Python でxBase 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 xBase とpetl フレームワークを使って、xBase 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xBase 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。xBase 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xBase 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xBase 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.xbase as mod

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

cnxn = mod.connect("DataSource=MyDBFFilesFolder;")

DataSource プロパティを.dbf ファイルを含むフォルダの名前に設定してください。 .dbf 以外の拡張子を持つxBase テーブルのファイルで動作するようにするには、IncludeFiles プロパティを指定してください。 複数の拡張子をカンマ区切りリストで指定します。

xBase をクエリするSQL 文の作成

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

sql = "SELECT Company, Total FROM Invoices WHERE Class = 'ASSET'"

xBase 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、xBase データ を取得して、Total 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,'Total')

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

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

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

cnxn = mod.connect("DataSource=MyDBFFilesFolder;")

sql = "SELECT Company, Total FROM Invoices WHERE Class = 'ASSET'"

table1 = etl.fromdb(cnxn,sql)

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

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