Funktionen zum Extrahieren von Daten erstellen
Beim Aufbau einer Datenpipeline ist es wichtig, den Code zu modularisieren. So werden Pipelines besser lesbar und wiederverwendbar und die Fehlersuche geht schneller. Funktionen für einzelne Schritte in der Pipeline zu erstellen und zu nutzen, liefert dir sogar beim Start eines neuen Projekts einen Rahmen für die Entwicklung.
pandas wurde als pd importiert und sqlalchemy ist einsatzbereit.
Diese Übung ist Teil des Kurses
ETL und ELT in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
def extract():
# Create a connection URI and connection engine
connection_uri = "postgresql+psycopg2://repl:password@localhost:____/____"
db_engine = sqlalchemy.____(connection_uri)