Python でOracle 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 OracleOCI とpetl フレームワークを使って、Oracle 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Oracle 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。Oracle 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Oracle 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Oracle 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.oracleoci as mod

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

cnxn = mod.connect("User=myuser;Password=mypassword;Server=localhost;Port=1521;")

Oracle への接続には、PATH variable をアップデートして、ネイティブDLL が含まれるフォルダロケーションが含まれていることを確認します。ネイティブDLL は、インストールディレクトリのlib フォルダにあります。完了したら次のプロパティを設定します：

• Port: Oracle データベースをホストしているサーバーに接続するポート。
• User: Oracle データベースに接続するユーザーのID。
• Password: Oracle データベースに接続するユーザーのパスワード。
• Service Name: Oracle データベースのサービス名。

Oracle をクエリするSQL 文の作成

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

sql = "SELECT CompanyName, City FROM Customers WHERE Country = 'US'"

Oracle 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、Oracle データ を取得して、City 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,'City')

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

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

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

cnxn = mod.connect("User=myuser;Password=mypassword;Server=localhost;Port=1521;")

sql = "SELECT CompanyName, City FROM Customers WHERE Country = 'US'"

table1 = etl.fromdb(cnxn,sql)

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

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