Python pandas を使ってAvro データをビジュアライズ

こんにちは！コンテンツスペシャリストの古川です。Python エコシステムには多くのライブラリがあり、開発やデータ分析を行う際には必須と言っていいライブラリも多く存在します。CData Python Connector for Avro は、pandas、Matplotlib、SQLAlchemy から使用することで Avro にデータ連携するPython アプリケーションを構築したり、Avro データの可視化を実現します。本記事では、pandas、SQLAlchemy、およびMatplotlib のビルトイン機能でAvro にリアルタイムアクセスし、クエリを実行して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Avro 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。Avro 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Avro 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）。

Avro データへの接続

まずは、右側のサイドバーからCData Pytthon Connector の無償トライアルをダウンロード・インストールしてください。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。

以下の手順に従い、必要なライブラリをインストールし、Python オブジェクト経由でAvro にアクセスします。

必要なライブラリのインストール

pip で、pandas & Matplotlib ライブラリおよび、SQLAlchemy をインストールします。

pip install pandas
pip install matplotlib
pip install sqlalchemy

次にライブラリをインポートします。

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engine

Python でAvro データをビジュアライズ

次は接続文字列を作成してAvro に接続します。create_engine 関数を使って、Avro に連携するEngne を作成します。以下はサンプルの接続文字列になりますので、環境に応じてクレデンシャル部分を変更してください。

engine = create_engine("avro:///?URI=C:/folder/table.avroInitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")

Avro 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 = 'value_2'""", engine)

Avro 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、Avro データをグラフ化してみます。

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

製品の無償トライアル情報

Avro Python Connector の30日の無償トライアル をぜひダウンロードして、Avro 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

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engin

engine = create_engine("avro:///?URI=C:/folder/table.avroInitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")
df = pandas.read_sql("""SELECT Id, Column1 FROM SampleTable_1 WHERE Column2 = 'value_2'""", engine)

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