Bygga funktioner för att extrahera data
Det är viktigt att modularisera kod när du bygger en datapipeline. Det gör pipelines mer lättlästa och återanvändbara, och kan hjälpa till att snabba upp felsökningsarbetet. Att skapa och använda funktioner för specifika operationer i en pipeline kan till och med underlätta när du påbörjar ett nytt projekt, genom att ge ett ramverk att utgå från i utvecklingen.
pandas har importerats som pd, och sqlalchemy är redo att användas.
Den här övningen är en del av kursen
ETL och ELT i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
def extract():
# Create a connection URI and connection engine
connection_uri = "postgresql+psycopg2://repl:password@localhost:____/____"
db_engine = sqlalchemy.____(connection_uri)