Gérer les exceptions lors du chargement des données
Parfois, vos pipelines de données peuvent lever une exception. Ces exceptions servent d'alerte : elles informent un·e ingénieur·e data qu'un événement inattendu s'est produit. Il est important de bien les gérer. Dans cet exercice, vous allez vous entraîner à le faire !
Pour vous aider à démarrer, pandas a été importé sous l'alias pd, ainsi que le module logging. Le niveau de journalisation par défaut a été défini sur "debug".
Cet exercice fait partie du cours
<cours>ETL et ELT en Python</cours>Instructions de l’exercice
- Mettez à jour le pipeline pour inclure un bloc
tryet tentez de lire les données depuis le chemin"sales_data.parquet". - Interceptez un
FileNotFoundErrorsi le fichier ne peut pas être lu dans un DataFramepandas. - Créez un journal au niveau erreur pour documenter l'échec.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
def extract(file_path):
return pd.read_parquet(file_path)
# Update the pipeline to include a try block
____:
# Attempt to read in the file
raw_sales_data = extract("____")
# Catch the FileNotFoundError
except ____ as file_not_found:
# Write an error-level log
logging.____(file_not_found)