Python でPostgreSQL 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 PostgreSQL とpetl フレームワークを使って、PostgreSQL に連携するPython アプリや、PostgreSQL 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PostgreSQL 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。PostgreSQL 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PostgreSQL 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）。

PostgreSQL Data への接続

PostgreSQL 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。

PostgreSQL への接続には、Server、Port（デフォルトは5432）、Database、およびUser、Password のプロパティを設定します。Database プロパティが設定されない場合には、User のデフォルトデータベースに接続します。

CData PostgreSQL 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PostgreSQL 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PostgreSQL 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.postgresql as mod

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

cnxn = mod.connect("User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5432;")

PostgreSQL をクエリするSQL 文の作成

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

sql = "SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

PostgreSQL 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、PostgreSQL data を取得して、ShipCity 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,'ShipCity')

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

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

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

cnxn = mod.connect("User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5432;")

sql = "SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

table1 = etl.fromdb(cnxn,sql)

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

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