Functies bouwen om data te extraheren
Het is belangrijk om code te modulariseren wanneer je een datapijplijn bouwt. Dat maakt pijplijnen leesbaarder en herbruikbaarder en kan het oplossen van problemen versnellen. Functies maken en gebruiken voor afzonderlijke stappen in een pijplijn kan zelfs helpen bij de start van een nieuw project, omdat het een raamwerk biedt om mee te beginnen.
pandas is geïmporteerd als pd, en sqlalchemy is klaar voor gebruik.
Deze oefening maakt deel uit van de cursus
ETL en ELT in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
def extract():
# Create a connection URI and connection engine
connection_uri = "postgresql+psycopg2://repl:password@localhost:____/____"
db_engine = sqlalchemy.____(connection_uri)