Expectativas básicas de coluna

Introdução à Qualidade de Dados com Great Expectations

Davina Moossazadeh

Data Scientist

Shein Footwear Dataset

As cinco primeiras linhas do Shein Footwear Dataset do Kaggle, carregado no pandas. O DataFrame tem as colunas: "name", "link", "price_usd", "mark_price_usd", "star_rating", "colour", "seller_name", "review_count", "sku_id" e "hero_image".

¹ https://www.kaggle.com/datasets/atharvataras/shein-footwear-dataset

Expectativas em nível de linha

Expectativas em nível de linha são aplicadas a cada linha de forma independente
- só passam se a condição valer para todas as linhas

Expectativas em nível de linha

Expectativa de ausência de nulos

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

Expectativa de tipo

gx.expectations.ExpectColumnValuesToBeOfType(
    column="review_count", type_="str"
)

Expectativas em nível agregado: valores distintos

Expectativa de valores distintos

gx.expectations.ExpectColumnDistinctValuesToEqualSet(
    column="seller_name", value_set={"Womens Shoes"}
)

Expectativas em nível agregado: contagem de valores únicos

Expectativa de contagem de valores únicos

gx.expectations.ExpectColumnUniqueValueCountToBeBetween(
    column="review_count", min_value=5, max_value=101
)

Expectativas em nível agregado: unicidade

Expectativa de unicidade

gx.expectations.ExpectColumnValuesToBeUnique(
    column="sku_id"
)

Expectativas em nível agregado: moda

Expectativa de moda

gx.expectations.ExpectColumnMostCommonValueToBeInSet(
    column="colour", value_set={"Khaki", "Purple", "Grey"}
)

Resumo rápido

Expectativas em nível de linha:

ExpectColumnValuesToNotBeNull(
    column: str
)
ExpectColumnValuesToBeOfType(
    column: str, type_: str
)

Expectativas em nível agregado:

ExpectColumnDistinctValuesToEqualSet(
    column: str, value_set: set
)
ExpectColumnUniqueValueCountToBeBetween(
    column: str, 
    min_value: int, max_value: int
)
ExpectColumnValuesToBeUnique(column: str)
ExpectColumnMostCommonValueToBeInSet(
    column: str, value_set: set
)

Vamos praticar!

Introdução à Qualidade de Dados com Great Expectations