Python でExcel データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

Pythonエコシステムには多くのモジュールがあり、システム構築を素早く効率的に行うことができます。本記事では、CData Python Connector for Excel とpetl フレームワークを使って、Excel データにPython から接続してデータを変換、CSV に出力するETL 変換を実装してみます。

CData Python Connector は効率的なデータ処理によりExcel データ にPython から接続し、高いパフォーマンスを発揮します。Excel にデータをクエリする際、ドライバーはフィルタリング、集計などがサポートされている場合SQL 処理を直接Excel 側に行わせ、サポートされていないSQL 処理については、組み込みのSQL エンジンによりクライアント側で処理を行います（JOIN やSQL 関数など）。

必要なモジュールのインストール

pip で必要なモジュールおよびフレームワークをインストールします：

pip install petl
pip install pandas

Python でExcel データをETL 処理するアプリを構築

モジュールとフレームワークをインストールしたら、ETL アプリケーションを組んでいきます。コードのスニペットは以下の通りです。フルコードは記事の末尾に付いています。

CData Connector を含むモジュールをインポートします。

import petl as etl
import pandas as pd
import cdata.excel as mod

接続文字列で接続を確立します。connect 関数を使って、CData Excel Connector からExcel への接続を行います

cnxn = mod.connect("Excel File='C:/MyExcelWorkbooks/SampleWorkbook.xlsx';")

Authentication セクションのExcelFile には有効なExcel ファイルを設定する必要があります。

Amazon S3 内のExcel への接続

URI をバケット内のExcel ファイルに設定します。さらに、次のプロパティを設定して認証します。

• AWSAccessKey：AWS アクセスキー（username）に設定。
• AWSSecretKey：AWS シークレットキーに設定。

Box 内のExcel への接続

URI をExcel ファイルへのパスに設定します。Box へ認証するには、OAuth 認証標準を使います。 認証方法については、Box への接続 を参照してください。

Dropbox 内のExcel への接続

URI をExcel ファイルへのパスに設定します。Dropbox へ認証するには、OAuth 認証標準を使います。 認証方法については、Dropbox への接続 を参照してください。ユーザーアカウントまたはサービスアカウントで認証できます。ユーザーアカウントフローでは、以下の接続文字列で示すように、ユーザー資格情報の接続プロパティを設定する必要はありません。

SharePoint Online SOAP 内のExcel への接続

URI をExcel ファイルを含むドキュメントライブラリに設定します。認証するには、User、Password、およびStorageBaseURL を設定します。

SharePoint Online REST 内のExcel への接続

URI をExcel ファイルを含むドキュメントライブラリに設定します。StorageBaseURL は任意です。指定しない場合、ドライバーはルートドライブで動作します。 認証するには、OAuth 認証標準を使用します。

FTP 内のExcel への接続

URI をExcel ファイルへのパスが付いたサーバーのアドレスに設定します。認証するには、User およびPassword を設定します。

Google Drive 内のExcel への接続

デスクトップアプリケーションからのGoogle への認証には、InitiateOAuth をGETANDREFRESH に設定して、接続してください。詳細はドキュメントの「Google Drive への接続」を参照してください。

Excel をクエリするSQL 文の作成

Excel にはSQL でデータアクセスが可能です。Sheet エンティティからのデータを読み出します。

sql = "SELECT Name, Revenue FROM Sheet WHERE Name = 'Bob'"

Excel データ のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でETL（抽出・変換・ロード）パイプラインを組みます。この例では、Excel データ を取得して、Revenue カラムでデータをソートして、CSV ファイルにデータをロードします。

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Revenue')

etl.tocsv(table2,'sheet_data.csv')

CData Python Connector for Excel を使えば、データベースを扱う場合と同感覚で、Excel データ を扱うことができ、petl のようなETL パッケージから直接データにアクセスが可能になります。

おわりに

Excel Python Connector の30日の無償トライアル をぜひダウンロードして、Excel データ への接続をPython アプリやスクリプトから簡単に作成しましょう。

フルソースコード

import petl as etl
import pandas as pd
import cdata.excel as mod

cnxn = mod.connect("Excel File='C:/MyExcelWorkbooks/SampleWorkbook.xlsx';")

sql = "SELECT Name, Revenue FROM Sheet WHERE Name = 'Bob'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Revenue')

etl.tocsv(table2,'sheet_data.csv')