Sumarizace dat z Parquet souboru

Prvním reportem postaveným na Parquet souborech je přehled digitálních výpůjček, který tým sestavil v 1. kapitole – tentokrát ale s dotazem scan_parquet jako výchozím bodem. Postav stejný líný pipeline, aby ho tým mohl znovu použít při práci s archivem.

LazyFrame requests je už připravený z Parquet souboru.

Toto cvičení je součástí kurzu

Scaling and Optimizing Data Pipelines with Polars

Zobrazit kurz

Pokyny k cvičení

Filtruj requests tak, aby zůstaly pouze řádky, kde use má hodnotu "Digital".
Seskup filtrované řádky podle sloupce format.
Spusť pipeline až na jeho úplném konci.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

result = (
    requests
    # Filter to digital
    .filter(pl.col("use") == "____")
    # Group by format
    .group_by("____")
    .agg(pl.col("checkouts").sum().alias("total"))
    .sort("total", descending=True)
    # Trigger execution at the end
    .____()
)
print(result)

Upravit a spustit kód