Python でBASE 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 API とpetl フレームワークを使って、BASE 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BASE 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。BASE 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BASE 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BASE 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.api as mod

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

cnxn = mod.connect("Profile=Base.apip;Authscheme=OAuth;InitiateOAuth=GETANDREFRESH;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackUrl=your_callback_url;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

最初に、BASE のOAuth アプリを作成する必要があります。作成するには、https://developers.thebase.in/dashboardにアクセスし、「Create New Application」ボタンをクリックします。アプリ名を入力し、リダイレクトURLを指定して「Register」をクリックします。これで、クライアントIDとクライアントシークレットが表示されます。

次に、プロファイルをダウンロードしてドライバーがアクセス可能な場所に配置します。こちらからプロファイルをダウンロードして、「C:/profiles/」 などに設置してください。

以下の接続プロパティを設定すると、接続できるようになります。

• AuthScheme: OAuth に設定します。
• OAuthClientID: アプリ設定で指定したOAuth クライアントID を設定します。
• OAuthClientSecret: アプリ設定で指定したOAuth クライアントシークレットを設定します。
• CallbackURL: アプリ設定で指定したリダイレクトURI を設定します。
• InitiateOAuth: GETANDREFRESH に設定します。この設定を使って、OAuthAccessToken を取得するプロセスを管理できます。

BASE をクエリするSQL 文の作成

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

sql = "SELECT Customers.ContactName, Orders.OrderDate FROM Customers, Orders WHERE Customers.CustomerID = 'Orders.CustomerID'"

BASE 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、BASE データ を取得して、Orders.OrderDate 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,'Orders.OrderDate')

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

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

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

cnxn = mod.connect("Profile=Base.apip;Authscheme=OAuth;InitiateOAuth=GETANDREFRESH;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackUrl=your_callback_url;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Customers.ContactName, Orders.OrderDate FROM Customers, Orders WHERE Customers.CustomerID = 'Orders.CustomerID'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Orders.OrderDate')

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