Turn Google Sheets into Your Own Database with Python
Zusammenfassung
Kurz
Der Beitrag zeigt, wie man mit einem Google-Cloud-Dienstkonto, `gspread` und Pandas eine Google-Tabelle erstellt, teilt und mit Daten aus einer CSV-Datei befüllt. Der Autor nennt Grenzen bei Zellzahl und API-Aufrufen, behandelt aber nicht ausführlich Datenschutz, Fehlerbehandlung oder den Einsatz als produktive Datenbank.
Mittel
Frank Andrade beschreibt, wie Google Sheets mit Python als einfache Online-Datensammlung genutzt werden kann. Er nennt als Vorteile die kostenlose Verfügbarkeit und einfache Bearbeitung, weist aber auf Grenzen wie höchstens zehn Millionen Zellen und begrenzte API-Aufrufe pro Minute hin; konkrete Aufruflimits nennt der Beitrag nicht.
Die Anleitung beginnt mit der Einrichtung eines Google-Cloud-Projekts. Dort werden Google Drive API und Google Sheets API aktiviert sowie ein Dienstkonto und ein JSON-Schlüssel angelegt. Für Python empfiehlt der Autor `gspread`, `oauth2client` und `pandas`. Mit den Zugangsdaten lässt sich eine Tabelle erstellen und für das eigene Google-Konto freigeben. Anschließend liest das Beispiel eine CSV-Datei mit Pandas ein und überträgt Überschriften und Datenzeilen in das erste Tabellenblatt.
Auch der Zugriff auf bereits vorhandene Tabellen wird behandelt: Die E-Mail-Adresse des Dienstkontos muss dafür in den Freigabeeinstellungen eingetragen werden. Der Text vermittelt die grundlegende Einrichtung und Datenübertragung, erläutert aber nicht, wie sich die Lösung bei produktiven Datenbankanforderungen, Datenschutzfragen oder Fehlern verhält.
Ausführlich lesen
Der Beitrag von Frank Andrade erklärt, wie sich Google Sheets mit Python als einfache, cloudbasierte Datensammlung nutzen lässt. Der Autor stellt Google Sheets als kostenlose, leicht bearbeitbare Möglichkeit dar, strukturierte Daten online zu speichern. Als Grenzen nennt er die Obergrenze von zehn Millionen Zellen sowie Begrenzungen der API-Aufrufe pro Minute; konkrete API-Limits führt der Auszug nicht an. Der Text beschreibt einen beispielhaften Ablauf, belegt aber nicht, dass Google Sheets für beliebige Datenmengen oder Datenbankanforderungen geeignet ist.
Zunächst zeigt der Autor die Einrichtung in der Google Cloud Console: Ein Projekt wird angelegt und die Google Drive API aktiviert. Anschließend werden Zugangsdaten für ein Dienstkonto erstellt, diesem die Rolle „Editor“ zugewiesen und ein JSON-Schlüssel heruntergeladen. Zusätzlich muss die Google Sheets API aktiviert werden. Der Schlüssel soll neben dem Python-Skript liegen. Der Beitrag weist darauf hin, dass neu angelegte Tabellen zunächst nur für das Dienstkonto sichtbar sind und mit dem eigenen Google-Konto geteilt werden müssen.
Für die Arbeit mit Python empfiehlt der Autor die Bibliotheken `gspread`, `oauth2client` und `pandas`. Mit den im JSON-Schlüssel hinterlegten Zugangsdaten wird eine Verbindung zu Google Sheets hergestellt. Danach lässt sich mit `client.create` eine Tabelle namens „NewDatabase“ anlegen. Über die Freigabefunktion kann das eigene Google-Konto mit Schreibrechten hinzugefügt werden, sodass die Tabelle auch im persönlichen Drive unter „Mit mir geteilt“ erscheint.
Zum Übertragen von Daten öffnet das Beispiel die Tabelle und ihr erstes Tabellenblatt, liest eine CSV-Datei mit Pandas ein und schreibt Spaltenüberschriften und Zeilen mit der `update`-Methode in das Blatt. Der Autor verweist auf eine Beispieldatei und den Code auf GitHub; laut Beitrag kann auch eine andere CSV-Datei verwendet werden.
Ein Zusatzabschnitt beschreibt den Zugriff auf ein bereits vorhandenes Google Sheet: Dafür soll die E-Mail-Adresse des Dienstkontos in den Freigabeeinstellungen der Tabelle berechtigt werden. Danach könne sie mit dem zuvor gezeigten Code geöffnet werden. Die Anleitung behandelt damit die grundlegenden Schritte zum Einrichten, Erstellen, Teilen und Befüllen von Tabellen. Sie macht keine näheren Angaben zu Fehlerbehandlung, Datenschutz, konkurrierenden Zugriffen oder zur Eignung für produktive Datenbanksysteme.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Es wurden keine Fragen zur Einordnung angegeben, daher ist die Einordnung leer. Alle drei Fassungen Lunas wurden geprüft: Sie enthalten keine Angaben, die nicht im Bericht stehen. 'kurz' und 'mittel' lassen den Bonus-Teil aus, und 'mittel' nennt die Bibliotheken nicht.
Im Bericht, aber nicht in der Zusammenfassung
- Bonus-Abschnitt: Zugriff auf bestehende Google-Sheets-Dateien, die nicht vom Dienstkonto erstellt wurden, nach Freigabe der Dienstkonto-E-Mail (in 'kurz' und 'mittel' nicht erwähnt)
- Die Bibliotheken gspread und oauth2client werden in 'mittel' nicht genannt
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.