Python でSpaceX 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、SpaceX 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SpaceX 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。SpaceX 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SpaceX 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SpaceX 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 SpaceX Connector からSpaceX への接続を行います
cnxn = mod.connect("Profile=C:\profiles\SpaceX.apip;")
まず、Profile 接続プロパティをディスク上の SpaceX プロファイルの場所に設定します（例：C:\profiles\SpaceX.apip）。次に、ProfileSettings 接続プロパティを SpaceX の接続文字列に設定します（以下を参照）。
SpaceX API プロファイル設定
SpaceX のデータにアクセスする際に認証は不要です — SpaceX API は一般公開されています。Profile 接続プロパティに SpaceX プロファイルファイルのパスを設定するだけで利用できます。
SpaceX をクエリするSQL 文の作成
SpaceX にはSQL でデータアクセスが可能です。Capsules エンティティからのデータを読み出します。
sql = "SELECT CapsuleSerial, CapsuleId FROM Capsules WHERE Status = 'active'"
SpaceX 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、SpaceX のデータ を取得して、CapsuleId 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,'CapsuleId') etl.tocsv(table2,'capsules_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、SpaceX 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
SpaceX Python Connector の30日の無償トライアル をぜひダウンロードして、SpaceX 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\SpaceX.apip;")
sql = "SELECT CapsuleSerial, CapsuleId FROM Capsules WHERE Status = 'active'"
table1 = etl.fromdb(cnxn,sql)
table2 = etl.sort(table1,'CapsuleId')
etl.tocsv(table2,'capsules_data.csv')