Charger des données dans une base Postgres

Une fois les données extraites d'un système source et transformées pour correspondre aux besoins d'analytique ou de reporting, il est temps de les charger dans un support de stockage final. Stocker des données nettoyées dans une base de données SQL facilite l'accès et l'exécution de requêtes par les utilisateurs. Dans cet exemple, vous allez vous entraîner à charger des données nettoyées dans une base Postgres.

sqlalchemy a été importé, et pandas est disponible sous le nom pd. Les premières lignes du DataFrame cleaned_testing_scores sont affichées 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

Cet exercice fait partie du cours

<cours>ETL et ELT en Python</cours>

Voir le cours

Instructions de l’exercice

Mettez à jour la chaîne de connexion pour écrire dans la base 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 schools.
Si la table contient déjà des données, veillez à les remplacer par le contenu actuel du DataFrame.

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