Python でPerigon 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、Perigon 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Perigon 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。Perigon 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Perigon 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Perigon 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 Perigon Connector からPerigon への接続を行います

cnxn = mod.connect("Profile=C:\profiles\Perigon.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"")

API キー認証の設定

Perigon API を利用するには、Perigon アカウントから API キーを取得する必要があります。Perigon ダッシュボードに移動して、アカウント設定から API キーを生成してください。

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：APIKey に設定します。
• APIKey：Perigon の API キーに設定します。

接続文字列の例：

Profile=C:\profiles\Perigon.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"

利用可能なテーブル

Perigon プロファイルでは、以下のテーブルにアクセスできます：

• Articles - Perigon ニュースインテリジェンス API から取得したニュース記事
• Headlines - 関連するヘッドライン記事をまとめたストーリークラスター
• Sources - Perigon ニュースインテリジェンス API が追跡するニュースソース
• Journalists - Perigon ニュースインテリジェンス API が追跡するジャーナリストのプロフィール

Perigon をクエリするSQL 文の作成

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

sql = "SELECT ,  FROM Articles WHERE  = ''"

Perigon 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、Perigon 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,'articles_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、Perigon 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

Perigon Python Connector の30日の無償トライアル をぜひダウンロードして、Perigon 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\Perigon.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"")

sql = "SELECT ,  FROM Articles WHERE  = ''"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'')

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