Een rommelige CSV parsen
Een externe ebook-leverancier exporteert digitale uitleningen in Seattle als een CSV met puntkomma's, met twee metadatarijen boven de echte header. Stel je scan zo in dat deze indeling goed wordt verwerkt, zodat het team een schone tabel kan bekijken.
polars is geladen als pl. Het pad naar het leveranciersbestand staat in MESSY_CSV_PATH.
Deze oefening maakt deel uit van de cursus
Data-pipelines schalen en optimaliseren met Polars
Oefeninstructies
- Sla de 2 metadatarijen boven de header over.
- Geef aan Polars door dat de kolommen gescheiden zijn door puntkomma's.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
result = pl.scan_csv(
MESSY_CSV_PATH,
# Skip the 2 metadata rows above the header
skip_rows=____,
# Columns are separated by semicolons
separator="____",
).head(5).collect()
print(result)