อัปโหลดรายงานสรุปสำหรับเดือนกุมภาพันธ์

ในแบบฝึกหัดก่อนหน้า Sam ได้ดาวน์โหลดไฟล์ข้อมูลดิบประจำเดือนจาก bucket มาแล้ว

จากนั้นนำมารวมเป็น DataFrame เดียวที่แสดงคำขอและประเภทคำขอทั้งหมดของเดือนนั้น

เธอเก็บ DataFrame นี้ไว้ในตัวแปร all_reqs และใช้ฟังก์ชัน groupby ของ pandas เพื่อนับจำนวนคำขอตามชื่อบริการ ได้ผลลัพธ์เป็น DataFrame ใหม่ชื่อ agg_df:

	service_name	count
0	72 Hour Violation	2910
1	Chain Link Fence Repair	90
2	Collections Truck Spill	30
3	Container Left Out	120
4	Dead Animal	360

เธอสร้าง S3 client ของ boto3 ไว้ในตัวแปร s3 เรียบร้อยแล้ว

ช่วย Sam เผยแพร่สถิติคำขอประจำเดือนนี้

เขียน agg_df ลงในไฟล์ CSV และ HTML แล้วอัปโหลดขึ้น S3 ในรูปแบบไฟล์สาธารณะ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับ AWS Boto

ดูคอร์ส

คำแนะนำการฝึกหัด

เขียน agg_df ในรูปแบบ CSV และ HTML โดยตั้งชื่อไฟล์ว่า 'feb_final_report.csv' และ 'feb_final_report.html' ตามลำดับ
อัปโหลดไฟล์ทั้งสองรูปแบบของ agg_df ไปยัง bucket gid-reports และตั้งค่าให้เป็นสาธารณะแบบอ่านอย่างเดียว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Write agg_df to a CSV and HTML file with no border
agg_df.____('./____')
agg_df.____('./____', border=0)

# Upload the generated CSV to the gid-reports bucket
s3.____(Filename='./feb_final_report.csv', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ACL': '____'})

# Upload the generated HTML to the gid-reports bucket
s3.upload_file(Filename='./feb_final_report.html', 
	Key='2019/feb/final_report.html', Bucket='gid-reports',
    ____ = {'ContentType': '____', 
                 '____': '____'})

แก้ไขและรันโค้ด