Baca Data per Batch

Pengantar Data Quality dengan Great Expectations

Davina Moossazadeh

Data Scientist

Data Cuaca Kaggle

Sebuah pandas DataFrame berisi Kaggle Weather Data, dengan kolom: "Location", "Date_Time", "Temperature_C", "Humidity_pct", "Precipitation_mm", dan "Wind_Speed_kmh". DataFrame memiliki 87.118 baris.

Batch Definition

Batch Definition - Konfigurasi cara Data Asset dibagi untuk pengujian

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/

Batch

Batch - Sekelompok rekaman tempat validasi dijalankan

batch = batch_definition.get_batch(

    batch_parameters={"dataframe": dataframe}
)

Batch

Objek Batch

Kita bisa memakai .head() seperti di pandas:

print(batch.head())

Tangkapan layar 2024-07-16 pukul 11.49.00.png

¹ Tabel diadaptasi dari https://www.kaggle.com/datasets/prasad22/weather-data

Objek Batch

print(batch.head(fetch_all=True))

Tangkapan layar 2024-07-22 pukul 14.02.00.png

Objek Batch

.columns() menampilkan semua kolom DataFrame (perhatikan ())

print(batch.columns())

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

Ringkasan cepat

Buat Batch Definition dari Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Buat Batch dari Batch Definition:

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

Ambil baris DataFrame Batch:

batch.head(fetch_all: bool)

Ambil daftar kolom DataFrame Batch:

batch.columns()

Ayo berlatih!

Pengantar Data Quality dengan Great Expectations