Python でLinkedIn データをETL

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。CData Python Connector for LinkedIn とpetl フレームワークを使って、LinkedIn に連携するPython アプリや、LinkedIn データをETL することが可能です。本記事では、CData Python Connector をpetl と一緒に使い、ETL 処理を実装します。

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LinkedIn data 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。LinkedIn 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LinkedIn 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）。

LinkedIn Data への接続

LinkedIn data 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。

CData LinkedIn Connector をインストールしたら、次のように必要なモジュールをインストールし、Python オブジェクトでLinkedIn 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LinkedIn 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.linkedin as mod

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;CompanyId=XXXXXXXInitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

LinkedIn をクエリするSQL 文の作成

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

sql = "SELECT VisibilityCode, Comment FROM CompanyStatusUpdates WHERE EntityId = '238'"

LinkedIn Data のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でExtract（取得）、Transform（加工）、Load（ロード）を組みます。この例では、LinkedIn data を取得して、Comment 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,'Comment')

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

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

製品の無償トライアル情報

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;CompanyId=XXXXXXXInitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT VisibilityCode, Comment FROM CompanyStatusUpdates WHERE EntityId = '238'"

table1 = etl.fromdb(cnxn,sql)

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

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