1, 2, 3]
list2.extend([4, 5, 6])
print(list2)  # [1, 2, 3, 4, 5, 6] - フラットなリスト

視覚的な比較

# データの準備
base = [1, 2]
add_data = [3, 4]

# append使用
list_append = base.copy()
list_append.append(add_data)
print("append:", list_append)  # [1, 2, [3, 4]]

# extend使用
list_extend = base.copy()
list_extend.extend(add_data)
print("extend:", list_extend)  # [1, 2, 3, 4]

📚 extendが受け取れるデータ型

1. リスト

original = [1, 2]
original.extend([3, 4, 5])
print(original)  # [1, 2, 3, 4, 5]

2. 文字列

chars = ['a', 'b']
chars.extend("hello")
print(chars)  # ['a', 'b', 'h', 'e', 'l', 'l', 'o']

3. タプル

numbers = [1, 2]
numbers.extend((3, 4))
print(numbers)  # [1, 2, 3, 4]

4. セット

data = [1, 2]
data.extend({3, 4, 5})
print(data)  # [1, 2, 3, 4, 5] (順序は保証されない)

5. 辞書（キーのみ）

items = ['a', 'b']
items.extend({'x': 1, 'y': 2})
print(items)  # ['a', 'b', 'x', 'y']

6. ジェネレータ

def number_gen():
    for i in range(3, 6):
        yield i

nums = [1, 2]
nums.extend(number_gen())
print(nums)  # [1, 2, 3, 4, 5]

💼 実践的な活用例

1. ファイルの行結合

all_lines = []
filenames = ['file1.txt', 'file2.txt', 'file3.txt']

for filename in filenames:
    with open(filename, 'r') as f:
        lines = f.readlines()
        all_lines.extend(lines)

print(f"総行数: {len(all_lines)}")

2. 複数の条件での検索結果統合

def search_by_category(data, category):
    return [item for item in data if item['category'] == category]

all_products = []
categories = ['electronics', 'books', 'clothing']

for category in categories:
    products = search_by_category(inventory, category)
    all_products.extend(products)

3. 数値データの統合処理

# 複数のデータソースから数値を収集
results = []
data_sources = [
    [1, 2, 3],
    range(4, 7),
    (7, 8, 9),
    {10, 11, 12}
]

for source in data_sources:
    results.extend(source)
print(results)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]

4. 設定ファイルのマージ

default_config = ['debug=false', 'port=8080']
user_config = ['theme=dark', 'language=ja']
env_config = ['max_connections=100']

final_config = []
final_config.extend(default_config)
final_config.extend(user_config)
final_config.extend(env_config)
print(final_config)

5. バッチ処理での結果蓄積

def process_batch(items):
    return [item * 2 for item in items]

all_results = []
batches = [[1, 2], [3, 4], [5, 6]]

for batch in batches:
    batch_results = process_batch(batch)
    all_results.extend(batch_results)
print(all_results)  # [2, 4, 6, 8, 10, 12]

📊 パフォーマンス比較と最適化

extend vs 繰り返しappend

import time

# 繰り返しappend（非効率）
def append_method(data):
    result = []
    for item in data:
        result.append(item)
    return result

# extend使用（効率的）
def extend_method(data):
    result = []
    result.extend(data)
    return result

# パフォーマンステスト
large_data = list(range(100000))

start = time.time()
result1 = append_method(large_data)
time1 = time.time() - start

start = time.time()
result2 = extend_method(large_data)
time2 = time.time() - start

print(f"append方式: {time1:.4f}秒")
print(f"extend方式: {time2:.4f}秒")  # 通常より高速

extend vs + 演算子

# + 演算子（新しいリスト作成）
list1 = [1, 2, 3]
list2 = [4, 5, 6]
result = list1 + list2  # 新しいリスト
print("元のリスト:", list1)  # [1, 2, 3] - 変更なし

