Importación de la Base de Datos Sakila en MySQL Workbench

Clase 19 de 24 • Curso de ETL e ingesta de datos con Python

Resumen

¿Cómo comenzar con el proyecto final setup?

Iniciar con el setup del proyecto final es una tarea crucial que te ayudará a consolidar cada aprendizaje del curso. Aquí, te guiaré en los pasos iniciales necesarios, asegurándome de que tengas toda la información necesaria para configurarlo exitosamente. El objetivo es trabajar con la base de datos Sakyla y establecer tu entorno de trabajo.

¿Dónde encontrar los recursos necesarios?

Para empezar, dirígete a la página de MySQL, donde encontrarás bases de datos que se utilizan en un entorno académico. La que necesitamos es Sakyla Database, que cuenta con información sobre clientes y alquileres de películas, entre otros datos. Será fundamental descargar la versión comprimida (zip) del archivo. También puedes encontrar este archivo en los recursos del curso facilitado por el instructor.

¿Cómo descomprimir y previsualizar los elementos?

Una vez descargado el archivo de base de datos, descomprímelo. Al hacerlo, verás tres elementos esenciales:

Datos a utilizar en las tablas.
El esquema de la base de datos.
La estructura de la base de datos.

¿Cómo realizar el setup en MySQL Workbench?

Configurar tu entorno de trabajo en MySQL Workbench es esencial. Aquí te explico cómo hacerlo paso a paso:

¿Cómo instalar MySQL Workbench?

Si aún no tienes instalado MySQL Workbench, es vital hacerlo. Puedes instalarlo directamente desde la página oficial de MySQL.

¿Cómo importar el esquema de la base de datos?

El siguiente paso es importar el esquema de la base de datos:

Dentro de MySQL Workbench, selecciona la opción server data import.
Opta por la opción de importar desde un archivo.
Navega hasta el archivo esquema, schema.sql, en la base de datos Sakyla y ábrelo.
Inicia el proceso de importación presionando start.

Se completará sin errores, estableciendo la primera parte del setup al tener el esquema de metadatos importado correctamente.

¿Cómo importar los datos de la base de datos?

Para importar los datos:

Selecciona file y luego open sql script.
Abre el script data.sql.
Ejecuta el script para que las inserciones sean procesadas.

Actualiza las tablas en tu base de datos para verificar que se hayan creado correctamente.

¿Cómo validar la importación y configurar el entorno?

¿Cómo verificar que los datos sean correctos?

La validación es una tarea crucial para confirmar que todo está funcionando adecuadamente. Aquí te explico cómo hacerlo:

Crea un script SQL.
Configura Sakyla como la base de datos por default.
Ejecuta una consulta sencilla como SELECT * FROM actor;

SELECT * FROM actor;

Presiona el botón de ejecución para validar que los datos están correctos, revisando detalles como el nombre y apellido de los actores.

¿Cómo conectar MySQL con Python?

Instalar la librería de MySQL Connector para Python es el último paso del setup:

Asegúrate de tener instalado MySQL Connector con el siguiente comando en Jupyter Notebook:

!pip install mysql-connector-python

Esta librería es crucial para establecer la conexión desde Jupyter Notebook hacia nuestro entorno de MySQL.

¿Qué hacer en caso de problemas?

Si encuentras algún problema durante la instalación o algún paso del setup, no dudes en dejar un comentario. Estamos aquí para ayudar y asegurarnos de que puedas continuar sin inconvenientes con tu proyecto final. ¡Adelante, estás un paso más cerca de completar este emocionante proyecto de aprendizaje!

Iván jp

student•

Aquí un link bacano donde esta la guía de instalación de MySQL workbench y de una vez con la bd sakila:

Iris Aguilar

student•

Excelente curso, hasta ahora estoy muy motivada porque lo he comprendido todo, solo queda practicar mucho.

Layla Scheli

teacher•

Gracias a vos :)

Enrique Alexis Lopez Araujo

student•

Para el setup inicial del proyecto ETL, primero debes descargar la base de datos Saquila desde la página de MySQL y descomprimir el archivo. Luego, en MySQL Workbench, importa el esquema de la base de datos utilizando la opción "Server Data Import" y selecciona el archivo esquema.sql. Después, ejecuta el script data.sql para importar los datos. Finalmente, asegúrate de tener instalada la librería MySQL para Python, lo que te permitirá conectarte a la base de datos desde tu entorno de trabajo.

Mario Alexander Vargas Celis

student•

La configuración de MySQL con Python es fundamental para proyectos ETL, ya que permite conectar y manipular datos desde una base de datos relacional. A continuación, se presenta un paso a paso para configurar MySQL y Python para tu proyecto ETL.

1. Instalación de MySQL

Si no tienes MySQL instalado, sigue estos pasos:

Descarga MySQL desde MySQL Downloads.
Instala MySQL Server y elige una contraseña para el usuario root durante la configuración.
(Opcional) Instala MySQL Workbench para gestionar la base de datos gráficamente.

2. Configuración del Entorno en Python

Asegúrate de instalar las bibliotecas necesarias:

pip install mysql-connector-python pandas

mysql-connector-python: Controlador para conectarte a MySQL desde Python.
pandas: Necesario para manejar datos en Python.

