dados climaticos do curso airflow | Apache Airflow: orquestrando seu primeiro pipeline de dados

Tem uma questão que as respostas estão muito parecidas.

Conforme informação abaixo

A API que estamos trabalhando nos permite acessar dados climáticos de inúmeras cidades do mundo em diferentes períodos do tempo. Se explorarmos a documentação dessa API vamos encontrar diversas maneiras de montar a URL para fazer a requisição da forma que precisamos.

Com base nisso, considere as seguintes especificações:

cidade: Rio de Janeiro
tipo de dado: csv
período de tempo: 01/01/2022 até 01/02/2022

Considerando o que já aprendemos sobre essa API e consultando a documentação, assinale a alternativa que apresenta a URL correta para extrairmos os dados conforme especificado acima.

Alternativa correta

data_inicio = "2022-01-01"
data_fim = "2022-02-01"
city = "Rio de Janeiro"
key = "SUA_CHAVE"
URL = join("https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline/",
          f"{city}/{data_inicio}/{data_fim}?unitGroup=metric&include=days&key={key}&contentType=csv")

dados = pd.read_csv(URL)
print(dados.head())

Alternativa correta

data_inicio = "2022-01-01"
data_fim = "2022-02-01"
city = "RiodeJaneiro"
key = "SUA_CHAVE"
URL = join("https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline/",
          f"{city}/{data_inicio}/{data_fim}?unitGroup=metric&include=days&key={key}&contentType=csv")

dados = pd.read_csv(URL)
print(dados.head())

Muito bem! Assim conseguimos extrair os dados climáticos da cidade do Rio de Janeiro seguindo as especificações propostas no exercício.

Alternativa correta

data_inicio = "2022-01-01"
data_fim = "2022-02-01"
city = "RiodeJaneiro"
key = "SUA_CHAVE"
URL = join("https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline/",
          f"{city}/{data_inicio}/{data_fim}?unitGroup=metric&include=days&key={key}&contentType=json")

dados = pd.read_csv(URL)
print(dados.head())

Conforme especificado, os dados devem ser retornados no formato csv.

Alternativa correta

data_inicio = "01-01-2022"
data_fim = "01-02-2022"
city = "RiodeJaneiro"
key = "SUA_CHAVE"
URL = join("https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline/",
          f"{city}/{data_inicio}/{data_fim}?unitGroup=metric&include=days&key={key}&contentType=csv")

dados = pd.read_csv(URL)
print(dados.head())

Olá, Roberto! Tudo bem com você? Espero que sim!

Peço desculpa pela demora em responder o seu tópico.

As respostas possam parecer muito semelhantes, mas há detalhes importantes que diferenciam cada uma delas. Vamos analisar cada uma delas:

A primeira alternativa tem o nome da cidade como "Rio de Janeiro". No entanto, na URL, o nome da cidade não deve ter espaços, então deve ser "RiodeJaneiro".
A segunda alternativa é a correta. Tem o nome da cidade corretamente formatado ("RiodeJaneiro"), as datas estão no formato correto (ano-mês-dia) e o tipo de dado é csv, conforme solicitado.
A terceira alternativa também tem o nome da cidade e as datas corretos, mas o tipo de dado é json, não csv.
A quarta alternativa tem o nome da cidade correto e o tipo de dado correto, mas as datas estão no formato dia-mês-ano, quando deveriam estar no formato ano-mês-dia.

Portanto, a segunda alternativa é a correta. Aqui está o código:

data_inicio = "2022-01-01"
data_fim = "2022-02-01"
city = "RiodeJaneiro"
key = "SUA_CHAVE"
URL = join("https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline/",
          f"{city}/{data_inicio}/{data_fim}?unitGroup=metric&include=days&key={key}&contentType=csv")

dados = pd.read_csv(URL)
print(dados.head())

Espero ter esclarecido sua dúvida. Caso tenha mais alguma pergunta acerca desse tópico, estarei à disposição para ajudar.

Grande abraço e bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓.

PRORROGAMOS O DESCONTO!