# extend（元のリスト変更）
list3 = [1, 2, 3]
list3.extend([4, 5, 6])
print("extend後:", list3)  # [1, 2, 3, 4, 5, 6]

メモリ効率の比較

# メモリ効率的なパターン
def efficient_combine(*lists):
    result = []
    for lst in lists:
        result.extend(lst)
    return result

# 非効率なパターン
def inefficient_combine(*lists):
    result = []
    for lst in lists:
        result = result + lst  # 毎回新しいリスト作成
    return result

🚨 よくあるエラーと対処法

1. TypeError: ‘int’ object is not iterable

# ❌ エラーの原因
numbers = [1, 2]
numbers.extend(3)  # エラー！整数は反復不可

# ✅ 正しい書き方
numbers = [1, 2]
numbers.extend([3])  # リストで囲む
# または
numbers.append(3)    # 単一要素はappend

2. 意図しないネストの発生

# ❌ 問題のあるコード
data = [[1, 2], [3, 4]]
result = []
for sublist in data:
    result.extend(sublist)  # これは意図的？
print(result)  # [1, 2, 3, 4] - フラット化される

# ✅ ネストを保持したい場合
result = []
for sublist in data:
    result.append(sublist)
print(result)  # [[1, 2], [3, 4]]

3. 元のリストの意図しない変更

# ❌ 問題のあるコード
def combine_lists(list1, list2):
    list1.extend(list2)  # list1が変更される
    return list1

original = [1, 2, 3]
result = combine_lists(original, [4, 5])
print(original)  # [1, 2, 3, 4, 5] - 変更されてしまう

# ✅ 安全なコード
def combine_lists(list1, list2):
    result = list1.copy()
    result.extend(list2)
    return result

🎨 高度な応用テクニック

1. 条件付きextend

def conditional_extend(target, source, condition):
    if condition:
        target.extend(source)
    return target

data = [1, 2, 3]
conditional_extend(data, [4, 5], True)   # 追加される
conditional_extend(data, [6, 7], False)  # 追加されない
print(data)  # [1, 2, 3, 4, 5]

2. フィルタリングしながらextend

def filtered_extend(target, source, filter_func):
    filtered_items = [item for item in source if filter_func(item)]
    target.extend(filtered_items)
    return target

numbers = [1, 2]
source = [3, 4, 5, 6, 7, 8]
filtered_extend(numbers, source, lambda x: x % 2 == 0)
print(numbers)  # [1, 2, 4, 6, 8]

3. ジェネレータとの組み合わせ

def fibonacci_gen(n):
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

fib_numbers = [0, 1]
fib_numbers.extend(fibonacci_gen(8))
print(fib_numbers)  # [0, 1, 0, 1, 1, 2, 3, 5, 8, 13]

4. クラスでの動的リスト管理

class DataAggregator:
    def __init__(self):
        self.data = []
    
    def add_batch(self, items):
        self.data.extend(items)
        return len(self.data)
    
    def add_from_file(self, filename):
        with open(filename, 'r') as f:
            lines = [line.strip() for line in f]
            self.data.extend(lines)
    
    def get_data(self):
        return self.data.copy()

aggregator = DataAggregator()
aggregator.add_batch([1, 2, 3])
print(f"データ数: {len(aggregator.get_data())}")

5. 型安全なextend

def type_safe_extend(target, source, expected_type):
    validated_items = []
    for item in source:
        if isinstance(item, expected_type):
            validated_items.append(item)
        else:
            print(f"警告: {item}は{expected_type}ではありません")
    
    target.extend(validated_items)
    return target

numbers = [1, 2, 3]
mixed_data = [4, "5", 6, "seven", 8]
type_safe_extend(numbers, mixed_data, int)
print(numbers)  # [1, 2, 3, 4, 6, 8]

📈 extendを使った実用的なパターン

1. ログエントリの統合

class LogManager:
    def __init__(self):
        self.logs = []
    
    def merge_logs(self, *log_sources):
        for source in log_sources:
            self.logs.extend(source)
        self.logs.sort(key=lambda x: x['timestamp'])
    
    def get_logs(self):
        return self.logs

log_manager = LogManager()
error_logs = [{'timestamp': '2025-01-01', 'level': 'ERROR'}]
info_logs = [{'timestamp': '2025-01-02', 'level': 'INFO'}]
log_manager.merge_logs(error_logs, info_logs)

