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

接続文字列で接続を確立します。connect 関数を使って、CData Instagram Connector からInstagram 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")")

Instagram はOAuth 2 認証標準を使用します。Instagram にアプリを登録して、OAuthClientId、OAuthClientSecret、およびCallbackURL を取得する必要があります。詳しくはヘルプドキュメントを参照してください。

Instagram をクエリするSQL 文の作成

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

sql = "SELECT Link, LikesCount FROM Media WHERE TagName = 'goldfish'"

Instagram 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、Instagram データ を取得して、LikesCount 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,'LikesCount')

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

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

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

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

sql = "SELECT Link, LikesCount FROM Media WHERE TagName = 'goldfish'"

table1 = etl.fromdb(cnxn,sql)

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

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