ETL en ELT in Python

Duik in het gebruik van pandas om data te extracten, transformeren en laden terwijl je je eerste datapijplijnen bouwt. Leer hoe je je ETL-logica herbruikbaar maakt en logging en foutafhandeling toepast in je pijplijnen.

Versnel je workflow met geavanceerde technieken voor datapijplijnen, zoals werken met niet-tabulaire data en DataFrames opslaan in SQL-databases. Ontdek tooling voor geavanceerde transformaties met pandas en leer best practices voor het werken met complexe data.

In dit laatste hoofdstuk maak je frameworks om datapijplijnen te valideren en testen voordat je ze naar productie brengt. Nadat je je pijplijn hebt getest, verken je technieken om je datapijplijn end-to-end te draaien, met behoud van inzicht in de prestaties van de pijplijn.