架构期望

使用 Great Expectations 的数据质量入门

Davina Moossazadeh

Data Scientist

形状与架构期望

"期望"(Expectation)——对数据的可验证断言

  • 列期望
  • 形状与架构期望
    • 架构(schema)——数据集结构的蓝图
1 https://docs.greatexpectations.io/docs/reference/learn/terms/expectation
使用 Great Expectations 的数据质量入门

行数

row_count_expectation = gx.expectations.ExpectTableRowCountToEqual(
    value=118000
)

validation_results = batch.validate(expect=row_count_expectation)
print(validation_results.success)
False
print(validation_results.result)
{'observed_value': 118066}
使用 Great Expectations 的数据质量入门

行数范围

使用 ExpectTableRowCountToBeBetween 为行数设定范围:

row_count_expectation = gx.expectations.ExpectTableRowCountToBeBetween(

min_value=117000, max_value=119000 )
validation_results = batch.validate(expect=row_count_expectation)
print(validation_results.success)
True
print(validation_results.result)
{'observed_value': 118066}
使用 Great Expectations 的数据质量入门

列数

col_count_expectation = gx.expectations.ExpectTableColumnCountToEqual(
    value=15
)
validation_results = batch.validate(expect=col_count_expectation)
print(validation_results.success)
False
print(validation_result.result)
{'observed_value': 18}
使用 Great Expectations 的数据质量入门

列数范围

使用 ExpectTableColumnCountToBeBetween 为列数设定范围:

col_count_expectation = gx.expectations.ExpectTableColumnCountToBeBetween(
    min_value=14, max_value=18
)
validation_results = batch.validate(expect=col_count_expectation)
print(validation_results.success)
True
print(validation_result.result)
{'observed_value': 18}
使用 Great Expectations 的数据质量入门

列名集合

使用 ExpectTableColumnsToMatchSet 将列名与给定集合比对:

expected_cols = ['clouds_all', 'snow_1h', 'rain_1h', 'wind_speed', 'humidity', 
'pressure', 'temp', 'GHI', 'Energy delta[Wh]', 'Time', 'Time']

col_names_expectation = gx.expectations.ExpectTableColumnsToMatchSet( column_set=expected_cols )
print(col_names_expectation.success, col_names_expectation.result)
True 
{'observed_value': ['Time', 'Energy delta[Wh]', 'GHI', 'temp', 'pressure',
'humidity', 'wind_speed', 'rain_1h', 'snow_1h', 'clouds_all'}
使用 Great Expectations 的数据质量入门

单列名称

使用 ExpectColumnToExist 检查数据集中是否存在指定列:

col_name_expectation = gx.expectations.ExpectColumnToExist(column="not_a_column")
validation_result = batch.validate(expect=col_name_expectation)
print(validation_result.success)
False
col_name_expectation = gx.expectations.ExpectColumnToExist(column="GHI")
validation_result = batch.validate(expect=col_name_expectation)
print(validation_result.success)
True
使用 Great Expectations 的数据质量入门

速查表

形状期望:

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

列名期望:

ExpectTableColumnsToMatchSet(
    column_set: set
)
ExpectColumnToExist(column: str)
使用 Great Expectations 的数据质量入门

Passons à la pratique !

使用 Great Expectations 的数据质量入门

Preparing Video For Download...