Ładowanie danych do Postgres
W tym ćwiczeniu zapiszesz dane do hurtowni danych PostgreSQL. Może to być przydatne, gdy masz wynik jakichś przekształceń i chcesz go wykorzystać w aplikacji.
Na przykład wynik przekształcenia mógł dodać kolumnę z rekomendacjami filmów, które chcesz wyświetlać w swoim sklepie internetowym.
W twoim obszarze roboczym dostępna jest ramka danych pandas o nazwie film_pdf.
Dla przypomnienia – oto struktura URI połączenia dla sqlalchemy:
postgresql://[user[:password]@][host][:port][/database]
To ćwiczenie jest częścią kursu
Wprowadzenie do inżynierii danych
Instrukcje do ćwiczenia
- Uzupełnij URI połączenia, aby utworzyć silnik bazy danych. Nazwa użytkownika to
repl, a hasło topassword. Host tolocalhost, a port to5432. Tym razem baza danych todwh. - Dokończ wywołanie tak, aby użyć schematu
"store"w bazie danych. Jeśli tabela już istnieje, zastąp ją w całości.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Finish the connection URI
connection_uri = "____://____:____@____:____/____"
db_engine_dwh = sqlalchemy.create_engine(connection_uri)
# Transformation step, join with recommendations data
film_pdf_joined = film_pdf.join(recommendations)
# Finish the .to_sql() call to write to store.film
film_pdf_joined.to_sql("film", ____, schema="____", if_exists="____")
# Run the query to fetch the data
pd.read_sql("SELECT film_id, recommended_film_ids FROM store.film", db_engine_dwh)