Data laden naar een Postgres-database

Als data uit een bronsysteem is gehaald en getransformeerd zodat het past bij analytics- of rapportagecases, is het tijd om de data in een definitieve opslaglocatie te laden. Schoongemaakte data opslaan in een SQL-database maakt het voor afnemers eenvoudig om erbij te kunnen en er queries op te draaien. In dit voorbeeld ga je geoefende, schoongemaakte data laden in een Postgres-database.

sqlalchemy is geïmporteerd en pandas is beschikbaar als pd. De eerste paar rijen van de DataFrame cleaned_testing_scores staan hieronder:

             street_address       city  math_score  ... best_score
01M539  111 Columbia Street  Manhattan       657.0      Math
02M545     350 Grand Street  Manhattan       613.0      Math
01M292     220 Henry Street  Manhattan       410.0      Math

Deze oefening maakt deel uit van de cursus

ETL en ELT in Python

Bekijk cursus

Oefeninstructies

Werk de connectiestring bij zodat je naar de database schools schrijft en maak een connectieobject met sqlalchemy.
Gebruik pandas om de DataFrame cleaned_testing_scores weg te schrijven naar de tabel scores in de database schools.
Als de tabel al gevuld is met data, zorg er dan voor dat je de waarden vervangt met de huidige DataFrame.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Update the connection string, create the connection object to the schools database
db_engine = sqlalchemy.____("postgresql+psycopg2://repl:password@localhost:5432/____")

# Write the DataFrame to the scores table
cleaned_testing_scores.____(
	name="____",
	con=db_engine,
	index=False,
	if_exists="____"
)

Code bewerken en uitvoeren