Meringkas data Parquet

Laporan pertama berbasis Parquet adalah ringkasan checkout digital yang tim bangun di Bab 1, tetapi sekarang dimulai dari kueri scan_parquet. Bangun pipeline lazy yang sama agar tim dapat menggunakan kembali pola ini di seluruh arsip mereka.

LazyFrame requests sudah dibuatkan untuk Anda dari berkas Parquet.

Latihan ini merupakan bagian dari kursus

Menskalakan dan Mengoptimalkan Pipeline Data dengan Polars

Lihat Kursus

Instruksi latihan

Saring requests ke baris yang nilai use-nya "Digital".
Kelompokkan baris yang telah difilter berdasarkan format.
Picu eksekusi di bagian paling akhir pipeline.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

result = (
    requests
    # Filter to digital
    .filter(pl.col("use") == "____")
    # Group by format
    .group_by("____")
    .agg(pl.col("checkouts").sum().alias("total"))
    .sort("total", descending=True)
    # Trigger execution at the end
    .____()
)
print(result)

Edit dan Jalankan Kode