1. Lernen
    2. /
  2. Kurse
    3. /
  3. ETL und ELT in Python
  • 1

    Einführung in Datenpipelines

    Kostenlos

    Erfahre, wie Daten mithilfe von Datenpipelines gesammelt, verarbeitet und verschoben werden. Du wirst die Qualitäten der besten Datenpipelines kennenlernen und dich darauf vorbereiten, deine eigene zu entwerfen und aufzubauen.

  • 2

    Aufbau von ETL Pipelines

    Tauche ein in die Nutzung von Pandas zum Extrahieren, Transformieren und Laden von Daten und baue deine ersten Datenpipelines auf. Lerne, wie du deine ETL Logik wiederverwendbar machst und deine Pipelines mit Logging und Ausnahmebehandlung versiehst.

  • 3

    Fortgeschrittene ETL Techniken

    Verbessere deine Arbeitsabläufe mit fortschrittlichen Daten-Pipelining-Techniken, wie z. B. der Arbeit mit nicht-tabellarischen Daten und der Persistenz von DataFrames in SQL Datenbanken. Erfahre, wie du mit Pandas fortgeschrittene Transformationen durchführen kannst, und lerne Best Practices für die Arbeit mit komplexen Daten kennen.

  • 4

    Einsatz und Pflege einer Datenpipeline

    In diesem letzten Kapitel erstellst du Frameworks, um Datenpipelines zu validieren und zu testen, bevor du sie in die Produktion überführst. Nachdem du deine Pipeline getestet hast, lernst du Techniken kennen, mit denen du deine Datenpipeline durchgängig betreiben kannst und gleichzeitig einen Einblick in die Leistung der Pipeline erhältst.

Initializing

Ubung

Laden von Verkaufsdaten in eine CSV Datei

Das Laden von Daten ist ein wesentlicher Bestandteil jeder Datenpipeline. Sie stellt sicher, dass alle Datenkonsumenten und -prozesse zuverlässig auf Daten zugreifen können, die du zuvor in einer Pipeline extrahiert und umgewandelt hast. In dieser Übung übst du das Laden von transformierten Verkaufsdaten in eine CSV Datei mit pandas, die als pd importiert wurde. Darüber hinaus wurden die Rohdaten extrahiert und sind im DataFrame raw_sales_data verfügbar.

Anweisungen

100 XP
  • Filtere den raw_sales_data DataFrame so, dass nur alle Artikel mit einem Preis von weniger als 25 Dollar erhalten bleiben.
  • Aktualisiere die Funktion load(), um die umgewandelten Verkaufsdaten in eine Datei mit dem Namen "transformed_sales_data.csv" zu schreiben und stelle sicher, dass die Spalte index nicht enthalten ist.
  • Rufe die Funktion load() für den bereinigten Datenrahmen auf.