Sube los informes agregados de febrero
En el último ejercicio, Sam descargó los archivos del mes desde el bucket de datos en bruto.
Después, los combinó todos en un único DataFrame que muestra todas las solicitudes del mes y su tipo.
Guardó este DataFrame en la variable all_reqs y usó la funcionalidad groupby de pandas para contar solicitudes por nombre de servicio, generando un nuevo DataFrame agg_df:
| 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 |
Ya ha creado el cliente de S3 de boto3 en la variable s3.
Ayúdala a publicar las estadísticas de solicitudes de este mes.
Escribe agg_df a archivos CSV y HTML, y súbelos a S3 como archivos públicos.
Este ejercicio forma parte del curso
Introducción a AWS Boto en Python
Instrucciones del ejercicio
- Escribe las versiones en CSV y HTML de
agg_dfy llámalas'feb_final_report.csv'y'feb_final_report.html', respectivamente. - Sube ambas versiones de
agg_dfal bucketgid-reportsy configúralas como lectura pública.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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': '____',
'____': '____'})