Encerramento

Introdução à Qualidade de Dados com Great Expectations

Davina Moossazadeh

Data Scientist

Capítulo 1: Conectando aos Dados

Criar um Data Context

context = gx.get_context()

Capítulo 1: Conectando aos Dados

Conectar aos Dados

Criar Data Source a partir do Data Context:

data_source = context.data_sources.add_pandas(
    name: str
)

Criar Data Asset a partir do Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Capítulo 1: Conectando aos Dados

Ler Dados em Lotes

Criar Batch Definition do Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Criar Batch 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()

Capítulo 2: Definindo Expectativas

Criar Expectativas

Criar uma Expectativa: gx.expectations.Expect...(...)

Criar uma Expectativa de contagem de linhas:

expectation = gx.expectations. \
ExpectTableRowCountToEqual(
    value: int
)

Validar Expectativa:

validation_results = batch.validate(
    expect=expectation
)

Ver Resultados da Validação:

validation_results.describe()
validation_results.success
validation_results.result

Capítulo 2: Definindo Expectativas

Expectativas de Esquema

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 Nome de Coluna:

ExpectTableColumnsToMatchSet(
    column_set: set
)
ExpectColumnToExist(column: str)

Capítulo 2: Definindo Expectativas

Criar um Conjunto de Expectativas

Criar Expectation Suite:

suite = gx.ExpectationSuite(name: str)

Adicionar Expectativa à Suite:

suite.add_expectation(expectation)

Acessar Expectativas da Suite:

suite.expectations

Validar a Expectation Suite:

validation_results = batch.validate(
    expect=suite
)

Ver Resultados da Validação:

validation_results.success
validation_results.describe()

Capítulo 2: Definindo Expectativas

Validar Expectation Suites

Adicionar Expectation Suite ao Data Context:

context.suites.add(suite)

Criar Validation Definition:

validation_definition = \
gx.ValidationDefinition(
  name: str, 
  data=batch_definition, 
  suite=suite
)

Executar Validação:

validation_results = \
validation_definition.run(
  batch_parameters={"dataframe": dataframe}
)

Ver Resultados da Validação:

validation_results.success
validation_results.describe()

Capítulo 3: GX na Prática

Implantar Validation Definitions

Adicionar Validation Definition ao Data Context:

context.validation_definitions.add(
    validation_definition
)

Criar Checkpoint:

checkpoint = gx.Checkpoint(
    name: str, 
    validation_definitions: list,
)

Executar Checkpoint:

checkpoint_results = checkpoint.run(
    batch_parameters={
        "dataframe": dataframe
    }
)

Ver Resultados do Checkpoint:

checkpoint_results.success

Capítulo 3: GX na Prática

Atualizar Expectation Suites

Copiar Expectativa:

expectation_copy = expectation.copy()
expectation_copy.id = None

Verificar se a Expectativa está na Suite:

expectation in suite.expectations

Excluir Expectativa:

suite.delete_expectation(expectation)

Atualizar valor da Expectativa:

expectation.value = new_value

Salvar alterações na Expectativa:

expectation.save()

Salvar alterações na Expectation Suite:

suite.save()

Capítulo 3: GX na Prática

Gerenciar Componentes

Adicionar um componente ao Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Recuperar um componente:

.get(name: str)

Listar componentes:

.all()

Excluir um componente:

.delete(name: str)

Capítulo 4: Tudo sobre Expectativas

Expectativas Básicas de Coluna

Expectativas por Linha:

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

Expectativas Agregadas:

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

Capítulo 4: Tudo sobre Expectativas

Expectativas por Tipo

Numéricas:

ExpectColumn<METRIC>ToBeBetween(
  column: str, min_value: int, max_value: int
)
# <METRIC> em 
# {"Mean", "Median", "Stdev", "Sum"}

ExpectColumnValuesToBeBetween(
  column: str, min_value: int, max_value: int
)
ExpectColumnValuesToBeIncreasing(column: str)
ExpectColumnValuesToBeDecreasing(column: str)

Strings:

ExpectColumnValueLengthsToEqual(
  column: str, value: int
)
ExpectColumnValuesToMatchRegex(
  column: str, regex: str
)
ExpectColumnValuesToMatchRegexList(
  column: str, regex_list: list
)
ExpectColumnValuesToBe{Dateutil,Json}Parseable(
  column: str
)

Capítulo 4: Tudo sobre Expectativas

Expectativas Condicionais

expectation = gx.expectations.Expect...(
    expetation_parameters,
    ...,
    condition_parser='pandas',
    row_condition: str,
)

Palavras Finais

Recursos:

https://docs.greatexpectations.io/docs/core/introduction

https://docs.greatexpectations.io/docs/reference

Galeria de Expectativas:

www.greatexpectations.io/expectations

Parabéns!

Introdução à Qualidade de Dados com Great Expectations