Conserver les données dans des fichiers
Le chargement des données vers une destination finale est l'une des étapes les plus importantes d'un pipeline de données. Dans cet exercice, vous utiliserez la fonction transform() ci‑dessous pour transformer les données de ventes de produits avant de les charger dans un fichier .csv. Cela offrira aux consommateurs de données en aval une meilleure vue des ventes totales pour une gamme de produits.
Pour cet exercice, les données de ventes ont été chargées et transformées, et sont stockées dans le DataFrame clean_sales_data. Le module pandas a été importé sous le nom pd, et la bibliothèque os est aussi prête à être utilisée!
Cette activité fait partie du cours
ETL et ELT en Python
Instructions de l’exercice
- Mettez à jour la fonction
load()pour écrire les données au chemin fourni, sans en-têtes ni colonne d'index. - Vérifiez que le fichier a été chargé à l'emplacement de fichier souhaité.
- Appelez la fonction pour charger les données transformées dans l'espace de stockage persistant.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
def load(clean_data, file_path):
# Write the data to a file
clean_data.to_csv(file_path, ____, ____)
# Check to make sure the file exists
file_exists = os.____.____(____)
if not file_exists:
raise Exception(f"File does NOT exists at path {file_path}")
# Load the transformed data to the provided file path
____(clean_sales_data, "transformed_sales_data.csv")