Persistindo dados com pandas

ETL e ELT em Python

Jake Roach

Data Engineer

Persistência de dados em um pipeline ETL

Carregar dados para um arquivo:

Garante acesso estável aos dados transformados
Ocorre no final do ETL e também entre etapas
Captura um “snapshot” dos dados

Carregando dados em CSV com pandas

Método .to_csv()

import pandas as pd

# Extração e transformação
raw_data = pd.read_csv("raw_stock_data.csv")
stock_data = raw_data.loc[raw_data["open"] > 100, ["timestamps", "open"]]

# Carregar para um arquivo .csv
stock_data.to_csv("stock_data.csv")

.to_csv chamado no DataFrame
Escreve o DataFrame no caminho "stock_data.csv"

Personalizando a saída do CSV

stock_data.to_csv("./stock_data.csv", header=True)

Aceita True, False ou lista de strings

stock_data.to_csv("./stock_data.csv", index=True)

Aceita True ou False
Define se a coluna index será escrita no arquivo

stock_data.to_csv("./stock_data.csv", sep="|")

Aceita a string usada para separar colunas no arquivo
O caractere | é comum

Tem equivalentes:

.to_parquet()
.to_json()
.to_sql()

¹ https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_csv.html

Garantindo a persistência dos dados

O DataFrame foi salvo corretamente no arquivo CSV?

import pandas
import os  # Importa o módulo os

# Extrair, transformar e carregar dados
raw_data = pd.read_csv("raw_stock_data.csv")
stock_data = raw_data.loc[raw_data["open"] > 100, ["timestamps", "open"]]
stock_data.to_csv("stock_data.csv")

# Verificar se o caminho existe
file_exists = os.path.exists("stock_data.csv")
print(file_exists)

True

Vamos praticar!

ETL e ELT em Python