Ausnahmen beim Laden von Daten behandeln
Manchmal werfen deine Datenpipelines eine Exception. Diese Ausnahmen dienen als Alarm und informieren eine Data Engineer darüber, dass etwas Unerwartetes passiert ist. Es ist wichtig, solche Ausnahmen richtig zu behandeln. In dieser Übung üben wir genau das!
Zum Einstieg wurden pandas als pd sowie das Modul logging importiert. Der Standard-Log-Level wurde auf "debug" gesetzt.
Diese Übung ist Teil des Kurses
<Kurs>ETL und ELT in Python</Kurs>Übungsanweisungen
- Aktualisiere die Pipeline, indem du einen
try-Block hinzufügst, und versuche, die Daten vom Pfad"sales_data.parquet"einzulesen. - Fange einen
FileNotFoundErrorab, falls die Datei nicht in einpandas-DataFrame eingelesen werden kann. - Erstelle einen Logeintrag auf Fehler-Ebene, um den Fehlschlag zu dokumentieren.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
def extract(file_path):
return pd.read_parquet(file_path)
# Update the pipeline to include a try block
____:
# Attempt to read in the file
raw_sales_data = extract("____")
# Catch the FileNotFoundError
except ____ as file_not_found:
# Write an error-level log
logging.____(file_not_found)