Dateien in die Cloud legen
Jetzt, da Sam weiß, wie man Buckets erstellt, ist sie bereit, einen mühsamen Teil ihrer Arbeit zu automatisieren. Momentan muss sie die neuesten Dateien vom City of San Diego Open Data Portal herunterladen, aggregieren und mit dem Management teilen.
Analysen mit anderen zu teilen, ist eine häufige, aber lästige Aufgabe in der Data Science. Wenn diese Schritte automatisiert sind, kann sich Sam auf spannendere Projekte konzentrieren – und hält gleichzeitig ihr Management zufrieden.
In der letzten Lektion hat Sam bereits den Bucket gid-staging erstellt.
Sie hat die Dateien von den URLs heruntergeladen, analysiert und die Ergebnisse in final_report.csv geschrieben.
Sie hat auch schon den boto3-S3-Client initialisiert und der Variablen s3 zugewiesen.
Hilf Sam dabei, final_report.csv in den Bucket gid-staging hochzuladen!
Diese Übung ist Teil des Kurses
<Kurs>Einführung in AWS Boto mit Python</Kurs>Übungsanweisungen
- Lade
'final_report.csv'in den Bucket'gid-staging'mit dem Key'2019/final_report_01_01.csv'hoch. - Rufe die Objektmetadaten ab und speichere sie in
response. - Gib die Objektgröße in Byte aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Upload final_report.csv to gid-staging
s3.____(Bucket='____',
# Set filename and key
____='____',
____='____)
# Get object metadata and print it
response = s3.____(Bucket='gid-staging',
Key='2019/final_report_01_01.csv')
# Print the size of the uploaded object
print(response['____'])