Načítání dat do SQL databáze pomocí pandas

ETL a ELT v Pythonu

Jake Roach

Data Engineer

Načtení dat do SQL databáze pomocí pandas

ETL pipeline se zvýrazněnou komponentou načítání.

Načítání dat do SQL databáze pomocí pandas

Uživatelé dat přistupující k SQL databázi.

pandas poskytuje .to_sql() pro uložení dat do SQL

name
con
if_exists
index
index_label

Uložení dat do Postgresu pomocí pandas

# Create a connection object
connection_uri = "postgresql+psycopg2://repl:password@localhost:5432/market"
db_engine = sqlalchemy.create_engine(connection_uri)

# Use the .to_sql() method to persist data to SQL
clean_stock_data.to_sql(
    name="filtered_stock_data",
    con=db_engine, 
    if_exists="append",
    index=True,
    index_label="timestamps"
)

Ověření uložení dat pomocí pandas

Je důležité ověřit, že data byla uložena podle očekávání.

Ověřte, že data lze dotazovat
Zkontrolujte shodu počtů
Ověřte přítomnost každého záznamu

# Pull data written to SQL table
to_validate = pd.read_sql("SELECT * FROM cleaned_stock_data", db_engine)

# Validate counts, record equality, etc
...

Pojďme procvičovat!

ETL a ELT v Pythonu