Ładowanie danych sprzedażowych do pliku CSV
Ładowanie danych to niezbędny element każdego potoku danych. Gwarantuje, że wszystkie procesy i odbiorcy danych mają niezawodny dostęp do danych wyodrębnionych i przekształconych we wcześniejszych etapach potoku. W tym ćwiczeniu przećwiczysz ładowanie przekształconych danych sprzedażowych do pliku CSV za pomocą biblioteki pandas, zaimportowanej jako pd. Surowe dane zostały już wyodrębnione i są dostępne w DataFrame raw_sales_data.
To ćwiczenie jest częścią kursu
ETL i ELT w Pythonie
Instrukcje do ćwiczenia
- Przefiltruj DataFrame
raw_sales_data, zachowując tylko te pozycje, których cena jest niższa niż 25 dolarów. - Zaktualizuj funkcję
load(), aby zapisywała przekształcone dane sprzedażowe do pliku o nazwie"transformed_sales_data.csv"– bez kolumnyindex. - Wywołaj funkcję
load()na oczyszczonym DataFrame.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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
____(____)