Créer des fonctions pour extraire des données
Il est important de modulariser le code lors de la création d'un pipeline de données. Cela rend les pipelines plus lisibles et réutilisables, et peut accélérer le dépannage. Créer et utiliser des fonctions pour des opérations distinctes dans un pipeline peut même aider à démarrer un nouveau projet en fournissant un cadre pour débuter le développement.
pandas a été importé sous l'alias pd, et sqlalchemy est prêt à être utilisé.
Cet exercice fait partie du cours
<cours>ETL et ELT en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
def extract():
# Create a connection URI and connection engine
connection_uri = "postgresql+psycopg2://repl:password@localhost:____/____"
db_engine = sqlalchemy.____(connection_uri)