ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →Azure Connector の30日間無償トライアルをダウンロード
30日間の無償トライアルへ製品の詳細
Azure Python Connector 相談したいAzure Storage へのデータ連携用のPython Connector ライブラリ。 pandas、SQLAlchemy、Dash、petl などの主要なPython ツールにAzure Storage をシームレスに統合。
CData
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。CData Python Connector for AzureTables は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Azure Table にデータ連携するPython アプリケーションを構築し、Azure Table データを可視化できます。 本記事では、SQLAlchemy でAzure Table に連携して、データを取得、、更新、挿入、削除 する方法を説明します。
CData Python Connectors は、以下のような特徴を持った製品です。
CData Python Connectors では、1.データソースとしてAzure Table の接続を設定、2.Python からPython Connectors との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。
pip でSQLAlchemy ツールキットをインストールします:
pip install sqlalchemy
モジュールのインポートを忘れずに行います:
import sqlalchemy
次は、接続文字列で接続を確立します。create_engine 関数を使って、Azure Table データに連携するEngne を作成します。
engine = create_engine("azuretables///?AccessKey=myAccessKey&Account=myAccountName")
Account プロパティをストレージアカウント名に設定し、ストレージアカウントのAccessKey を設定して接続します。これらの値を取得する方法は次のとおりです。
接続を確立したら、OR マッパーでモデル化するテーブルのマッピングクラスを宣言します。本記事では、NorthwindProducts テーブルを使います。sqlalchemy.ext.declarative.declarative_base 関数を使って、新しいクラスにフィールド(カラム)を定義します。
base = declarative_base() class NorthwindProducts(base): __tablename__ = "NorthwindProducts" Name = Column(String,primary_key=True) Price = Column(String) ...
マッピングクラスができたので、セッションオブジェクトを使ってデータソースをクエリすることができます。セッションにEngine をバインドして、セッションのquery メソッドにマッピングクラスを提供します。
engine = create_engine("azuretables///?AccessKey=myAccessKey&Account=myAccountName") factory = sessionmaker(bind=engine) session = factory() for instance in session.query(NorthwindProducts).filter_by(ShipCity="New York"): print("Name: ", instance.Name) print("Price: ", instance.Price) print("---------")
ほかの方法としては、execute メソッドを適切なテーブルオブジェクトに使うことが可能です。以下のコードはアクティブなsession に対して有効です。
NorthwindProducts_table = NorthwindProducts.metadata.tables["NorthwindProducts"] for instance in session.execute(NorthwindProducts_table.select().where(NorthwindProducts_table.c.ShipCity == "New York")): print("Name: ", instance.Name) print("Price: ", instance.Price) print("---------")
より複雑なクエリとして、JOIN、集計、Limit などが利用可能です。詳細はヘルプドキュメントをご覧ください。
Azure Table データへの挿入には、マップされたクラスのインスタンスを定義し、アクティブな session に追加します。commit 関数を呼び出して、Azure Table にすべての追加インスタンスを送ります。
new_rec = NorthwindProducts(Name="placeholder", ShipCity="New York") session.add(new_rec) session.commit()
Azure Table データの更新には、更新するレコードをフィルタクエリとともにフェッチします。そして、フィールドの値を変更し、セッションでcommit 関数を呼んで、Azure Table にレコードを追加します。
updated_rec = session.query(NorthwindProducts).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() updated_rec.ShipCity = "New York" session.commit()
Azure Table データの削除には、フィルタクエリと一緒に対象となるレコードをフェッチします。そして、アクティブsession でレコードを削除し、セッションでcommit 関数を呼び出して、該当するレコードの削除を実行します。
deleted_rec = session.query(NorthwindProducts).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() session.delete(deleted_rec) session.commit()
このようにCData Python Connector と併用することで、270を超えるSaaS、NoSQL データをPython からコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。
日本のユーザー向けにCData Python Connector は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。