Validación de una canalización de datos en "puntos de control"
En este ejercicio, vas a trabajar con una canalización de datos que extrae datos fiscales de un archivo CSV, crea una columna nueva, filtra filas según la renta imponible media y guarda los datos en un archivo parquet.
pandas se ha cargado como pd, y las funciones extract(), transform() y load() ya están definidas. Usarás estas funciones para validar la canalización de datos en varios puntos de control a lo largo de su ejecución.
Este ejercicio forma parte del curso
ETL y ELT en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Extract and transform tax_data
raw_tax_data = extract("raw_tax_data.csv")
clean_tax_data = transform(raw_tax_data)
# Check the shape of the raw_tax_data DataFrame, compare to the clean_tax_data DataFrame
print(f"Shape of raw_tax_data: {raw_tax_data.____}")
print(f"Shape of clean_tax_data: {____}")