Verkoopgegevens laden naar een CSV-bestand

Data laden is een essentieel onderdeel van elke datapijplijn. Het zorgt ervoor dat alle datagebruikers en -processen betrouwbare toegang hebben tot data die je eerder in de pijplijn hebt geëxtraheerd en getransformeerd. In deze oefening ga je geoefende, getransformeerde verkoopgegevens laden naar een CSV-bestand met pandas, dat is geïmporteerd als pd. Daarnaast is de ruwe data al geëxtraheerd en beschikbaar in de DataFrame raw_sales_data.

Deze oefening maakt deel uit van de cursus

ETL en ELT in Python

Cursus bekijken

Oefeninstructies

Filter de DataFrame raw_sales_data zodat alleen items met een prijs lager dan 25 dollar overblijven.
Werk de functie load() bij om de getransformeerde verkoopgegevens te schrijven naar een bestand met de naam "transformed_sales_data.csv", en zorg dat de kolom index niet wordt opgenomen.
Roep de functie load() aan op de opgeschoonde DataFrame.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

def transform(raw_data):
	# Find the items prices less than 25 dollars
	return raw_data.loc[raw_data["Price Each"] ____ ____, ["Order ID", "Product", "Price Each", "Order Date"]]

def load(clean_data):
	# Write the data to a CSV file without the index column
	____.____("transformed_sales_data.csv", index=____)


clean_sales_data = transform(raw_sales_data)

# Call the load function on the cleaned DataFrame
____(____)

Code bewerken en uitvoeren