Utrwalanie danych z pandas

ETL i ELT w Pythonie

Jake Roach

Data Engineer

Utrwalanie danych w potoku ETL

Ładowanie danych do pliku:

Zapewnia stabilny dostęp do przekształconych danych
Wykonywane jako ostatni krok procesu ETL, a także między jego etapami
Zapisuje „migawkę" danych

Ładowanie danych do plików CSV z pandas

Metoda .to_csv()

import pandas as pd

# Data extraction and transformation
raw_data = pd.read_csv("raw_stock_data.csv")
stock_data = raw_data.loc[raw_data["open"] > 100, ["timestamps", "open"]]

# Load data to a .csv file
stock_data.to_csv("stock_data.csv")

.to_csv wywoływane na DataFrame
Zapisuje DataFrame do ścieżki "stock_data.csv"

Dostosowywanie wyjścia pliku CSV

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

Przyjmuje wartości True, False lub listę ciągów znaków

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

Przyjmuje wartości True lub False
Określa, czy kolumna index jest zapisywana do pliku

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

Przyjmuje ciąg znaków używany jako separator kolumn w pliku
Znak | jest często stosowany

Ma odpowiedniki:

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

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

Weryfikacja utrwalania danych

Czy DataFrame został poprawnie zapisany do pliku CSV?

import pandas
import os  # Import the os module

# Extract, transform and load data
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")

# Check that the path exists
file_exists = os.path.exists("stock_data.csv")
print(file_exists)

True

Czas na ćwiczenia!

ETL i ELT w Pythonie