Ładowanie danych do bazy Postgres

Gdy dane zostaną wyekstrahowane z systemu źródłowego i przekształcone na potrzeby analityki lub raportowania, nadchodzi czas na załadowanie ich do docelowego miejsca przechowywania. Zapisanie oczyszczonych danych w bazie SQL ułatwia użytkownikom dostęp do nich i wykonywanie zapytań. W tym ćwiczeniu przećwiczysz ładowanie oczyszczonych danych do bazy Postgres.

Biblioteka sqlalchemy została już zaimportowana, a pandas jest dostępny jako pd. Kilka pierwszych wierszy DataFrame cleaned_testing_scores przedstawia się następująco:

             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

To ćwiczenie jest częścią kursu

ETL i ELT w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaktualizuj ciąg połączenia, aby wskazywał na bazę danych schools, a następnie utwórz obiekt połączenia przy użyciu sqlalchemy.
Użyj biblioteki pandas, aby zapisać DataFrame cleaned_testing_scores do tabeli scores w bazie danych schools.
Jeśli tabela zawiera już dane, zadbaj o to, aby zostały zastąpione wartościami z bieżącego DataFrame.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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="____"
)

Edytuj i uruchom kod