Rangkuman

Pengantar Data Quality dengan Great Expectations

Davina Moossazadeh

Data Scientist

Bab 1: Menghubungkan ke Data

Membuat Data Context

context = gx.get_context()

Bab 1: Menghubungkan ke Data

Menghubungkan ke Data

Buat Data Source dari Data Context:

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

Buat Data Asset dari Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Bab 1: Menghubungkan ke Data

Membaca Data per Batch

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()

Bab 2: Menetapkan Ekspektasi

Membuat Ekspektasi

Buat sebuah Ekspektasi: gx.expectations.Expect...(...)

Buat Ekspektasi jumlah baris:

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

Validasi Ekspektasi:

validation_results = batch.validate(
    expect=expectation
)

Periksa Hasil Validasi:

validation_results.describe()
validation_results.success
validation_results.result

Bab 2: Menetapkan Ekspektasi

Ekspektasi Skema

Ekspektasi Bentuk:

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

Ekspektasi Nama Kolom:

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

Bab 2: Menetapkan Ekspektasi

Membuat Kumpulan Ekspektasi

Buat Expectation Suite:

suite = gx.ExpectationSuite(name: str)

Tambah Ekspektasi ke Suite:

suite.add_expectation(expectation)

Akses Ekspektasi dalam Suite:

suite.expectations

Validasi Expectation Suite:

validation_results = batch.validate(
    expect=suite
)

Periksa Hasil Validasi:

validation_results.success
validation_results.describe()

Bab 2: Menetapkan Ekspektasi

Memvalidasi Expectation Suite

Tambah Expectation Suite ke Data Context:

context.suites.add(suite)

Buat Validation Definition:

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

Jalankan Validasi:

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

Periksa Hasil Validasi:

validation_results.success
validation_results.describe()

Bab 3: GX dalam Praktik

Menerapkan Validation Definition

Tambah Validation Definition ke Data Context:

context.validation_definitions.add(
    validation_definition
)

Buat Checkpoint:

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

Jalankan Checkpoint:

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

Periksa Hasil Checkpoint:

checkpoint_results.success

Bab 3: GX dalam Praktik

Memperbarui Expectation Suite

Salin Ekspektasi:

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

Periksa apakah Ekspektasi ada di Suite:

expectation in suite.expectations

Hapus Ekspektasi:

suite.delete_expectation(expectation)

Perbarui nilai Ekspektasi:

expectation.value = new_value

Simpan perubahan pada Ekspektasi:

expectation.save()

Simpan perubahan pada Expectation Suite:

suite.save()

Bab 3: GX dalam Praktik

Mengelola Komponen

Tambah 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)

Bab 4: Seputar Ekspektasi

Ekspektasi Kolom Dasar

Ekspektasi tingkat baris:

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

Ekspektasi tingkat agregat:

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

Bab 4: Seputar Ekspektasi

Ekspektasi Spesifik Tipe

Ekspektasi Numerik:

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

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

Ekspektasi String:

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

Bab 4: Seputar Ekspektasi

Ekspektasi Bersyarat

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

Kata Penutup

Sumber:

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

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

Galeri Ekspektasi:

www.greatexpectations.io/expectations

Selamat!

Pengantar Data Quality dengan Great Expectations