Charger les données de ventes dans un fichier CSV

Le chargement des données est un élément essentiel de toute pipeline de données. Il garantit que les consommateurs et processus de données ont un accès fiable aux données que vous avez extraites puis transformées plus tôt dans la pipeline. Dans cet exercice, vous allez vous entraîner à charger des données de ventes transformées dans un fichier CSV avec pandas, importé sous le nom pd. En complément, les données brutes ont été extraites et sont disponibles dans le DataFrame raw_sales_data.

Cet exercice fait partie du cours

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

Voir le cours

Instructions de l’exercice

Filtrez le DataFrame raw_sales_data pour ne conserver que les articles dont le prix est inférieur à 25 dollars.
Mettez à jour la fonction load() pour écrire les données de ventes transformées dans un fichier nommé "transformed_sales_data.csv", en veillant à ne pas inclure la colonne index.
Appelez la fonction load() sur le DataFrame nettoyé.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

def transform(raw_data):
	# Find the items prices less than 25 dollars
	return raw_data.loc[raw_data["Price Each"] ____ ____, ["Order ID", "Product", "Price Each", "Order Date"]]

def load(clean_data):
	# Write the data to a CSV file without the index column
	____.____("transformed_sales_data.csv", index=____)


clean_sales_data = transform(raw_sales_data)

# Call the load function on the cleaned DataFrame
____(____)

Modifier et exécuter le code