Persister des données dans des fichiers
Charger les données dans leur destination finale est l'une des étapes les plus importantes d'un pipeline de données. Dans cet exercice, vous allez utiliser la fonction transform() ci-dessous pour transformer des données de ventes de produits avant de les enregistrer dans un fichier .csv. Cela offrira aux utilisateurs en aval une meilleure vue du total des ventes sur un ensemble de produits.
Pour cet exercice, les données de ventes ont été chargées et transformées, et sont stockées dans le DataFrame clean_sales_data. Le paquet pandas a été importé sous le nom pd, et la bibliothèque os est également prête à l'emploi !
Cet exercice fait partie du cours
<cours>ETL et ELT en Python</cours>Instructions de l’exercice
- Mettez à jour la fonction
load()pour écrire les données vers le chemin fourni, sans en-têtes ni colonne d'index. - Vérifiez que le fichier a bien été enregistré au chemin souhaité.
- Appelez la fonction pour charger les données transformées dans le 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")