Köra en ETL-pipeline

Redo att köra din första ETL-pipeline? Då sätter vi igång!

Här har funktionerna extract(), transform() och load() redan definierats åt dig. För att köra denna ETL-pipeline ska du anropa var och en av dessa funktioner. Om du är nyfiken kan du ta en titt på hur funktionen extract() är uppbyggd.

def extract(file_name):
    print(f"Extracting data from {file_name}")
    return pd.read_csv(file_name)

Den här övningen är en del av kursen

ETL och ELT i Python

Visa kurs

Övningsinstruktioner

Använd funktionen extract() för att hämta data från filen raw_data.csv.
Transformera DataFrame:n extracted_data med hjälp av funktionen transform().
Ladda slutligen DataFrame:n transformed_data till SQL-tabellen cleaned_data.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Extract data from the raw_data.csv file
extracted_data = ____(file_name="raw_data.csv")

# Transform the extracted_data
transformed_data = transform(data_frame=____)

# Load the transformed_data to cleaned_data.csv
____(data_frame=transformed_data, target_table="cleaned_data")

Redigera och kör kod