Monitorizare și alertare într-un pipeline de date
A venit momentul să pui totul cap la cap! Probabil ai intuit deja că gestionarea erorilor cu try-except și logging-ul merg mână în mână. Aceste două practici sunt esențiale pentru ca un pipeline să fie rezistent și transparent, și reprezintă fundamentul unor soluții mai avansate de monitorizare și alertare.
pandas a fost importat ca pd, iar modulul logging a fost încărcat și configurat pentru tine. DataFrame-ul raw_sales_data a fost extras și este gata să fie transformat.
Acest exercițiu face parte din cursul
ETL și ELT în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
def transform(raw_data):
return raw_data.loc[raw_data["Total Price"] > 1000, :]
try:
# Attempt to transform DataFrame, log an info-level message
clean_sales_data = transform(raw_sales_data)
logging.____("Successfully filtered DataFrame by 'Total Price'")
except Exception:
# Log a warning-level message
____.____("Cannot filter DataFrame by 'Total Price'")