Expectativas de esquema

Introdução à Qualidade de Dados com Great Expectations

Davina Moossazadeh

Data Scientist

Expectativas de forma e esquema

Expectation - Uma asserção verificável sobre dados

  • Expectativas de coluna
  • Expectativas de forma e esquema
    • esquema - o projeto da estrutura de um dataset
1 https://docs.greatexpectations.io/docs/reference/learn/terms/expectation
Introdução à Qualidade de Dados com Great Expectations

Contagem de linhas

row_count_expectation = gx.expectations.ExpectTableRowCountToEqual(
    value=118000
)

validation_results = batch.validate(expect=row_count_expectation)
print(validation_results.success)
False
print(validation_results.result)
{'observed_value': 118066}
Introdução à Qualidade de Dados com Great Expectations

Intervalo de linhas

Use ExpectTableRowCountToBeBetween para definir um intervalo de contagem de linhas:

row_count_expectation = gx.expectations.ExpectTableRowCountToBeBetween(

min_value=117000, max_value=119000 )
validation_results = batch.validate(expect=row_count_expectation)
print(validation_results.success)
True
print(validation_results.result)
{'observed_value': 118066}
Introdução à Qualidade de Dados com Great Expectations

Contagem de colunas

col_count_expectation = gx.expectations.ExpectTableColumnCountToEqual(
    value=15
)
validation_results = batch.validate(expect=col_count_expectation)
print(validation_results.success)
False
print(validation_result.result)
{'observed_value': 18}
Introdução à Qualidade de Dados com Great Expectations

Intervalo de colunas

Use ExpectTableColumnCountToBeBetween para definir um intervalo de contagem de colunas:

col_count_expectation = gx.expectations.ExpectTableColumnCountToBeBetween(
    min_value=14, max_value=18
)
validation_results = batch.validate(expect=col_count_expectation)
print(validation_results.success)
True
print(validation_result.result)
{'observed_value': 18}
Introdução à Qualidade de Dados com Great Expectations

Conjuntos de nomes de colunas

Use ExpectTableColumnsToMatchSet para validar nomes de colunas contra um conjunto:

expected_cols = ['clouds_all', 'snow_1h', 'rain_1h', 'wind_speed', 'humidity', 
'pressure', 'temp', 'GHI', 'Energy delta[Wh]', 'Time', 'Time']

col_names_expectation = gx.expectations.ExpectTableColumnsToMatchSet( column_set=expected_cols )
print(col_names_expectation.success, col_names_expectation.result)
True 
{'observed_value': ['Time', 'Energy delta[Wh]', 'GHI', 'temp', 'pressure',
'humidity', 'wind_speed', 'rain_1h', 'snow_1h', 'clouds_all'}
Introdução à Qualidade de Dados com Great Expectations

Nomes de colunas individuais

Use ExpectColumnToExist para checar se uma coluna específica existe no dataset:

col_name_expectation = gx.expectations.ExpectColumnToExist(column="not_a_column")
validation_result = batch.validate(expect=col_name_expectation)
print(validation_result.success)
False
col_name_expectation = gx.expectations.ExpectColumnToExist(column="GHI")
validation_result = batch.validate(expect=col_name_expectation)
print(validation_result.success)
True
Introdução à Qualidade de Dados com Great Expectations

Cola rápida

Expectativas de forma:

ExpectTableRowCountToEqual(value: int)
ExpectTableRowCountToBeBetween(
    min_value: int, max_value: int
)
ExpectTableColumnCountToEqual(
    value: int
)
ExpectTableColumnCountToBeBetween(
    min_value: int, max_value: int
)

Expectativas de nomes de colunas:

ExpectTableColumnsToMatchSet(
    column_set: set
)
ExpectColumnToExist(column: str)
Introdução à Qualidade de Dados com Great Expectations

Vamos praticar!

Introdução à Qualidade de Dados com Great Expectations

Preparing Video For Download...