Aggregierte Berichte für Februar hochladen

In der letzten Übung hat Sam die Monatsdateien aus dem Raw-Data-Bucket heruntergeladen.

Anschließend hat sie alles in einem DataFrame zusammengeführt, der alle Anfragen des Monats und deren Typen zeigt.

Sie hat diesen DataFrame in der Variablen all_reqs gespeichert und mit der groupby-Funktionalität von pandas die Anfragen nach Servicename gezählt. Dadurch ist der neue DataFrame agg_df entstanden:

	service_name	count
0	72 Hour Violation	2910
1	Chain Link Fence Repair	90
2	Collections Truck Spill	30
3	Container Left Out	120
4	Dead Animal	360

Den boto3-S3-Client hat sie bereits in der Variable s3 angelegt.

Hilf ihr, die Statistik für diesen Monat zu veröffentlichen.

Schreibe agg_df in CSV- und HTML-Dateien und lade sie als öffentliche Dateien nach S3 hoch.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in AWS Boto mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Schreibe CSV- und HTML-Versionen von agg_df und nenne sie entsprechend 'feb_final_report.csv' und 'feb_final_report.html'.
Lade beide Versionen von agg_df in den Bucket gid-reports hoch und setze sie auf Public Read.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Write agg_df to a CSV and HTML file with no border
agg_df.____('./____')
agg_df.____('./____', border=0)

# Upload the generated CSV to the gid-reports bucket
s3.____(Filename='./feb_final_report.csv', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ACL': '____'})

# Upload the generated HTML to the gid-reports bucket
s3.upload_file(Filename='./feb_final_report.html', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ContentType': '____', 
                 '____': '____'})

Code bearbeiten und ausführen