Python でGoogle Contacts 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 GoogleContacts とpetl フレームワークを使って、Google Contacts 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Google Contacts 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。Google Contacts 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Google Contacts 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Google Contacts 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.googlecontacts as mod

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

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

Google Contacts はOAuth 認証標準を利用しています。各ユーザー やドメイン内のユーザーの代わりに、CData 製品がGoogle API にアクセスすることを許可できます。 接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、アプリケーション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。

詳細はヘルプドキュメントを参照してください。

Google Contacts をクエリするSQL 文の作成

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

sql = "SELECT Summary, StartDateTime FROM Friends WHERE SearchTerms = 'Durham'"

Google Contacts 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、Google Contacts データ を取得して、StartDateTime 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,'StartDateTime')

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

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

Google Contacts 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 Contacts 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.googlecontacts as mod

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

sql = "SELECT Summary, StartDateTime FROM Friends WHERE SearchTerms = 'Durham'"

table1 = etl.fromdb(cnxn,sql)

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

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