Python でGreenhouse 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 Greenhouse とpetl フレームワークを使って、Greenhouse 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Greenhouse 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。Greenhouse 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Greenhouse 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Greenhouse 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.greenhouse as mod

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

cnxn = mod.connect("APIKey=YourAPIKey;")

Greenhouse への接続にはAPI キーが必要です。API キーを作成するには、以下の手順に従います。

1. ナビゲーションバーのConfigure アイコンをクリックし、左側にあるDev Center を見つけます。
2. API Credential Management を選択します。
3. Create New API Key をクリックします。
• "API Type" をHarvest に設定します。
• "Partner" をcustom に設定します。
• オプションで、説明を入力します。
4. Manage permissions に進み、CData 製品を利用してアクセスしたいリソースに基づいて適切な権限を選択します。
5. 作成されたキーをコピーし、APIKey にその値を設定します。

Greenhouse をクエリするSQL 文の作成

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

sql = "SELECT Id, CandidateId FROM Applications WHERE Status = 'Active'"

Greenhouse 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、Greenhouse のデータ を取得して、CandidateId 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,'CandidateId')

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

CData Python Connector for Greenhouse を使えば、データベースを扱う場合と同感覚で、Greenhouse 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

Greenhouse Python Connector の30日の無償トライアル をぜひダウンロードして、Greenhouse 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.greenhouse as mod

cnxn = mod.connect("APIKey=YourAPIKey;")

sql = "SELECT Id, CandidateId FROM Applications WHERE Status = 'Active'"

table1 = etl.fromdb(cnxn,sql)

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

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