Supervisión y alerta dentro de un canal de datos
¡Es hora de ponerlo todo junto! Puede que lo hayas adivinado, pero la gestión de errores mediante try-except y el registro van de la mano. Estas dos prácticas son esenciales para que una canalización sea resistente y transparente, y son los cimientos de soluciones de supervisión y alerta más avanzadas.
pandas se ha importado como pd, y el módulo logging se ha cargado y configurado para ti. Se ha extraído el DataFrame raw_sales_data y está listo para ser transformado.
Este ejercicio forma parte del curso
ETL y ELT en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
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'")