Überwachung und Alarmierung innerhalb einer Datenpipeline
Es ist Zeit, alles zusammenzutragen! Du hast es vielleicht schon geahnt, aber die Fehlerbehandlung mit try-except und die Protokollierung gehen Hand in Hand. Diese beiden Praktiken sind wichtig, damit eine Pipeline belastbar und transparent ist, und sie sind die Bausteine für fortschrittlichere Überwachungs- und Warnlösungen.
pandas wurde als pd importiert, und das Modul logging wurde geladen und für dich konfiguriert. Der raw_sales_data DataFrame wurde extrahiert und kann nun umgewandelt werden.
Diese Übung ist Teil des Kurses
<Kurs>ETL und ELT mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
def transform(raw_data):
return raw_data.loc[raw_data["Total Price"] > 1000, :]
try:
# Attempt to transform DataFrame, log an info-level message
clean_sales_data = transform(raw_sales_data)
logging.____("Successfully filtered DataFrame by 'Total Price'")
except Exception:
# Log a warning-level message
____.____("Cannot filter DataFrame by 'Total Price'")