Витяг

Вступ до Data Engineering

Vincent Vankrunkelsven

Data Engineer, DataCamp

Витяг даних: що це означає?

Схема простої фази витягу

Вступ до Data Engineering

Витяг із текстових файлів

Неструктуровані

  • Звичайний текст
  • Напр., розділ книги

 

Call me Ishmael. Some years ago, never 
mind how long precisely, having little or
no money in my purse, and nothing particular
to interest me on shore, I thought ....

Плоскі файли

  • Рядок = запис
  • Стовпець = атрибут
  • Напр., .tsv або .csv

 

Year,Make,Model,Price
1997,Ford,E350,3000.00
1999,Chevy,"Venture Extended Edition",4900.00
1999,Chevy,"Venture Extended Edition",5000.00
1996,Jeep,Grand Cherokee,4799.00
Вступ до Data Engineering

JSON

  • JavaScript Object Notation
  • Напівструктуровані
  • Прості типи
    • number
    • string
    • boolean
    • null
  • Складені типи
    • array
    • object
{
  "an_object": {
    "nested": [
      "one",
      "two",
      "three",
      {
        "key": "four"
      }
    ]
  }
}

import json

result = json.loads('{"key_1": "value_1", 
                      "key_2":"value_2"}')

print(result["key_1"])

value_1
Вступ до Data Engineering

Дані в інтернеті

Запити

Схема моделі «запит-відповідь»

Приклад

  1. Перейдіть на Google
  2. Запит до сервера Google
  3. Google повертає вебсторінку
Вступ до Data Engineering

Дані в інтернеті через API

  • Надсилають дані у форматі JSON
  • API: application programming interface
  • Приклади
    • GitHub API
{ "login": "datacamp", "type": "Organization", "created_at": "2013-05-14T13:01:20Z" }
  • Hackernews API
import requests


response = requests.get("https://hacker-news.firebaseio.com/v0/item/16222426.json")
print(response.json())

{'by': 'neis', 'descendants': 0, 'id': 16222426, 'score': 17, 'time': 1516800333, 'title': .... }
Вступ до Data Engineering

Дані в базах даних

Прикладні бази даних

  • Транзакції
  • Вставки або зміни
  • OLTP
  • Рядково-орієнтовані

Аналітичні бази даних

  • OLAP
  • Стовпцево-орієнтовані
Вступ до Data Engineering

Витяг із баз даних

Рядок підключення/URI

postgresql://[user[:password]@][host][:port]

Використання в Python

import sqlalchemy
connection_uri = "postgresql://repl:password@localhost:5432/pagila" 
db_engine = sqlalchemy.create_engine(connection_uri)


import pandas as pd
pd.read_sql("SELECT * FROM customer", db_engine)
Вступ до Data Engineering

Давайте потренуємось!

Вступ до Data Engineering

Preparing Video For Download...