Python でYahoo! JAPAN DATA SOLUTION 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 YahooDS とpetl フレームワークを使って、Yahoo! JAPAN DATA SOLUTION 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Yahoo! JAPAN DATA SOLUTION 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。Yahoo! JAPAN DATA SOLUTION 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Yahoo! JAPAN DATA SOLUTION 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Yahoo! JAPAN DATA SOLUTION 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.yahoods as mod

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

cnxn = mod.connect("AppID=12345678-1234-1234-1234-123456789012;")

認証するには、次のプロパティを指定する必要があります。

• AppID：アプリケーションID は認証に使用されます。取得するには、Yahoo! JAPAN データソリューションのサポートチームにリクエストを送信してください。

Yahoo! JAPAN DATA SOLUTION をクエリするSQL 文の作成

Yahoo! JAPAN DATA SOLUTION にはSQL でデータアクセスが可能です。SearchRanking エンティティからのデータを読み出します。

sql = "SELECT Rank, Volume FROM SearchRanking WHERE SearchKeyword = 'yahoo'"

Yahoo! JAPAN DATA SOLUTION 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、Yahoo! JAPAN DATA SOLUTION データ を取得して、Volume 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,'Volume')

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

CData Python Connector for YahooDS を使えば、データベースを扱う場合と同感覚で、Yahoo! JAPAN DATA SOLUTION 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

Yahoo! JAPAN DATA SOLUTION Python Connector の30日の無償トライアル をぜひダウンロードして、Yahoo! JAPAN DATA SOLUTION 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.yahoods as mod

cnxn = mod.connect("AppID=12345678-1234-1234-1234-123456789012;")

sql = "SELECT Rank, Volume FROM SearchRanking WHERE SearchKeyword = 'yahoo'"

table1 = etl.fromdb(cnxn,sql)

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

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