Charger des données dans une base de données Postgres

Après avoir extrait des données d'un système source et les avoir transformées pour les adapter aux cas d'utilisation d'analyse ou de production de rapports, vient le moment de les charger vers un support d'entreposage final. Stocker des données nettoyées dans une base de données SQL facilite l'accès pour les consommateurs de données et l'exécution de requêtes. Dans cet exemple, vous pratiquerez le chargement de données nettoyées dans une base de données Postgres.

sqlalchemy a été importé et pandas est disponible sous le nom pd. Les premières lignes du DataFrame cleaned_testing_scores sont présentées ci‑dessous :

             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

Cette activité fait partie du cours

ETL et ELT en Python

Voir le cours

Instructions de l’exercice

Mettez à jour la chaîne de connexion pour écrire dans la base de données schools et créez un objet de connexion avec sqlalchemy.
Utilisez pandas pour écrire le DataFrame cleaned_testing_scores dans la table scores de la base de données schools.
Si la table contient déjà des données, assurez‑vous de remplacer les valeurs par celles du DataFrame actuel.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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="____"
)

Modifier et exécuter le code