Python で pandas を使って Hive 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 Apache Hive、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、Hive に接続した Python アプリケーションやスクリプトを構築し、Hive 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 Hive 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 Hive 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。Hive 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 Hive 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。

Hive のデータへの接続

Hive 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。

Apache Hive への接続を確立するには以下を指定します。

• Server：HiveServer2 をホストするサーバーのホスト名またはIP アドレスに設定。
• Port：HiveServer2 インスタンスへの接続用のポートに設定。
• TransportMode：Hive サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
• AuthScheme：使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。
• CData 製品においてTLS/SSL を有効化するには、UseSSL をTrue に設定します

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 Hive 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 Hive 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、Hive のデータを操作するための Engine を作成します。

engine = create_engine("apachehive:///?Server=127.0.0.1&Port=10000&TransportMode=BINARY")

Hive 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 City, CompanyName FROM Customers WHERE Country = 'US'", engine)

Hive 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 Hive 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="City", y="CompanyName")
plt.show()

無料トライアル & 詳細情報

CData Python Connector for Apache Hive の 30日間無料トライアルをダウンロードして、Hive 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("apachehive:///?Server=127.0.0.1&Port=10000&TransportMode=BINARY")
df = pandas.read_sql("SELECT City, CompanyName FROM Customers WHERE Country = 'US'", engine)

df.plot(kind="bar", x="City", y="CompanyName")
plt.show()