3. Crear una Base de Datos en MySQL

Puedes usar MySQL Workbench o la línea de comandos:

CREATE DATABASE proyecto_etl; USE proyecto_etl;

CREATE TABLE ventas ( id INT AUTO_INCREMENT PRIMARY KEY, producto VARCHAR(50), cantidad INT, precio DECIMAL(10, 2), fecha DATE );

4. Conectar Python a MySQL

A continuación, se muestra cómo establecer una conexión básica:

import mysql.connector

# Conexión a la base de datos conexion = mysql.connector.connect( host="localhost", user="root", # Cambia a tu usuario password="tu_contraseña", # Cambia a tu contraseña database="proyecto_etl" )

if conexion.is_connected(): print("Conexión exitosa a la base de datos") conexion.close()

5. Insertar Datos en la Base de Datos

Puedes insertar datos manualmente o desde un archivo como CSV.

a) Insertar Datos Manualmente

conexion = mysql.connector.connect( host="localhost", user="root", password="tu_contraseña", database="proyecto_etl" )

cursor = conexion.cursor()

# Insertar datos datos = ("Laptop", 5, 700.50, "2025-01-16") query = "INSERT INTO ventas (producto, cantidad, precio, fecha) VALUES (%s, %s, %s, %s)" cursor.execute(query, datos)

# Confirmar la transacción conexion.commit() print(f"Filas insertadas: {cursor.rowcount}")

cursor.close() conexion.close()

b) Insertar Datos desde un Archivo CSV

import pandas as pd

# Leer el archivo CSV df = pd.read_csv("ventas.csv")

# Conectar a la base de datos conexion = mysql.connector.connect( host="localhost", user="root", password="tu_contraseña", database="proyecto_etl" )

cursor = conexion.cursor()

# Insertar filas del DataFrame for _, row in df.iterrows(): query = "INSERT INTO ventas (producto, cantidad, precio, fecha) VALUES (%s, %s, %s, %s)" cursor.execute(query, tuple(row))

conexion.commit() print(f"Filas insertadas: {cursor.rowcount}")

cursor.close() conexion.close()

6. Leer Datos desde la Base de Datos

Esto es útil para extraer datos en la fase inicial del ETL.

conexion = mysql.connector.connect( host="localhost", user="root", password="tu_contraseña", database="proyecto_etl" )

query = "SELECT * FROM ventas" df = pd.read_sql(query, conexion) print(df)

conexion.close()

7. Buenas Prácticas

Archivos de Configuración: Guarda las credenciales de la base de datos en un archivo separado o usa variables de entorno para mayor seguridad.
Control de Errores: Implementa bloques try-except para manejar errores de conexión o consulta.
Optimización: Usa técnicas de carga por lotes para insertar grandes volúmenes de datos.

Daniel Guerrero

student•

bueno, decirles que Sakila viene disponible por defecto en la nueva workbench community...saludos!

Carlos Orejuela

student•

Para quienes estén interesados en hacerlo desde la terminal de comandos y utilizando Docker, aquí está toda la documentación de cómo a hacerlo a un gran nivel de detalle:

Luis Leonardo Limon Santiago

student•

Para mi fue mejor montar la base de datos en un docker, me siento mas comodo trabajando simplemente:

instale docker
baje la ultima version disponible docker pull mysql:latest
Baje los archivos SQL de la base de datos sakila.
Inicie el contenedor: docker run -d --name mysql_sakila -e MYSQL_ROOT_PASSWORD=root -e MYSQL_DATABASE=sakila -p 3306:3306 mysql:latest
Copie a el docker los archivos SQL: ```js docker cp sakila-schema.sql mysql_sakila:/sakila-schema.sql docker cp sakila-data.sql mysql_sakila:/sakila-data.sql
Ejecute el bash del contenedor y cargue los SQL's a la BD: ->bashjs docker exec -it mysql_sakila bash -> carga BD```js mysql -uroot -prootpass sakila < sakila-schema.sql mysql -uroot -prootpass sakila < sakila-data.sql
Finalmente comprobe todo estuviera bien con:```python mysql -h 127.0.0.1 -P 3306 -u root -p

#Y luego dentro de MySQL:

USE sakila; SHOW TABLES;

Javier Ladino

student•

Si les presenta error la carga del schema en Workbench, pueden hacerlo manualmente:

mysql --default-character-set=utf8mb4 -u root -p sakila < "rutaDelArchivo/etl-python-main/19. SetUp Proyecto/sakila-db/sakila-schema.sql"

Importación de la Base de Datos Sakila en MySQL Workbench

Fundamentos de ETL con Python

Procesos ETL: Extracción, Transformación y Carga de Datos

Manipulación de Datos con Python: De CSV a ETL Completo

Fuentes de Datos: Archivos, Bases de Datos y APIs en Análisis de Ventas

Instalación de Anaconda y Jupyter para Procesamiento de Datos

Técnicas Efectivas de Transformación de Datos

Lectura y Exploración de Archivos CSV con Pandas en Python

Manejo de Archivos Excel con Pandas para Procesos ETL

Ingesta de Datos desde APIs con Python

Conexión y consulta de bases de datos en Python con SQLite3 y SQLAlchemy

Series y DataFrames en Pandas: Diferencias y Usos Prácticos

Métricas Clave en el Perfilado de Datos para Análisis de Calidad

Limpieza de Datos en Python con Pandas

Filtrado, Selección y Transformación de Datos con Pandas

Agrupación y Resumen de Datos con Pandas

Manipulación Avanzada de Datos con Python y Pandas

Carga de Datos y Proyecto Final

Exportación de DataFrames a CSV con Pandas paso a paso

Gestión de Datos: Carga Completa vs. Carga Incremental en Python

Partición de Datos en Archivos CSV con Pandas

Carga Incremental de Datos en Archivos Excel con Python

Importación de la Base de Datos Sakila en MySQL Workbench

Transformaciones de Datos ETL con Python y MySQL

Transformaciones de Datos con Python y SQL

Buenas prácticas y errores comunes en procesos ETL

Carga y Validación de Datos en Sakila ETL con Python y SQL

Fundamentos de ETL con Python: Extracción, Transformación y Carga de Datos