2. 設定のカスケード

def build_config(*config_sources):
    final_config = []
    for source in config_sources:
        if isinstance(source, dict):
            final_config.extend(source.items())
        else:
            final_config.extend(source)
    return dict(final_config)

default = {'debug': False, 'port': 8080}
user = {'theme': 'dark'}
env = [('max_memory', '2GB'), ('timeout', 30)]

config = build_config(default, user, env)

3. データパイプライン

def create_pipeline(*processors):
    def pipeline(data):
        result = []
        for processor in processors:
            processed = processor(data)
            result.extend(processed)
        return result
    return pipeline

def double_values(data):
    return [x * 2 for x in data]

def filter_even(data):
    return [x for x in data if x % 2 == 0]

pipeline = create_pipeline(double_values, filter_even)
result = pipeline([1, 2, 3, 4])

🔍 よくある質問（FAQ）

Q: extendとappendはどう使い分ける？ A: 複数要素を個別に追加したい場合はextend、単一要素（リストも含む）をそのまま追加したい場合はappendを使用します。

Q: extendの戻り値は？ A: appendと同様、Noneを返します。元のリストが変更されるため、戻り値は使用しません。

Q: extendで文字列を追加すると文字が分解されるのはなぜ？ A: 文字列はイテラブルなので、各文字が個別の要素として追加されます。文字列全体を追加したい場合はappendを使用してください。

Q: パフォーマンス的にextendと+演算子のどちらが良い？ A: extendの方が効率的です。+演算子は新しいリストを作成するため、メモリ使用量と処理時間が増加します。

💡 ベストプラクティス

適切な使い分け: 要素展開が必要な場合のみextendを使用
型の確認: 予期しないイテラブルでのエラーを防ぐため型チェックを実装
元リストの保護: 元のリストを変更したくない場合はcopy()を使用
パフォーマンス: 大量データの結合にはextendが最適
可読性: 意図が明確になるよう適切なメソッド名を選択

🎯 まとめ

Pythonの**extend()**メソッドは、リストに複数要素を効率的に追加するための強力なツールです。appendとの違いを理解し、適切な場面で使い分けることで、より効率的で読みやすいコードを書けるようになります。

重要なポイント：

要素を展開して追加 – ネストではなくフラット化
イテラブル対応 – リスト、文字列、タプルなど多様な型に対応
破壊的操作 – 元のリストが変更される
高性能 – 大量データの結合に最適

extendを正しく活用して、Pythonでのリスト操作をマスターしましょう！

この記事は2025年7月時点の情報に基づいています。最新情報はPython公式ドキュメントをご確認ください。

■プロンプトだけでオリジナルアプリを開発・公開してみた！！

プロンプトだけでオリジナルアプリを開発・公開してみた！！

■AI時代の第一歩！「AI駆動開発コース」はじめました！

テックジム東京本校で先行開始。

AI時代の第一歩！「AI駆動開発コース」（初心者向け）

■テックジム東京本校

「武田塾」のプログラミング版といえば「テックジム」。
講義動画なし、教科書なし。「進捗管理とコーチング」で効率学習。
より早く、より安く、しかも対面型のプログラミングスクールです。

テックジム東京本校

＜短期講習＞5日で5万円の「Pythonミニキャンプ」開催中。

独学もオンラインも無理だから、有給とって「Pythonミニキャンプ」へ【5日間で5万円】

＜月1開催＞放送作家による映像ディレクター養成講座

現役放送作家が教える動画講座！『ＤＯＧＡ』

＜オンライン無料＞ゼロから始めるPython爆速講座

ゼロから始めるPython爆速講座（理系・プログラミング初心者向け）

プログラミング学習に関するお役立ちコンテンツ

カテゴリー: コラム