В Python для ETL часто используют: - **Pandas** – для обработки данных в памяти. Пример: ``` import pandas as pd data = pd.read_csv('source.csv') transformed = data.groupby('category').sum() transformed.to_sql('results', engine, if_exists='replace') ``` - **Apache Airflow** – оркестрация сложных пайплайнов. - **SQLAlchemy** – работа с БД (извлечение/загрузка). - **PySpark** – для больших данных (распределённая обработка). - **Bonobo** – лёгкий фреймворк для простых ETL-задач. Для облачных решений: AWS Glue, Google Dataflow. Выбор зависит от масштаба данных и требований к производительности.