Definire lo schema

Iniziamo definendo lo schema atteso per la validazione dei dati. Questo è un passaggio fondamentale per garantire la qualità dei dati lungo tutta la pipeline ETL.

Userai la libreria pointblank per definire la struttura dello schema.

Il dataset è già stato caricato per te come ts.

Questo esercizio fa parte del corso

Progettare pipeline di forecasting per la produzione

Visualizza il corso

Istruzioni dell'esercizio

Inizia importando pointblank.
Definisci lo schema usando il metodo corretto.
Imposta la colonna respondent al tipo object e la colonna value al tipo float64.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Import the required library
import ____ as ____

# Define the schema and set columns
table_schema =  pb.____(
    columns=[
        ("period", "datetime64[ns]"),   
        ("respondent", "____"),
        ("respondent-name", "object"),
        ("type", "object"),
        ("type-name", "object"),
        ("value", "____"),
        ("value-units", "object")])

print(table_schema)

Modifica ed esegui il codice