Python でOffice 365 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 Office365 とpetl フレームワークを使って、Office 365 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Office 365 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。Office 365 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Office 365 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Office 365 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.office365 as mod

接続文字列で接続を確立します。connect 関数を使って、CData Office 365 Connector からOffice 365 への接続を行います

cnxn = mod.connect("OAuthClientId=MyApplicationId;OAuthClientSecret=MyAppKey;OAuthCallbackURL=http://localhost:33333;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

Office 365 はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得しなければなりません。認証方法については、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

Office 365 をクエリするSQL 文の作成

Office 365 にはSQL でデータアクセスが可能です。Files エンティティからのデータを読み出します。

sql = "SELECT Name, Size FROM Files WHERE UserId = '54f34750-0d34-47c9-9949-9fac4791cddb'"

Office 365 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、Office 365 データ を取得して、Size 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,'Size')

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

CData Python Connector for Office365 を使えば、データベースを扱う場合と同感覚で、Office 365 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

Office 365 Python Connector の30日の無償トライアル をぜひダウンロードして、Office 365 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.office365 as mod

cnxn = mod.connect("OAuthClientId=MyApplicationId;OAuthClientSecret=MyAppKey;OAuthCallbackURL=http://localhost:33333;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Name, Size FROM Files WHERE UserId = '54f34750-0d34-47c9-9949-9fac4791cddb'"

table1 = etl.fromdb(cnxn,sql)

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

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