Python pandas を使ってGoogle Cloud Storage データをビジュアライズ

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のに役立ちます。CData Python Connector for GoogleCloudStorage は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Google Cloud Storage にデータ連携するPython アプリケーションを構築し、Google Cloud Storage をビジュアライズできます。本記事では、pandas、SQLAlchemy、およびMatplotlib のビルトイン機能でGoogle Cloud Storage にリアルタイムアクセスし、クエリを実行し、結果をビジュアライズする方法を説明します。

CData Python Connector は、ビルトインされた効率的なデータプロセスにより、リアルタイムGoogle Cloud Storage データにPython からアクセスし、高いパフォーマンスと接続性を発揮します。Google Cloud Storage に複雑なクエリを投げる際に、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Google Cloud Storage 側に行わせ、サポートされていないSQL 処理については、組み込まれたSQL エンジンによりクライアント側で処理を行います（特にJOIN やSQL 関数など）。

Google Cloud Storage データへの接続

Google Cloud Storage への連携は、RDB ソースへのアクセスと同感覚で行うことができます。必要な接続プロパティを使って接続文字列を作成します。本記事では、接続文字列をcreate_engine 関数のパラメータとして送ります。

ユーザーアカウントでの認証

ユーザー資格情報の接続プロパティを設定することなく接続できます。InitiateOAuth をGETANDREFRESH に設定したら、接続の準備が完了です。

接続すると、Google Cloud Storage OAuth エンドポイントがデフォルトブラウザで開きます。ログインして権限を付与すると、OAuth プロセスが完了します。

サービスアカウントでの認証

サービスアカウントには、ブラウザでユーザー認証を行わないサイレント認証があります。サービスアカウントを使用して、企業全体のアクセススコープを委任することもできます。

このフローでは、OAuth アプリケーションを作成する必要があります。詳しくは、ヘルプドキュメントを参照してください。以下の接続プロパティを設定したら、接続の準備が完了です：

• InitiateOAuth: GETANDREFRESH に設定。
• OAuthJWTCertType: PFXFILE に設定。
• OAuthJWTCert: 生成した.p12 ファイルへのパスに設定。
• OAuthJWTCertPassword: .p12 ファイルのパスワードに設定。
• OAuthJWTCertSubject: 証明書ストアの最初の証明書が選ばれるように"*" に設定。
• OAuthJWTIssuer: 「サービスアカウント」セクションで「サービスアカウントの管理」をクリックし、このフィールドをサービスアカウントID フィールドに表示されているE メールアドレスに設定。
• OAuthJWTSubject: サブジェクトタイプが"enterprise" に設定されている場合はエンタープライズID に設定し、"user" に設定されている場合はアプリユーザーID に設定。
• ProjectId: 接続するプロジェクトのID に設定。

これで、サービスアカウントのOAuth フローが完了します。

以下の手順に従い、必要なモジュールをインストールし、Python オブジェクト経由でGoogle Cloud Storage にアクセスします。

必要なモジュールのインストール

pip で、pandas & Matplotlib モジュールおよび、SQLAlchemy ツールキットをインストールします：

pip install pandas
pip install matplotlib
pip install sqlalchemy

以下のようにモジュールをインポートします：

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engine

Python でGoogle Cloud Storage データをビジュアライズ

次は、接続文字列で接続を確立します。create_engine 関数を使って、Google Cloud Storage に連携するEngne を作成します。.

engine = create_engine("googlecloudstorage:///?ProjectId='project1'&InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")

Google Cloud Storage にアクセスするSQL を実行

pandas のread_sql 関数を使って好きなSQL を発行して、DataFrame にデータを格納します。

df = pandas.read_sql("""SELECT Name, OwnerId FROM Buckets WHERE Name = 'TestBucket'""", engine)

Google Cloud Storage データをビジュアライズ

DataFrame に格納されたクエリ結果に対して、plot 関数をつかって、Google Cloud Storage data をグラフで表現してみます。show メソッドはグラフを新しいウィンドウに表示します。

df.plot(kind="bar", x="Name", y="OwnerId")
plt.show()

製品の無償トライアル情報

Google Cloud Storage Python Connector の30日の無償トライアル をぜひダウンロードして、Google Cloud Storage 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。

ソースコードe

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engin

engine = create_engine("googlecloudstorage:///?ProjectId='project1'&InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")
df = pandas.read_sql("""SELECT Name, OwnerId FROM Buckets WHERE Name = 'TestBucket'""", engine)

df.plot(kind="bar", x="Name", y="OwnerId")
plt.show()