Перетворення нетабличних даних

ETL та ELT у Python

Jake Roach

Data Engineer

Перетворення нетабличних даних

Конвеєр ETL з підсвіченим етапом transform.

Зберігання даних у словниках

Вкладений JSON

{
    "863703000": {
        "price": {
            "open": 0.12187,
            "close": 0.09791
        },
        "volume": 1443120000
    }, 
    "863789400": {
    }, ...
}

Мета:

Перетворити словник у формат, готовий до DataFrame

[
    [863703000, 0.12187, 0.09791, 1443120000],
    [863789400, 0.09843, ...]
]

Ітерація компонентами словника

# Loop over keys
for key in raw_data.keys():
    ...

# Loop over values
for value in raw_data.values():
    ...

# Loop over keys and values
for key, value in raw_data.items():
    ...

.keys()

Створює список ключів, збережених у словнику

.values()

Створює список значень, збережених у словнику

.items()

Повертає список кортежів із парами ключ-значення

Розбір даних зі словників

entry = {
    "volume": 1443120000,
    "price": {
        "open": 0.12187,
        "close": 0.09791,
    }
}

# Розбір даних зі словника за допомогою .get()
volume = entry.get("volume")

ticker = entry.get("ticker", "DCMP")

# Викличте .get() двічі, щоб отримати вкладене значення "open"
open_price = entry.get("price").get("open", 0)

Створення датафрейму зі списку списків

Передайте список списків у pd.DataFrame()

# Pass a list of lists to pd.DataFrame
raw_data = pd.DataFrame(flattened_rows)

Задайте заголовки стовпців через .columns

# Create columns
raw_data.columns = ["timestamps", "open", "close", "volume"]

Встановіть індекс за допомогою .set_index()

# Set the index column to be "timestamps"
raw_data.set_index("timestamps")

Перетворення біржових даних

parsed_stock_data = []

# Loop through each key-value pair of the raw_stock_data dictionary
for timestamp, ticker_info in raw_stock_data.items():
    parsed_stock_data.append([
        timestamp,
        ticker_info.get("price", {}).get("open", 0),  # Parse the opening price
        ticker_info.get("price", {}).get("close", 0),  # Parse the closing price
        ticker_info.get("volume", 0)  # Parse the volume
    ])

# Create a DataFrame, assign column names, and set an index
transformed_stock_data = pd.DataFrame(parsed_stock_data)
transformed_stock_data.columns = ["timestamps", "open", "close", "volume"]
transformed_stock_data = transformed_stock_data.set_index("timestamps")

Давайте потренуємось!

ETL та ELT у Python