Python でOData 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 OData とpetl フレームワークを使って、OData 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OData services にPython から接続し、高いパフォーマンスを発揮します。OData 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OData 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OData 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.odata as mod

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

cnxn = mod.connect("URL=http://services.odata.org/V4/Northwind/Northwind.svc;UseIdUrl=True;OData Version=4.0;Data Format=ATOM;")

OData ソースへの接続には、OData サーバーのルートURI もしくはOData サービスのファイルをURL に指定します。Authentication セクションでは、User およびPassword を設定します。

OData をクエリするSQL 文の作成

OData 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 OrderName, Freight FROM Orders WHERE ShipCity = 'New York'"

OData Services 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、OData services を取得して、Freight 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,'Freight')

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

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

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

cnxn = mod.connect("URL=http://services.odata.org/V4/Northwind/Northwind.svc;UseIdUrl=True;OData Version=4.0;Data Format=ATOM;")

sql = "SELECT OrderName, Freight FROM Orders WHERE ShipCity = 'New York'"

table1 = etl.fromdb(cnxn,sql)

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

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