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

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

cnxn = mod.connect("APIKey=3bb04218ef8t80efdf1739abf7257144;")

TaxJar API への認証には、まず初めにTaxJar UI からAPI キーを取得する必要があります。

NOTE：API の利用は、Professional およびPremium TaxJar プランでのみ可能です。

すでにProfessional またはPremium プランをお持ちの方は、TaxJar UI にログインして、「アカウント」->「TaxJar API」に移動するとAPI キーを確認することができます。 API キーを取得したら、APIKey 接続プロパティに設定できます。

その他の注意事項

• デフォルトでは、エンティティが日付範囲フィルタをサポートしている場合、CData コネクタは過去3か月のデータを取得します。StartDate を設定して、取得するデータの最小作成日を指定することができます。
• API キーがサンドボックスAPI アカウント用に作成されている場合は、UseSandbox をtrue に設定してください。ただし、すべてのエンドポイントが期待どおりに機能するとは限りません。詳しくは、TaxJar 開発者用ドキュメントを参照してください。

TaxJar をクエリするSQL 文の作成

TaxJar 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 TransactionID, UserID FROM Orders WHERE TransactionID = '123'"

TaxJar 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、TaxJar データ を取得して、UserID 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,'UserID')

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

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

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

cnxn = mod.connect("APIKey=3bb04218ef8t80efdf1739abf7257144;")

sql = "SELECT TransactionID, UserID FROM Orders WHERE TransactionID = '123'"

table1 = etl.fromdb(cnxn,sql)

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

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