1. Learn
    2. /
  2. Courses
    3. /
  3. ETL e ELT em Python
  • 1

    Introdução aos pipelines de dados

    Free

    Prepare-se para descobrir como os dados são coletados, processados e movidos usando pipelines de dados. Você explorará as qualidades dos melhores pipelines de dados e se preparará para projetar e criar o seu próprio pipeline.

  • 2

    Criando ETL Pipelines

    Mergulhe no uso do pandas para extrair, transformar e carregar dados enquanto você cria seus primeiros pipelines de dados. Saiba como tornar a lógica do ETL reutilizável e aplicar o registro e o tratamento de exceções aos pipelines.

  • 3

    Técnicas avançadas do site ETL

    Incremente seu fluxo de trabalho com técnicas avançadas de pipelining de dados, como o trabalho com dados não tabulares e a persistência de DataFrames em bancos de dados SQL. Descubra ferramentas para lidar com transformações avançadas com pandas e descubra as práticas recomendadas para trabalhar com dados complexos.

  • 4

    Implementação e manutenção de um pipeline de dados

    Neste capítulo final, você criará estruturas para validar e testar pipelines de dados antes de enviá-los para a produção. Depois de testar o pipeline, você explorará técnicas para executar o pipeline de dados de ponta a ponta, permitindo a visibilidade do desempenho do pipeline.

Initializing

Exercise

Transformando dados de vendas com pandas

Antes que os insights possam ser extraídos de um conjunto de dados, os tipos de coluna podem precisar ser alterados para aproveitar adequadamente os dados. Isso é especialmente comum com tipos de dados temporais, que podem ser armazenados de várias maneiras diferentes.

Para este exemplo, pandas foi importado como pd e está pronto para você usar.

Instructions

100 XP
  • Atualize a função transform() para converter os dados da coluna "Order Date" para o tipo datetime.
  • Filtre o DataFrame para que contenha apenas linhas com "Price Each" menos de dez dólares.
  • Imprima os tipos de dados de cada coluna no DataFrame.