Prześlij zagregowane raporty za luty

W poprzednim ćwiczeniu Sam pobrała pliki z miesiąca z zasobnika z surowymi danymi.

Następnie połączyła je wszystkie w jeden DataFrame, który zawiera wszystkie zgłoszenia z danego miesiąca wraz z ich typami.

Zapisała ten DataFrame w zmiennej all_reqs i użyła funkcjonalności groupby biblioteki pandas, aby policzyć zgłoszenia według nazwy usługi – w wyniku czego powstał nowy DataFrame agg_df:

	service_name	count
0	72 Hour Violation	2910
1	Chain Link Fence Repair	90
2	Collections Truck Spill	30
3	Container Left Out	120
4	Dead Animal	360

Klient S3 dla boto3 został już utworzony i zapisany w zmiennej s3.

Pomóż jej opublikować statystyki zgłoszeń za ten miesiąc.

Zapisz agg_df do plików CSV i HTML, a następnie prześlij je do S3 jako pliki publiczne.

To ćwiczenie jest częścią kursu

Wprowadzenie do AWS Boto w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zapisz agg_df w formacie CSV i HTML, nadając im nazwy odpowiednio 'feb_final_report.csv' i 'feb_final_report.html'.
Prześlij obie wersje agg_df do zasobnika gid-reports i ustaw dla nich publiczny dostęp do odczytu.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Write agg_df to a CSV and HTML file with no border
agg_df.____('./____')
agg_df.____('./____', border=0)

# Upload the generated CSV to the gid-reports bucket
s3.____(Filename='./feb_final_report.csv', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ACL': '____'})

# Upload the generated HTML to the gid-reports bucket
s3.upload_file(Filename='./feb_final_report.html', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ContentType': '____', 
                 '____': '____'})

Edytuj i uruchom kod