Python でPORTERS 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 API とpetl フレームワークを使って、PORTERS 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PORTERS 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。PORTERS 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PORTERS 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PORTERS 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.api as mod

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

cnxn = mod.connect("Profile=C:\profiles\HRBC.apip;ProfileSettings='Partition=5226;AppID=my_app_id;AppSecret=my_app_secret;'InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

PORTERS（HRBC）に接続するには、PORTERS のAppID とAppSecret が必要です。AppID とAppSecret はPORTERS サポートチームに依頼して取得できます。これらのプロパティを取得したら、ProfileSettings 接続プロパティに設定してください。

次に、プロファイルをダウンロードしてドライバーがアクセス可能な場所に配置します。こちらからプロファイルをダウンロードして、「C:/profiles/」 などに設置してください。

PORTERS をクエリするSQL 文の作成

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

sql = "SELECT Name, Description FROM BoardList WHERE BoardId = '1'"

PORTERS 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、PORTERS データ を取得して、Description 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,'Description')

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

CData Python Connector for API を使えば、データベースを扱う場合と同感覚で、PORTERS 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

PORTERS Python Connector の30日の無償トライアル をぜひダウンロードして、PORTERS 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.api as mod

cnxn = mod.connect("Profile=C:\profiles\HRBC.apip;ProfileSettings='Partition=5226;AppID=my_app_id;AppSecret=my_app_secret;'InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Name, Description FROM BoardList WHERE BoardId = '1'"

table1 = etl.fromdb(cnxn,sql)

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

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