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

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

cnxn = mod.connect("OAuthClientId=YourClientId;OAuthClientSecret=YourClientSecret;CallbackURL='https://localhost:33333'InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

Pinterest の認証は通常OAuth フローに基づいています。認証には、Pinterest デベロッパープラットフォームからアプリを作成して、 OAuthClientId、OAuthClientSecret、CallbackURL を取得します。

InitiateOAuth をGETANDREFRESH に、OAuthClientId、OAuthClientSecret、 CallbackURL を作成したアプリのプロパティ値に基づいて設定します。

他の認証フローについては、ヘルプドキュメントを参照してください。

Pinterest をクエリするSQL 文の作成

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

sql = "SELECT Id, Username FROM Users WHERE FirstName = 'Jane'"

Pinterest 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、Pinterest データ を取得して、Username 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,'Username')

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

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

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

cnxn = mod.connect("OAuthClientId=YourClientId;OAuthClientSecret=YourClientSecret;CallbackURL='https://localhost:33333'InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Id, Username FROM Users WHERE FirstName = 'Jane'"

table1 = etl.fromdb(cnxn,sql)

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

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