Python で pandas を使って Google Data Catalog データを可視化する方法

Python の豊富なエコシステムを活用することで、作業を迅速に開始し、システム間の連携をより効果的に行うことができます。CData Python Connector for Google Data Catalog、pandas および Matplotlib モジュール、SQLAlchemy ツールキットを組み合わせることで、Google Data Catalog に接続した Python アプリケーションやスクリプトを構築し、Google Data Catalog のデータを可視化できます。この記事では、pandas、SQLAlchemy、Matplotlib の組み込み関数を使用して Google Data Catalog のデータに接続し、クエリを実行して結果を可視化する方法を説明します。

CData Python Connector は、組み込みの最適化されたデータ処理機能により、Python での Google Data Catalog のデータへのリアルタイムアクセスにおいて比類のないパフォーマンスを提供します。Google Data Catalog に対して複雑な SQL クエリを発行すると、ドライバーはフィルタや集計などのサポートされている SQL 操作を Google Data Catalog に直接プッシュし、サポートされていない操作（多くの場合、SQL 関数や JOIN 操作）は組み込みの SQL エンジンを使用してクライアント側で処理します。

Google Data Catalog のデータへの接続

Google Data Catalog のデータへの接続は、他のリレーショナルデータソースへの接続と同様です。必要な接続プロパティを使用して接続文字列を作成します。この記事では、接続文字列を create_engine 関数のパラメータとして渡します。

Google Data Catalog 接続プロパティの取得・設定方法

認証プロパティを追加する前に、次の接続プロパティを設定してください。

• OrganizationId：接続するGoogle Cloud Platform の組織リソースに関連付けられたID。これはGCP コンソールに移動して確認してください。 「プロジェクト」ドロップダウンメニューを開き、リストから組織へのリンクをクリックします。このページから組織ID を取得できます。
• ProjectId：接続するGCP のプロジェクトリソースに関連付けられたID。GCP コンソールのダッシュボードに移動し、「プロジェクトを選択」のメニューからお好みのプロジェクトを選択して確認してください。プロジェクトID は、「プロジェクト情報」項目に表示されます。

Google Data Catalog への認証

CData 製品は、認証にユーザーアカウント、サービスアカウント、およびGCP インスタンスアカウントの使用をサポートします。

OAuth の設定方法については、ヘルプドキュメントの「OAuth」セクションを参照してください。

以下の手順に従って、必要なモジュールをインストールし、Python オブジェクトを介して Google Data Catalog にアクセスしてみましょう。

必要なモジュールのインストール

pip ユーティリティを使用して、pandas、Matplotlib モジュール、および SQLAlchemy ツールキットをインストールします。

pip install pandas
pip install matplotlib
pip install sqlalchemy

以下のようにモジュールをインポートしてください。

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engine

Python で Google Data Catalog のデータを可視化する

接続文字列を使用して接続できます。create_engine 関数を使用して、Google Data Catalog のデータを操作するための Engine を作成します。

engine = create_engine("googledatacatalog:///?ProjectId=YourProjectId")

Google Data Catalog への SQL の実行

pandas の read_sql 関数を使用して、SQL ステートメントを実行し、結果セットを DataFrame に格納します。

df = pandas.read_sql("SELECT Type, DatasetName FROM Schemas WHERE ProjectId = 'bigquery-public-data'", engine)

Google Data Catalog のデータの可視化

クエリ結果が DataFrame に格納されたら、plot 関数を使用して Google Data Catalog のデータを表示するグラフを作成します。show メソッドで、グラフを新しいウィンドウに表示します。

df.plot(kind="bar", x="Type", y="DatasetName")
plt.show()

無料トライアル & 詳細情報

CData Python Connector for Google Data Catalog の 30日間無料トライアルをダウンロードして、Google Data Catalog のデータに接続する Python アプリケーションやスクリプトの構築を始めましょう。ご質問がありましたら、サポートチームまでお気軽にお問い合わせください。

完全なソースコード

import pandas
import matplotlib.pyplot as plt
from sqlalchemy import create_engin

engine = create_engine("googledatacatalog:///?ProjectId=YourProjectId")
df = pandas.read_sql("SELECT Type, DatasetName FROM Schemas WHERE ProjectId = 'bigquery-public-data'", engine)

df.plot(kind="bar", x="Type", y="DatasetName")
plt.show()