ComenzarEmpieza gratis

Cargar en Postgres

En este ejercicio, escribirás algunos datos en un almacén de datos PostgreSQL. Eso puede ser útil cuando tienes un resultado de algunas transformaciones, y quieres utilizarlo en una aplicación.

Por ejemplo, el resultado de una transformación podría haber añadido una columna con recomendaciones de películas, y quieres utilizarlas en tu tienda en línea.

Hay un DataFrame de pandas llamado film_pdf en tu espacio de trabajo.

A modo de recordatorio, ésta es la estructura de una conexión URI para sqlalchemy:

postgresql://[user[:password]@][host][:port][/database]

Este ejercicio forma parte del curso

Introducción a la ingeniería de datos

Ver curso

Instrucciones del ejercicio

  • Completa la conexión URI para crear el motor de base de datos. El usuario y la contraseña son repl y password respectivamente. El host es localhost, y el puerto es 5432. Esta vez, la base de datos es dwh.
  • Finaliza la llamada para que utilicemos el esquema "store" en la base de datos. Si la tabla existe, sustitúyela por completo.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Finish the connection URI
connection_uri = "____://____:____@____:____/____"
db_engine_dwh = sqlalchemy.create_engine(connection_uri)

# Transformation step, join with recommendations data
film_pdf_joined = film_pdf.join(recommendations)

# Finish the .to_sql() call to write to store.film
film_pdf_joined.to_sql("film", ____, schema="____", if_exists="____")

# Run the query to fetch the data
pd.read_sql("SELECT film_id, recommended_film_ids FROM store.film", db_engine_dwh)
Editar y ejecutar código