Monitoraggio e avvisi all'interno di una pipeline di dati
È il momento di mettere insieme tutto! Probabilmente l'hai intuito: la gestione degli errori con try-except e il logging vanno a braccetto. Queste due pratiche sono essenziali per rendere una pipeline resiliente e trasparente, e sono i mattoni su cui costruire soluzioni di monitoraggio e avviso più avanzate.
pandas è stato importato come pd, e il modulo logging è stato caricato e configurato per te. Il DataFrame raw_sales_data è stato estratto ed è pronto per essere trasformato.
Questo esercizio fa parte del corso
ETL and ELT in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
def transform(raw_data):
return raw_data.loc[raw_data["Total Price"] > 1000, :]
try:
# Attempt to transform DataFrame, log an info-level message
clean_sales_data = transform(raw_sales_data)
logging.____("Successfully filtered DataFrame by 'Total Price'")
except Exception:
# Log a warning-level message
____.____("Cannot filter DataFrame by 'Total Price'")