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

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

cnxn = mod.connect("InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

Facebook はユーザー認証にOAuth 標準を使用しています。 ユーザー資格情報の接続プロパティを設定せずに接続できます。 接続すると、CData 製品はデフォルトブラウザでFacebook OAuth エンドポイントを開きます。ログインして、CData 製品にアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。 他のOAuth 認証フローについては、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

Facebook をクエリするSQL 文の作成

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

sql = "SELECT FromName, LikesCount FROM Posts WHERE Target = 'thesimpsons'"

Facebook 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、Facebook データ を取得して、LikesCount 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,'LikesCount')

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

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

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

cnxn = mod.connect("InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT FromName, LikesCount FROM Posts WHERE Target = 'thesimpsons'"

table1 = etl.fromdb(cnxn,sql)

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

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