コンポーネントを管理する

Great Expectationsで始めるデータ品質入門

Davina Moossazadeh

Data Scientist

コンポーネント

「GX コンポーネント」— データとデータ検証のエンティティを表す Python クラス

Data Context
Data Sources と Data Assets
Batch Definitions と Batches
Expectations
Expectation Suites
Validation Definitions
Checkpoints と Actions
Data Docs

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

GX のコンポーネント管理

【Data Sources】

データへ接続し、Data Assets を保持

【Expectation Suites】

Expectations を格納

【Validation Definitions】

データに対して Expectations を検証

【Checkpoints】

Validation をまとめて自動化

context.data_sources

context.suites

context.validation_definitions

context.checkpoints

コンポーネントを追加

Expectation Suite:

suite = context.suites.add(suite)

Validation Definition:

validation_definition = context.validation_definitions.add(validation_definition)

Checkpoint:

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

Data Source を追加

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

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

pandas の Data Source を追加

.add_pandas() を使うと、pandas DataFrame 用の Data Source を簡単に設定できます:

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

コンポーネントの取得

.get() で name を指定してコンポーネントを取得:

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

コンポーネントの取得

Data Sources:

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

Expectation Suites:

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

Validation Definitions:

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

Checkpoints:

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

コンポーネントの一覧

.all() で Data Context 内の全コンポーネント（名前・メタデータ）を一覧:

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=[]
    )
}

コンポーネントの一覧

Data Sources:

context.data_sources.all()

Expectation Suites:

context.suites.all()

Validation Definitions:

context.validation_definitions.all()

Checkpoints:

context.checkpoints.all()

コンポーネントの削除

.delete() で name を指定してコンポーネントを削除:

context.<COMPONENT>s.delete(

    name: str
)

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

print(context.data_sources.all())

{}

コンポーネントの削除

Data Sources:

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

Expectation Suites:

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

Validation Definitions:

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

Checkpoints:

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

チートシート

コンポーネントを Data Context に追加:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

コンポーネントを取得:

.get(name: str)

一覧表示:

.all()

削除:

.delete(name: str)

Passons à la pratique !

Great Expectationsで始めるデータ品質入門