Ladda försäljningsdata till en CSV-fil

Att ladda data är en viktig del av alla datapipelines. Det säkerställer att dataanvändare och processer har tillförlitlig åtkomst till den data du har extraherat och transformerat tidigare i en pipeline. I den här övningen övar du på att ladda transformerad försäljningsdata till en CSV-fil med pandas, som har importerats som pd. Dessutom har rådatan extraherats och finns tillgänglig i DataFrame raw_sales_data.

Den här övningen är en del av kursen

ETL och ELT i Python

Visa kurs

Övningsinstruktioner

Filtrera DataFrame raw_sales_data så att endast objekt med ett pris under 25 dollar behålls.
Uppdatera funktionen load() så att den skriver den transformerade försäljningsdatan till en fil med namnet "transformed_sales_data.csv", och se till att kolumnen index inte inkluderas.
Anropa funktionen load() på den rensade DataFrame.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

def transform(raw_data):
	# Find the items prices less than 25 dollars
	return raw_data.loc[raw_data["Price Each"] ____ ____, ["Order ID", "Product", "Price Each", "Order Date"]]

def load(clean_data):
	# Write the data to a CSV file without the index column
	____.____("transformed_sales_data.csv", index=____)


clean_sales_data = transform(raw_sales_data)

# Call the load function on the cleaned DataFrame
____(____)

Redigera och kör kod