Podsumowanie

Wprowadzenie do jakości danych z Great Expectations

Davina Moossazadeh

Data Scientist

Rozdział 1: Łączenie z danymi

Tworzenie Data Context

context = gx.get_context()

Rozdział 1: Łączenie z danymi

Łączenie z danymi

Utwórz Data Source z Data Context:

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

Utwórz Data Asset z Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Rozdział 1: Łączenie z danymi

Odczyt danych w partiach

Utwórz Batch Definition z Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Utwórz Batch z Batch Definition:

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

Pobierz wiersze DataFrame partii:

batch.head(fetch_all: bool)

Pobierz listę kolumn DataFrame partii:

batch.columns()

Rozdział 2: Definiowanie oczekiwań

Tworzenie oczekiwań

Utwórz oczekiwanie: gx.expectations.Expect...(...)

Utwórz oczekiwanie dotyczące liczby wierszy:

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

Waliduj oczekiwanie:

validation_results = batch.validate(
    expect=expectation
)

Sprawdź wyniki walidacji:

validation_results.describe()
validation_results.success
validation_results.result

Rozdział 2: Definiowanie oczekiwań

Oczekiwania dotyczące schematu

Oczekiwania kształtu:

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

Oczekiwania nazw kolumn:

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

Rozdział 2: Definiowanie oczekiwań

Tworzenie zestawu oczekiwań

Utwórz zestaw oczekiwań:

suite = gx.ExpectationSuite(name: str)

Dodaj oczekiwanie do zestawu:

suite.add_expectation(expectation)

Dostęp do oczekiwań zestawu:

suite.expectations

Waliduj zestaw oczekiwań:

validation_results = batch.validate(
    expect=suite
)

Sprawdź wyniki walidacji:

validation_results.success
validation_results.describe()

Rozdział 2: Definiowanie oczekiwań

Walidacja zestawów oczekiwań

Dodaj zestaw oczekiwań do Data Context:

context.suites.add(suite)

Utwórz definicję walidacji:

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

Uruchom walidację:

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

Sprawdź wyniki walidacji:

validation_results.success
validation_results.describe()

Rozdział 3: GX w praktyce

Wdrażanie definicji walidacji

Dodaj definicję walidacji do Data Context:

context.validation_definitions.add(
    validation_definition
)

Utwórz Checkpoint:

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

Uruchom Checkpoint:

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

Sprawdź wyniki Checkpointa:

checkpoint_results.success

Rozdział 3: GX w praktyce

Aktualizowanie zestawów oczekiwań

Skopiuj oczekiwanie:

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

Sprawdź, czy oczekiwanie jest w zestawie:

expectation in suite.expectations

Usuń oczekiwanie:

suite.delete_expectation(expectation)

Zaktualizuj wartość oczekiwania:

expectation.value = new_value

Zapisz zmiany w oczekiwaniu:

expectation.save()

Zapisz zmiany w zestawie oczekiwań:

suite.save()

Rozdział 3: GX w praktyce

Zarządzanie komponentami

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)

Wylistuj komponenty:

.all()

Usuń komponent:

.delete(name: str)

Rozdział 4: Wszystko o oczekiwaniach

Podstawowe oczekiwania kolumnowe

Oczekiwania na poziomie wiersza:

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

Oczekiwania na poziomie agregatów:

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

Rozdział 4: Wszystko o oczekiwaniach

Oczekiwania typowane

Oczekiwania numeryczne:

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

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

Oczekiwania tekstowe:

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

Rozdział 4: Wszystko o oczekiwaniach

Oczekiwania warunkowe

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

Słowo końcowe

Zasoby:

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

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

Galeria oczekiwań:

www.greatexpectations.io/expectations

Gratulacje!

Wprowadzenie do jakości danych z Great Expectations