Defining the schema

Let's start by defining the expected schema for data validation. This is a critical step in ensuring data quality throughout the ETL pipeline.

You'll use the pointblank library to define the schema structure.

The dataset has already been loaded for you as ts.

Это упражнение является частью курса

Designing Forecasting Pipelines for Production

Посмотреть курс

Инструкции к упражнению

Start by importing pointblank.
Define the schema using the right method.
Set the respondent column to object type and value column to float64 type.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the required library
import ____ as ____

# Define the schema and set columns
table_schema =  pb.____(
    columns=[
        ("period", "datetime64[ns]"),   
        ("respondent", "____"),
        ("respondent-name", "object"),
        ("type", "object"),
        ("type-name", "object"),
        ("value", "____"),
        ("value-units", "object")])

print(table_schema)

Редактировать и запускать код