Tổng kết

Nhập môn Data Quality với Great Expectations

Davina Moossazadeh

Data Scientist

Chương 1: Kết nối dữ liệu

Tạo Data Context

context = gx.get_context()

Chương 1: Kết nối dữ liệu

Kết nối dữ liệu

Tạo Data Source từ Data Context:

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

Tạo Data Asset từ Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Chương 1: Kết nối dữ liệu

Đọc dữ liệu theo batch

Tạo Batch Definition từ Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Tạo Batch từ Batch Definition:

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

Lấy các dòng của Batch DataFrame:

batch.head(fetch_all: bool)

Lấy danh sách cột của Batch DataFrame:

batch.columns()

Chương 2: Thiết lập Kỳ vọng

Tạo Kỳ vọng

Tạo một Kỳ vọng: gx.expectations.Expect...(...)

Tạo Kỳ vọng đếm số hàng:

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

Xác thực Kỳ vọng:

validation_results = batch.validate(
    expect=expectation
)

Kiểm tra kết quả xác thực:

validation_results.describe()
validation_results.success
validation_results.result

Chương 2: Thiết lập Kỳ vọng

Kỳ vọng về Schema

Kỳ vọng về hình dạng:

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

Kỳ vọng về tên cột:

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

Chương 2: Thiết lập Kỳ vọng

Tạo một bộ Kỳ vọng

Tạo Expectation Suite:

suite = gx.ExpectationSuite(name: str)

Thêm Kỳ vọng vào Suite:

suite.add_expectation(expectation)

Truy cập các Kỳ vọng của Suite:

suite.expectations

Xác thực Expectation Suite:

validation_results = batch.validate(
    expect=suite
)

Kiểm tra kết quả xác thực:

validation_results.success
validation_results.describe()

Chương 2: Thiết lập Kỳ vọng

Xác thực Expectation Suite

Thêm Expectation Suite vào Data Context:

context.suites.add(suite)

Tạo Validation Definition:

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

Chạy xác thực:

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

Kiểm tra kết quả xác thực:

validation_results.success
validation_results.describe()

Chương 3: GX trong thực tế

Triển khai Validation Definition

Thêm Validation Definition vào Data Context:

context.validation_definitions.add(
    validation_definition
)

Tạo Checkpoint:

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

Chạy Checkpoint:

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

Kiểm tra kết quả Checkpoint:

checkpoint_results.success

Chương 3: GX trong thực tế

Cập nhật Expectation Suite

Sao chép Kỳ vọng:

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

Kiểm tra Kỳ vọng có trong Suite:

expectation in suite.expectations

Xóa Kỳ vọng:

suite.delete_expectation(expectation)

Cập nhật giá trị của Kỳ vọng:

expectation.value = new_value

Lưu thay đổi cho Kỳ vọng:

expectation.save()

Lưu thay đổi cho Expectation Suite:

suite.save()

Chương 3: GX trong thực tế

Quản lý thành phần

Thêm thành phần vào Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Lấy một thành phần:

.get(name: str)

Liệt kê thành phần:

.all()

Xóa một thành phần:

.delete(name: str)

Chương 4: Mọi điều về Kỳ vọng

Kỳ vọng cơ bản theo cột

Kỳ vọng cấp hàng:

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

Kỳ vọng cấp tổng hợp:

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

Chương 4: Mọi điều về Kỳ vọng

Kỳ vọng theo kiểu dữ liệu

Kỳ vọng số:

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

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

Kỳ vọng chuỗi:

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

Chương 4: Mọi điều về Kỳ vọng

Kỳ vọng có điều kiện

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

Lời cuối

Tài nguyên:

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

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

Thư viện Expectation:

www.greatexpectations.io/expectations

Chúc mừng!

Nhập môn Data Quality với Great Expectations