ETL — PIB Mundial (Extracción, Transformación y Carga)

Script de Python que ejecuta un proceso ETL completo sobre la lista de países por PIB nominal, tomando como fuente una captura de Wikipedia en Web Archive.

Pipeline

1. Extracción — descarga el HTML con requests y parsea la tabla de países con BeautifulSoup.
2. Transformación — convierte el PIB de texto con comas a valor numérico con pandas/numpy, y lo pasa de millones a miles de millones de USD (redondeado a 2 decimales).
3. Carga — guarda el resultado en Countries_by_GDP.csv y en una base de datos SQLite (World_Economies.db, tabla Countries_by_GDP).
4. Consulta de verificación — ejecuta SELECT * FROM Countries_by_GDP WHERE GDP_USD_billions >= 100 sobre la base recién cargada.
5. Logging — cada etapa registra un timestamp en etl_project_log.txt para poder medir cuánto tarda cada paso.

Contenido

• etl.py — script con las funciones extraer, transformar, cargar_a_csv, cargar_a_db, consultar y log_progress.
• Countries_by_GDP.csv — salida del proceso.
• Pipfile — dependencias del entorno.

Tecnologías

Python · pandas · NumPy · BeautifulSoup · requests · SQLite

Cómo ejecutar

pip install pandas numpy beautifulsoup4 requests
python etl.py

Autor

Horacio Laphitz — GitHub · LinkedIn