Expectativas según tipo

Introducción a la calidad de datos con Great Expectations

Davina Moossazadeh

Data Scientist

Expectativas numéricas: a nivel agregado

gx.expectations.ExpectColumnMeanToBeBetween(
    column="mark_price_usd", min_value=20, max_value=25
)

gx.expectations.ExpectColumnMedianToBeBetween(
    column="mark_price_usd", min_value=20, max_value=25
)

gx.expectations.ExpectColumnStdevToBeBetween(
    column="mark_price_usd", min_value=15, max_value=20
)

gx.expectations.ExpectColumnSumToBeBetween(
    column="mark_price_usd", min_value=20000, max_value=21000
)

Expectativas numéricas: a nivel de fila

Configura expectativas a nivel de fila para rangos de valores:

gx.expectations.ExpectColumnValuesToBeBetween(
    column="star_rating", min_value=0, max_value=5
)

o de orden:

gx.expectations.ExpectColumnValuesToBeIncreasing(
    column="price_usd"
)

gx.expectations.ExpectColumnValuesToBeDecreasing(
    column="price_usd"
)

Expectativas para cadenas

Configura expectativas para cadenas (todas a nivel de fila):

gx.expectations.ExpectColumnValueLengthsToEqual(
    column="sku_id", value=18
)

gx.expectations.ExpectColumnValuesToMatchRegex(
    column="link", regex="^https://us.shein.com/[\w-]+"
)

regex_list = [
    "//img.ltwebstatic.com/images3_(spmp)|(pi)/202[0-4]/[0-1][0-9]/.*",
    "//sheinsz.ltwebstatic.com/she_dist/images/bg-g.*"
]

gx.expectations.ExpectColumnValuesToMatchRegexList(
    column="hero_image", regex_list=regex_list
)

Expectativas de capacidad de análisis de cadenas

Configura expectativas para columnas de texto para asegurar que se puedan analizar

ExpectColumnValuesToBeDateutilParseable() para fechas:

gx.expectations.ExpectColumnValuesToBeDateutilParseable(
    column="colour"
)

ExpectColumnValuesToBeJsonParseable() para JSON:

gx.expectations.ExpectColumnValuesToBeJsonParseable(
    column="colour"
)

Guía rápida

Expectativas numéricas:

ExpectColumn<METRIC>ToBeBetween(
    column, min_value, max_value
)
# <METRIC> in {"Mean", "Median", "Stdev", "Sum"}

ExpectColumnValuesToBeBetween(
    column, min_value, max_value
)

ExpectColumnValuesToBeIncreasing(column)

ExpectColumnValuesToBeDecreasing(column)

Expectativas para cadenas:

ExpectColumnValueLengthsToEqual(column, value)

ExpectColumnValuesToMatchRegex(column, regex)

ExpectColumnValuesToMatchRegexList(
    column, regex_list
)

ExpectColumnValuesToBeDateutilParseable(column)

ExpectColumnValuesToBeJsonParseable(column)

¡Vamos a practicar!

Introducción a la calidad de datos con Great Expectations