Python pandas を使ってParquet 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 Parquet は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Parquet にデータ連携するPython アプリケーションを構築し、Parquet 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Parquet 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Parquet 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。Parquet 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Parquet 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）。

Parquet データへの接続

Parquet 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。

Connect to your local Parquet file(s) by setting the URI connection property to the location of the Parquet file.

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Parquet 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Parquet 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、Parquet に連携するEngne を作成します。.

engine = create_engine("parquet:///?URI=C:/folder/table.parquet")

Parquet 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 Id, Column1 FROM SampleTable_1 WHERE Column2 = 'SAMPLE_VALUE'""", engine)

Parquet 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、Parquet 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="Id", y="Column1")
plt.show()

製品の無償トライアル情報

Parquet Python Connector の30日の無償トライアル をぜひダウンロードして、Parquet 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("parquet:///?URI=C:/folder/table.parquet")
df = pandas.read_sql("""SELECT Id, Column1 FROM SampleTable_1 WHERE Column2 = 'SAMPLE_VALUE'""", engine)

df.plot(kind="bar", x="Id", y="Column1")
plt.show()