Tworzenie funkcji do wyodrębniania danych
Podczas budowania pipeline'u danych ważne jest, aby modularyzować kod. Dzięki temu pipeline staje się bardziej czytelny i łatwiejszy do ponownego wykorzystania, a także szybciej można rozwiązywać ewentualne problemy. Tworzenie i wykorzystywanie funkcji do poszczególnych operacji w pipeline może się też przydać przy rozpoczynaniu nowego projektu — stanowi gotowy szkielet, od którego można zacząć pracę.
pandas zostało zaimportowane jako pd, a sqlalchemy jest gotowe do użycia.
To ćwiczenie jest częścią kursu
ETL i ELT w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
def extract():
# Create a connection URI and connection engine
connection_uri = "postgresql+psycopg2://repl:password@localhost:____/____"
db_engine = sqlalchemy.____(connection_uri)