Python でSAS xpt 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 SASXpt とpetl フレームワークを使って、SAS xpt 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SAS xpt 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。SAS xpt 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SAS xpt 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SAS xpt 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.sasxpt as mod

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

cnxn = mod.connect("URI=C:/folder;")

ローカルSASXpt ファイルへの接続

URI をSASXpt ファイルを格納しているフォルダに設定すると、ローカルのSASXpt ファイルに接続できます。

S3 データソースへの接続

Amazon S3 ソースに接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します：

• URI：接続するバケット内のフォルダに設定。
• AWSAccessKey：AWS アカウントのアクセスキーに設定。
• AWSSecretKey：AWS アカウントのシークレットキーに設定。
• TemporaryLocalFolder：SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

Azure Data Lake Storage Gen2 への接続

ADLS Gen2 に接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します：

• URI：ファイルシステムの名前およびSASXpt ファイルにコンタクトするフォルダの名前に設定。
• AzureAccount：Azure Data Lake storage アカウントの名前に設定。
• AzureAccessKey：Azure Data Lake storage Gen 2 ストレージアカウントのアクセスキーに設定。
• TemporaryLocalFolder：SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

SAS xpt をクエリするSQL 文の作成

SAS xpt にはSQL でデータアクセスが可能です。SampleTable_1 エンティティからのデータを読み出します。

sql = "SELECT Id, Column1 FROM SampleTable_1 WHERE Column2 = '100'"

SAS xpt 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、SAS xpt データ を取得して、Column1 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,'Column1')

etl.tocsv(table2,'sampletable_1_data.csv')

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

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

cnxn = mod.connect("URI=C:/folder;")

sql = "SELECT Id, Column1 FROM SampleTable_1 WHERE Column2 = '100'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Column1')

etl.tocsv(table2,'sampletable_1_data.csv')