Daten in Dateien speichern
Das Laden von Daten an ein endgültiges Ziel ist einer der wichtigsten Schritte in einer Data-Pipeline. In dieser Übung verwendest du die unten gezeigte Funktion transform(), um Produktverkaufsdaten zu transformieren, bevor du sie in eine .csv-Datei lädst. So erhalten nachgelagerte Datenkonsument:innen einen besseren Überblick über den Gesamtumsatz über verschiedene Produkte hinweg.
Für diese Übung wurden die Verkaufsdaten geladen und transformiert und im DataFrame clean_sales_data gespeichert. Das Paket pandas wurde als pd importiert, und die Bibliothek os steht ebenfalls bereit!
Diese Übung ist Teil des Kurses
<Kurs>ETL und ELT in Python</Kurs>Übungsanweisungen
- Aktualisiere die Funktion
load(), sodass sie die Daten an den vorgegebenen Pfad ohne Header und ohne Indexspalte schreibt. - Prüfe, ob die Datei am gewünschten Dateipfad geladen wurde.
- Rufe die Funktion auf, um die transformierten Daten in den dauerhaften Speicher zu laden.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
def load(clean_data, file_path):
# Write the data to a file
clean_data.to_csv(file_path, ____, ____)
# Check to make sure the file exists
file_exists = os.____.____(____)
if not file_exists:
raise Exception(f"File does NOT exists at path {file_path}")
# Load the transformed data to the provided file path
____(clean_sales_data, "transformed_sales_data.csv")