Kelola Komponen

Pengantar Data Quality dengan Great Expectations

Davina Moossazadeh

Data Scientist

Komponen

Komponen GX - Kelas Python yang merepresentasikan entitas data dan validasi data

Data Context
Data Source & Data Asset
Batch Definition & Batch
Expectation
Expectation Suite
Validation Definition
Checkpoint & Action
Data Docs

¹ https://docs.greatexpectations.io/docs/core/introduction/gx_overview

Manajemen komponen di GX

Data Source:

terhubung ke data dan memuat Data Asset

Expectation Suite:

berisi Expectation

Validation Definition:

memvalidasi Expectation terhadap data

Checkpoint:

mengelompokkan dan mengotomatisasi Validation

context.data_sources

context.suites

context.validation_definitions

context.checkpoints

Menambahkan komponen

Expectation Suite:

suite = context.suites.add(suite)

Validation Definition:

validation_definition = context.validation_definitions.add(validation_definition)

Checkpoint:

checkpoint = context.checkpoints.add(
    checkpoint=checkpoint
)

Menambahkan Data Source

data_source = context.data_sources.add_<TYPE_NAME>()

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

Menambahkan Data Source pandas

Gunakan .add_pandas() untuk menyiapkan Data Source untuk DataFrame pandas dengan mudah:

data_source = context.data_sources.add_pandas(
    name="my_pandas_datasource"
)

Mengambil komponen

Ambil komponen dengan .get() dengan menyebutkan parameter name:

context.<COMPONENT>s.get(

    name: str
)

data_source = context.data_sources.get(

    name="my_pandas_datasource"
)

print(data_source)

id: 46c91f1b-1db9-4351-b5dd-83e038c0f511
name: 'my_pandas_datasource'
type: pandas

Mengambil komponen

Data Source:

context.data_sources.get(
    name="my_pandas_datasource"
)

Expectation Suite:

context.suites.get(
    name="my_suite"
)

Validation Definition:

context.validation_definitions.get(
    name="my_validation_definition"
)

Checkpoint:

context.checkpoints.get(
    name="my_checkpoint"
)

Menampilkan daftar komponen

Gunakan .all() untuk menampilkan semua komponen dalam Data Context, termasuk nama dan metadata:

context.<COMPONENT>s.all()

data_sources = context.data_sources.all()

print(data_sources)

{
    'my_pandas_datasource': PandasDatasource(
        type='pandas',
        name='my_pandas_datasource', 
        id=UUID('c22b16f7-6945-400e-932f-026cbd63b112'), 
        assets=[]
    )
}

Menampilkan daftar komponen

Data Source:

context.data_sources.all()

Expectation Suite:

context.suites.all()

Validation Definition:

context.validation_definitions.all()

Checkpoint:

context.checkpoints.all()

Menghapus komponen

Gunakan .delete() untuk menghapus komponen dengan menyebutkan namanya:

context.<COMPONENT>s.delete(

    name: str
)

context.data_sources.delete(
    name="my_pandas_datasource"
)

print(context.data_sources.all())

{}

Menghapus komponen

Data Source:

context.data_sources.delete(
    name="my_pandas_datasource"
)

Expectation Suite:

context.suites.delete(
    name="my_suite"
)

Validation Definition:

context.validation_definitions.delete(
    name="my_validation_definition"
)

Checkpoint:

context.checkpoints.delete(
    name="my_checkpoint"
)

Ringkasan cepat

Tambahkan komponen ke Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Ambil komponen:

.get(name: str)

Daftar komponen:

.all()

Hapus komponen:

.delete(name: str)

Ayo berlatih!

Pengantar Data Quality dengan Great Expectations