Python でBasecamp 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 Basecamp とpetl フレームワークを使って、Basecamp 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Basecamp 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。Basecamp 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Basecamp 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Basecamp 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.basecamp as mod

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

cnxn = mod.connect("User=test@northwind.db;Password=test123;")

Basecamp はBasic 認証もしくはOAuth 2.0 認証を使います。Basic 認証を使用するには、Basecamp へのログインに使用するuser およびpassword が必要です。OAuth 2.0 を使用して認証するには、Basecamp にアプリを登録してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。

詳しくは、ヘルプドキュメントの「はじめに」セクションを参照してください。

さらに、AccountId 接続プロパティを設定する必要があります。これはBasecamp にログイン後にURL で確認できます。

Basecamp をクエリするSQL 文の作成

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

sql = "SELECT Name, DocumentsCount FROM Projects WHERE Drafts = 'True'"

Basecamp 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、Basecamp データ を取得して、DocumentsCount 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,'DocumentsCount')

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

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

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

cnxn = mod.connect("User=test@northwind.db;Password=test123;")

sql = "SELECT Name, DocumentsCount FROM Projects WHERE Drafts = 'True'"

table1 = etl.fromdb(cnxn,sql)

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

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