製品をチェック

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

GitHub Python Connector

GitHub へのデータ連携用のPython Connecotr ライブラリ。 pandas、SQLAlchemy、Dash、petl などの主要なPython ツールにGitHub をシームレスに統合。

データ連携でお困りですか?

お問い合わせ

Python でGitHub データをETL


CData Python Connector for GitHub を使って、Python petl でGitHub data のETL 連携・パイプラインアプリケーションを作成。


Python

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

GitHub Data への接続

GitHub 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。

GitHub への接続には、OAuth 2 認証標準を使います。OAuth で認証するには、アプリを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

CData GitHub 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GitHub 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GitHub 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.github as mod

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

GitHub をクエリするSQL 文の作成

GitHub 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 Name, Email FROM Users WHERE UserLogin = 'mojombo'"

GitHub 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、GitHub data を取得して、Email 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,'Email')

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

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

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Name, Email FROM Users WHERE UserLogin = 'mojombo'"

table1 = etl.fromdb(cnxn,sql)

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

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