Resumindo dados Parquet
O primeiro relatório baseado em Parquet é o resumo de checkout digital que a equipe criou no Capítulo 1, mas agora começando a partir de uma consulta scan_parquet. Construa o mesmo pipeline lazy para que a equipe possa reutilizar esse padrão em todo o arquivo de histórico.
O LazyFrame requests já foi criado para você a partir do arquivo Parquet.
Este exercicio faz parte do curso
Dimensionamento e Otimização de Pipelines de Dados com Polars
Instruções do exercicio
- Filtre
requestspara as linhas em queuseseja"Digital". - Agrupe as linhas filtradas por
format. - Dispare a execução somente no final do pipeline.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
result = (
requests
# Filter to digital
.filter(pl.col("use") == "____")
# Group by format
.group_by("____")
.agg(pl.col("checkouts").sum().alias("total"))
.sort("total", descending=True)
# Trigger execution at the end
.____()
)
print(result)