Cargar datos en una base de datos Postgres

Una vez extraídos los datos de un sistema fuente y transformados para alinearlos con los casos de uso analítico o de elaboración de informes, llega el momento de cargar los datos en un medio de almacenamiento final. Almacenar los datos depurados en una base de datos SQL facilita a los consumidores de datos el acceso a ellos y la ejecución de consultas. En este ejemplo, practicarás la carga de datos depurados en una base de datos Postgres.

sqlalchemy y pandas está disponible como pd. A continuación se muestran las primeras filas del DataFrame cleaned_testing_scores:

             street_address       city  math_score  ... best_score
01M539  111 Columbia Street  Manhattan       657.0      Math
02M545     350 Grand Street  Manhattan       613.0      Math
01M292     220 Henry Street  Manhattan       410.0      Math

Este ejercicio forma parte del curso

ETL y ELT en Python

Ver curso

Instrucciones del ejercicio

Actualiza la cadena de conexión para escribir en la base de datos schools y crea un objeto de conexión utilizando sqlalchemy.
Utiliza pandas para escribir el DataFrame de cleaned_testing_scores en la tabla scores de la base de datos schools.
Si la tabla ya tiene datos, asegúrate de sustituir los valores por el DataFrame actual.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Update the connection string, create the connection object to the schools database
db_engine = sqlalchemy.____("postgresql+psycopg2://repl:password@localhost:5432/____")

# Write the DataFrame to the scores table
cleaned_testing_scores.____(
	name="____",
	con=db_engine,
	index=False,
	if_exists="____"
)

Editar y ejecutar código