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

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

cnxn = mod.connect("User=abc123; Password=abcdef;")

Cloudant 接続プロパティの取得・設定方法

Cloudant への接続には、以下の接続プロパティを設定します。

• User：ユーザー名に設定。
• Password：パスワードに設定。

Cloudant をクエリするSQL 文の作成

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

sql = "SELECT MovieRuntime, MovieRating FROM Movies WHERE MovieRating = 'R'"

Cloudant 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、Cloudant データ を取得して、MovieRating 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,'MovieRating')

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

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

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

cnxn = mod.connect("User=abc123; Password=abcdef;")

sql = "SELECT MovieRuntime, MovieRating FROM Movies WHERE MovieRating = 'R'"

table1 = etl.fromdb(cnxn,sql)

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

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