Python でOutreach.io 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 Outreach とpetl フレームワークを使って、Outreach.io 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Outreach.io 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。Outreach.io 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Outreach.io 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Outreach.io 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.outreach as mod

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

cnxn = mod.connect("InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

OAuth を使用してOutreach で認証する必要があります。InitiateOAuth 接続プロパティを"GETANDREFRESH" に設定します。詳しくは、ヘルプドキュメントの「OAuth 認証の使用」セクションを参照してください。

Outreach.io をクエリするSQL 文の作成

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

sql = "SELECT Name, NumberOfEmployees FROM Accounts WHERE Industry = 'Textiles'"

Outreach.io 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、Outreach.io データ を取得して、NumberOfEmployees 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,'NumberOfEmployees')

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

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

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

cnxn = mod.connect("InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Name, NumberOfEmployees FROM Accounts WHERE Industry = 'Textiles'"

table1 = etl.fromdb(cnxn,sql)

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

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