Sales-Daten in eine CSV-Datei laden

Das Laden von Daten ist ein wesentlicher Bestandteil jeder Data-Pipeline. Es stellt sicher, dass Datenkonsument:innen und Prozesse verlässlich auf Daten zugreifen können, die du zuvor in der Pipeline extrahiert und transformiert hast. In dieser Übung lädst du transformierte Verkaufsdaten mit pandas (importiert als pd) in eine CSV-Datei. Zusätzlich wurden die Rohdaten bereits extrahiert und stehen im DataFrame raw_sales_data zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>ETL und ELT in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Filtere das DataFrame raw_sales_data, sodass nur Elemente mit einem Preis unter 25 Dollar übrig bleiben.
Aktualisiere die Funktion load(), damit die transformierten Verkaufsdaten in eine Datei namens "transformed_sales_data.csv" geschrieben werden — ohne die Spalte index einzuschließen.
Rufe die Funktion load() auf dem bereinigten DataFrame auf.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

def transform(raw_data):
	# Find the items prices less than 25 dollars
	return raw_data.loc[raw_data["Price Each"] ____ ____, ["Order ID", "Product", "Price Each", "Order Date"]]

def load(clean_data):
	# Write the data to a CSV file without the index column
	____.____("transformed_sales_data.csv", index=____)


clean_sales_data = transform(raw_sales_data)

# Call the load function on the cleaned DataFrame
____(____)

Code bearbeiten und ausführen