Sariți la conținutul principal

Curs

ETL and ELT in Python

IntermediarNivel de competențe

Actualizat 01.2026

Învață să construiești pipeline-uri de date eficiente, performante și fiabile folosind principiile Extract, Transform și Load.

Începe cursul gratuit

PythonData Engineering

4 h

14 videoclipuri

53 Exerciții

4,450 XP

37,235

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Împuternicirea analiticii cu pipeline-uri de date

Conductele de date stau la baza fiecărei platforme de date solide. Construirea acestor pipeline-uri este o abilitate esențială pentru inginerii de date, care aduc o valoare incredibilă unei companii pregătite să pășească într-un viitor bazat pe date. Acest curs introductiv te va ajuta să-ți perfecționezi abilitățile necesare pentru a construi pipeline-uri de date eficiente, performante și fiabile.

Construirea și menținerea soluțiilor ETL

Pe parcursul acestui curs, vei explora întregul proces de construire a unui pipeline de date. Îți vei dezvolta abilitățile folosind biblioteci Python precum pandas și json pentru a extrage date din surse structurate și nestructurate înainte ca acestea să fie transformate și stocate pentru utilizare ulterioară. Pe parcurs, vei dezvolta instrumente și tehnici de încredere, precum diagrame de arhitectură, teste unitare și monitorizare, care te vor ajuta să-ți diferențiezi fluxurile de date de restul. Pe măsură ce avansezi, îți vei pune noile abilități la încercare prin exerciții practice.

Accelerează fluxurile de lucru cu date

După finalizarea acestui curs, vei fi pregătit să proiectezi, să dezvolți și să folosești pipeline-uri de date pentru a-ți accelera fluxul de lucru cu date în jobul tău, într-o nouă carieră sau într-un proiect personal.

Cerințe prealabile

Data Warehousing Concepts Streamlined Data Ingestion with pandas

1

Introduction to Data Pipelines

Get ready to discover how data is collected, processed, and moved using data pipelines. You will explore the qualities of the best data pipelines, and prepare to design and build your own.

Introduction to ETL and ELT Pipelines

Running an ETL Pipeline

ELT in Action

ETL and ELT Pipelines

Building ETL and ELT Pipelines

Building an ETL Pipeline

The "T" in ELT

Extracting, Transforming, and Loading Student Scores Data

Începe capitolul

2

Building ETL Pipelines

Dive into leveraging pandas to extract, transform, and load data as you build your first data pipelines. Learn how to make your ETL logic reusable, and apply logging and exception handling to your pipelines.

Extracting data from structured sources

Extracting data from parquet files

Pulling data from SQL databases

Building functions to extract data

Transforming data with pandas

Filtering pandas DataFrames

Transforming sales data with pandas

Validating data transformations

Persisting data with pandas

Loading sales data to a CSV file

Customizing a CSV file

Persisting data to files

Monitoring a data pipeline

Logging within a data pipeline

Handling exceptions when loading data

Monitoring and alerting within a data pipeline

Începe capitolul

3

Advanced ETL Techniques

Supercharge your workflow with advanced data pipelining techniques, such as working with non-tabular data and persisting DataFrames to SQL databases. Discover tooling to tackle advanced transformations with pandas, and uncover best-practices for working with complex data.

Extracting non-tabular data

Ingesting JSON data with pandas

Reading JSON data into memory

Transforming non-tabular data

Iterating over dictionaries

Parsing data from dictionaries

Transforming JSON data

Transforming and cleaning DataFrames

Advanced data transformation with pandas

Filling missing values with pandas

Grouping data with pandas

Applying advanced transformations to DataFrames

Loading data to a SQL database with pandas

Loading data to a Postgres database

Validating data loaded to a Postgres Database

Începe capitolul

4

Deploying and Maintaining a Data Pipeline

In this final chapter, you’ll create frameworks to validate and test data pipelines before shipping them into production. After you’ve tested your pipeline, you’ll explore techniques to run your data pipeline end-to-end, all while allowing for visibility into pipeline performance.

Manually testing a data pipeline

Testing data pipelines

Validating a data pipeline at "checkpoints"

Testing a data pipeline end-to-end

Unit-testing a data pipeline

Validating a data pipeline with assert

Writing unit tests with pytest

Creating fixtures with pytest

Unit testing a data pipeline with fixtures

Running a data pipeline in production

Orchestration and ETL tools

Data pipeline architecture patterns

Running a data pipeline end-to-end

Congratulations!

Începe capitolul

ETL and ELT in Python

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe ETL and ELT in Python astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.