pandasを使ったデータの永続化

Python で学ぶ ETL と ELT

Jake Roach

Data Engineer

ETLパイプラインにおけるデータの永続化

ファイルへのデータ読み込み：

変換済みデータへの安定したアクセスを保証する
ETLプロセスの最終ステップ、および各ステップ間で実行される
データの「スナップショット」を記録する

pandasを使ったCSVファイルへのデータ読み込み

.to_csv() メソッド

import pandas as pd

# Data extraction and transformation
raw_data = pd.read_csv("raw_stock_data.csv")
stock_data = raw_data.loc[raw_data["open"] > 100, ["timestamps", "open"]]

# Load data to a .csv file
stock_data.to_csv("stock_data.csv")

DataFrameに対して .to_csv を呼び出す
DataFrameをパス "stock_data.csv" に書き込む

CSV出力のカスタマイズ

stock_data.to_csv("./stock_data.csv", header=True)

True、False、または文字列のリストを指定する

stock_data.to_csv("./stock_data.csv", index=True)

True または False を指定する
index 列をファイルに書き込むかどうかを決定する

stock_data.to_csv("./stock_data.csv", sep="|")

ファイル内の列を区切る文字列を指定する
| 文字がよく使用される

対応するメソッド：

.to_parquet()
.to_json()
.to_sql()

¹ https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_csv.html

データ永続化の確認

DataFrameはCSVファイルに正しく保存されましたか？

import pandas
import os  # Import the os module

# Extract, transform and load data
raw_data = pd.read_csv("raw_stock_data.csv")
stock_data = raw_data.loc[raw_data["open"] > 100, ["timestamps", "open"]]
stock_data.to_csv("stock_data.csv")

# Check that the path exists
file_exists = os.path.exists("stock_data.csv")
print(file_exists)

True

練習しましょう！

Python で学ぶ ETL と ELT