Python でMicrosoft OneDrive 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 OneDrive とpetl フレームワークを使って、Microsoft OneDrive 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Microsoft OneDrive 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。Microsoft OneDrive 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Microsoft OneDrive 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Microsoft OneDrive 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.onedrive as mod

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

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

OneDrive 接続プロパティの取得・設定方法

OneDrive は接続にOAuth 認証を使用します。OAuth を使用して認証するには、OneDrive API 用のアプリを作成して、OAuth クライアントID、OAuth クライアントシークレット、およびコールバックURLを取得してください。OAuth 情報の取得については、MS 公式のこちらのページが参考になります。取得したこれらの情報をOAuthClientId、OAuthClientSecret、CallbackURL の接続プロパティに設定することで認証を設定できます。

認証についての詳細は、ヘルプドキュメントの「OAuth」のセクションをご確認ください。

Microsoft OneDrive をクエリするSQL 文の作成

Microsoft OneDrive 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 Id, Name FROM Files WHERE Id = 'Jq74mCczmFXk1tC10GB'"

Microsoft OneDrive 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、Microsoft OneDrive データ を取得して、Name 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,'Name')

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

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

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

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

sql = "SELECT Id, Name FROM Files WHERE Id = 'Jq74mCczmFXk1tC10GB'"

table1 = etl.fromdb(cnxn,sql)

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

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