Python でHacker News のデータを変換・出力するETL 処理を作る方法
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 API とpetl フレームワークを使って、Hacker News のデータに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Hacker News のデータ にPython から接続し、高いパフォーマンスを発揮します。Hacker News 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Hacker News 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Hacker News のデータを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.api as mod
接続文字列で接続を確立します。connect 関数を使って、CData Hacker News Connector からHacker News への接続を行います
cnxn = mod.connect("Profile=C:\profiles\HackerNews.apip;AuthScheme=None")
HackerNews への接続
HackerNews API（Firebase 製）は、認証が不要なパブリック API です。認証情報なしですぐに接続してデータをクエリできます。
以下の接続プロパティを設定して接続を確立してください：
- AuthScheme：None に設定します。
接続文字列の例：
Profile=C:\profiles\HackerNews.apip;AuthScheme=None
Hacker News をクエリするSQL 文の作成
Hacker News にはSQL でデータアクセスが可能です。TopStories エンティティからのデータを読み出します。
sql = "SELECT , FROM TopStories WHERE = ''"
Hacker News 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、Hacker News のデータ を取得して、 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,'') etl.tocsv(table2,'topstories_data.csv')
CData Python Connector for API を使えば、データベースを扱う場合と同感覚で、Hacker News のデータ 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
Hacker News Python Connector の30日の無償トライアル をぜひダウンロードして、Hacker News のデータ 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.api as mod
cnxn = mod.connect("Profile=C:\profiles\HackerNews.apip;AuthScheme=None")
sql = "SELECT , FROM TopStories WHERE = ''"
table1 = etl.fromdb(cnxn,sql)
table2 = etl.sort(table1,'')
etl.tocsv(table2,'topstories_data.csv')