Zarządzanie komponentami

Wprowadzenie do jakości danych z Great Expectations

Davina Moossazadeh

Data Scientist

Komponenty

Komponenty GX – klasy Pythona reprezentujące dane i encje walidacji danych

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

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

Zarządzanie komponentami w GX

Data Sources:

łączą się z danymi i zawierają Data Assets

Expectation Suites:

przechowują Expectations

Validation Definitions:

walidują Expectations względem danych

Checkpoints:

grupują i automatyzują walidacje

context.data_sources

context.suites

context.validation_definitions

context.checkpoints

Dodawanie komponentów

Expectation Suite:

suite = context.suites.add(suite)

Validation Definition:

validation_definition = context.validation_definitions.add(validation_definition)

Checkpoint:

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

Dodawanie Data Source

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

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

Dodawanie pandas Data Source

Użyj .add_pandas(), aby skonfigurować Data Source dla DataFrames pandas:

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

Pobieranie komponentów

Pobierz komponenty za pomocą .get(), podając parametr 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

Pobieranie komponentów

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"
)

Listowanie komponentów

Użyj .all(), aby wylistować wszystkie komponenty w Data Context, wraz z ich nazwami i metadanymi:

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=[]
    )
}

Listowanie komponentów

Data Sources:

context.data_sources.all()

Expectation Suites:

context.suites.all()

Validation Definitions:

context.validation_definitions.all()

Checkpoints:

context.checkpoints.all()

Usuwanie komponentów

Użyj .delete(), aby usunąć komponenty, podając ich nazwę:

context.<COMPONENT>s.delete(

    name: str
)

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

print(context.data_sources.all())

{}

Usuwanie komponentów

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"
)

Ściągawka

Dodaj komponent do Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Pobierz komponent:

.get(name: str)

Listuj komponenty:

.all()

Usuń komponent:

.delete(name: str)

Czas na ćwiczenia!

Wprowadzenie do jakości danych z Great Expectations