Python でBing Search 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 Bing とpetl フレームワークを使って、Bing Search 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Bing Search results にPython から接続し、高いパフォーマンスを発揮します。Bing Search 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Bing Search 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Bing Search 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.bing as mod

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

cnxn = mod.connect("APIKey=MyAPIKey;")

Bing 接続プロパティの取得・設定方法

Bing に接続するには、ApiKey 接続プロパティを設定します。 API キーを取得するには、Microsoft Cognitive Services にサインインし、Bing Search API に登録します。

登録が完了すると、2つのキーが生成されます。いずれか1つをAPIKey に使用できます。

テーブルをクエリする際は、WHERE 句にSearchTerms パラメーラを指定する必要があります。

Bing Search をクエリするSQL 文の作成

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

sql = "SELECT Title, ViewCount FROM VideoSearch WHERE SearchTerms = 'WayneTech'"

Bing Search Results 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、Bing Search results を取得して、ViewCount 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,'ViewCount')

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

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

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

cnxn = mod.connect("APIKey=MyAPIKey;")

sql = "SELECT Title, ViewCount FROM VideoSearch WHERE SearchTerms = 'WayneTech'"

table1 = etl.fromdb(cnxn,sql)

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

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