ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
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。CData Python Connector for Square は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Square にデータ連携するPython アプリケーションを構築し、Square データを可視化できます。 本記事では、SQLAlchemy でSquare に連携して、データを取得、、更新、挿入、削除 する方法を説明します。
CData Python Connectors は、以下のような特徴を持った製品です。
CData Python Connectors では、1.データソースとしてSquare の接続を設定、2.Python からPython Connectors との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。
pip でSQLAlchemy ツールキットをインストールします:
pip install sqlalchemy
モジュールのインポートを忘れずに行います:
import sqlalchemy
次は、接続文字列で接続を確立します。create_engine 関数を使って、Square データに連携するEngne を作成します。
engine = create_engine("square///?OAuthClientId=MyAppId&OAuthClientSecret=MyAppSecret&CallbackURL=http://localhost:33333&LocationId=MyDefaultLocation&InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")
Square OAuth 認証標準を使用します。OAuth を使用して認証するには、Square にアプリを登録してOAuthClientId、OAuthClientSecret、CallbackURL を入手します。OAuth の使用方法については、ヘルプドキュメントの「はじめに」セクションをご覧ください。
追加でLocationId を指定する必要がある場合があります。Locations テーブルをクエリすることでLocations のId を取得できます。または、クエリの検索項目にLocationId を設定することもできます。
接続を確立したら、OR マッパーでモデル化するテーブルのマッピングクラスを宣言します。本記事では、Refunds テーブルを使います。sqlalchemy.ext.declarative.declarative_base 関数を使って、新しいクラスにフィールド(カラム)を定義します。
base = declarative_base() class Refunds(base): __tablename__ = "Refunds" Reason = Column(String,primary_key=True) RefundedMoneyAmount = Column(String) ...
マッピングクラスができたので、セッションオブジェクトを使ってデータソースをクエリすることができます。セッションにEngine をバインドして、セッションのquery メソッドにマッピングクラスを提供します。
engine = create_engine("square///?OAuthClientId=MyAppId&OAuthClientSecret=MyAppSecret&CallbackURL=http://localhost:33333&LocationId=MyDefaultLocation&InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt") factory = sessionmaker(bind=engine) session = factory() for instance in session.query(Refunds).filter_by(Type="FULL"): print("Reason: ", instance.Reason) print("RefundedMoneyAmount: ", instance.RefundedMoneyAmount) print("---------")
ほかの方法としては、execute メソッドを適切なテーブルオブジェクトに使うことが可能です。以下のコードはアクティブなsession に対して有効です。
Refunds_table = Refunds.metadata.tables["Refunds"] for instance in session.execute(Refunds_table.select().where(Refunds_table.c.Type == "FULL")): print("Reason: ", instance.Reason) print("RefundedMoneyAmount: ", instance.RefundedMoneyAmount) print("---------")
より複雑なクエリとして、JOIN、集計、Limit などが利用可能です。詳細はヘルプドキュメントをご覧ください。
Square データへの挿入には、マップされたクラスのインスタンスを定義し、アクティブな session に追加します。commit 関数を呼び出して、Square にすべての追加インスタンスを送ります。
new_rec = Refunds(Reason="placeholder", Type="FULL") session.add(new_rec) session.commit()
Square データの更新には、更新するレコードをフィルタクエリとともにフェッチします。そして、フィールドの値を変更し、セッションでcommit 関数を呼んで、Square にレコードを追加します。
updated_rec = session.query(Refunds).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() updated_rec.Type = "FULL" session.commit()
Square データの削除には、フィルタクエリと一緒に対象となるレコードをフェッチします。そして、アクティブsession でレコードを削除し、セッションでcommit 関数を呼び出して、該当するレコードの削除を実行します。
deleted_rec = session.query(Refunds).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() session.delete(deleted_rec) session.commit()
このようにCData Python Connector と併用することで、270を超えるSaaS、NoSQL データをPython からコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。
日本のユーザー向けにCData Python Connector は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。