Überwachung und Alarmierung innerhalb einer Datenpipeline
Es ist Zeit, alles zusammenzulegen! 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
ETL und ELT in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
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'")