Ler dados em lotes

Introdução à Qualidade de Dados com Great Expectations

Davina Moossazadeh

Data Scientist

Kaggle Weather Data

Um DataFrame do pandas com o Kaggle Weather Data, com as colunas: "Location", "Date_Time", "Temperature_C", "Humidity_pct", "Precipitation_mm" e "Wind_Speed_kmh". O DataFrame tem 87.118 linhas.

Batch Definitions

Batch Definition - Configuração de como um Data Asset deve ser dividido para testes

batch_definition = data_asset.add_batch_definition_whole_dataframe(

    name="my_batch_definition"
)

print(batch_definition)

id='69e2a81d-1c28-4d1a-b66e-52cdc1198266' 
name='my_batch_definition' 
partitioner=None

¹ https://docs.greatexpectations.io/docs/core/connect_to_data/dataframes/

Batches

Batch - Um conjunto de registros onde dá pra rodar validações

batch = batch_definition.get_batch(

    batch_parameters={"dataframe": dataframe}
)

Batches

O objeto Batch

Podemos usar .head() como no pandas:

print(batch.head())

Captura de tela 2024-07-16 às 11.49.00.png

¹ Tabela adaptada de https://www.kaggle.com/datasets/prasad22/weather-data

O objeto Batch

print(batch.head(fetch_all=True))

Captura de tela 2024-07-22 às 14.02.00.png

O objeto Batch

.columns() mostra todas as colunas do DataFrame (note os ())

print(batch.columns())

['Location',
 'Date_Time',
 'Temperature_C',
 'Humidity_pct',
 'Precipitation_mm',
 'Wind_Speed_kmh']

Resumo rápido

Criar Batch Definition a partir de um Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Criar um Batch a partir da Batch Definition:

batch = batch_definition.get_batch(
  batch_parameters={"dataframe": dataframe}
)

Obter linhas do DataFrame do Batch:

batch.head(fetch_all: bool)

Obter lista de colunas do DataFrame do Batch:

batch.columns()

Vamos praticar!

Introdução à Qualidade de Dados com Great Expectations