2月の集計レポートをアップロードする

前の演習で、Sam はその月のファイルを raw データのバケットからダウンロードしました。

その後、月内のすべてのリクエストとリクエストの種類をまとめて 1 つの DataFrame に結合しました。

この DataFrame は変数 all_reqs に保存され、pandas の groupby 機能を使ってサービス名ごとにリクエスト数を集計し、新しい DataFrame agg_df を作成しました:

	service_name	count
0	72 Hour Violation	2910
1	Chain Link Fence Repair	90
2	Collections Truck Spill	30
3	Container Left Out	120
4	Dead Animal	360

すでに boto3 の S3 クライアントが変数 s3 に作成されています。

今月のリクエスト統計を公開できるように手伝ってください。

agg_df を CSV と HTML ファイルに書き出し、S3 に公開ファイルとしてアップロードします。

この演習はコースの一部です

Python で始める AWS Boto 入門

コースを見る

演習の手順

agg_df の CSV 版と HTML 版を書き出し、ファイル名はそれぞれ 'feb_final_report.csv' と 'feb_final_report.html' にしてください。
agg_df の両方のファイルを gid-reports バケットにアップロードし、public read に設定してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Write agg_df to a CSV and HTML file with no border
agg_df.____('./____')
agg_df.____('./____', border=0)

# Upload the generated CSV to the gid-reports bucket
s3.____(Filename='./feb_final_report.csv', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ACL': '____'})

# Upload the generated HTML to the gid-reports bucket
s3.upload_file(Filename='./feb_final_report.html', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ContentType': '____', 
                 '____': '____'})

コードを編集して実行