Validarea suitelor de așteptări

Introducere în calitatea datelor cu Great Expectations

Davina Moossazadeh

Data Scientist

Definiții de validare

Definiție de validare - O referință care leagă o suită de așteptări de datele pe care le descrie

Schemă care ilustrează o definiție de validare cu Date și Suitele de așteptări ca intrări și Rezultatele validării ca ieșire.

¹ https://docs.greatexpectations.io/docs/core/run_validations/create_a_validation_definition/

Crearea unei definiții de validare

Creați o definiție de validare cu clasa ValidationDefinition:

validation_definition = gx.ValidationDefinition(

    name="my_validation_definition",

    data=batch_definition,

    suite=suite, 
)

print(validation_definition)

Vizualizarea unei definiții de validare

name='my_validation_definition' 
data=BatchDefinition(
    id='1fcb36d6-fac6-4b9a-8ba6-a659978fd59e', 
    name='my_batch_definition', 
    partitioner=None
) 
suite={
  "name": "my_suite",
  "id": "0a123b9c-e370-4b18-b703-785dde88732d",
  "expectations": [],
  "meta": {"great_expectations_version": "1.2.4"},
  "notes": null
} 
id=None

Vizualizarea unei definiții de validare

print(validation_definition.name)

'my_validation_definition'

print(validation_definition.data)

id='1fcb36d6-fac6-4b9a-8ba6-a659978fd59e' 
name='my_batch_definition' 
partitioner=None

print(validation_definition.suite)

{
  "name": "my_suite",
  "id": "0a123b9c-e370-4b18-b703-785dde88732d",
  "expectations": [],
  "meta": {"great_expectations_version": "1.2.4"},
  "notes": null
}

print(validation_definition.id)

None

Vizualizarea unei definiții de validare

print(validation_definition.data_source)

assets:
  - batch_definitions:
      - name: my_batch_definition
        partitioner: null
    batch_metadata: {}
    id: 83682084-3bc4-4898-a807-fadc0f911415
    name: 'my_dataframe_asset'
    type: dataframe
id: f71d275e-a5b2-402e-a53c-8dad6975cce5
name: 'my_pandas_data_source'
type: pandas

Rularea unei definiții de validare

Rulați o validare folosind metoda .run() a definiției, transmițând DataFrame-ul prin batch_parameters:

validation_results = validation_definition.run(

    batch_parameters={"dataframe": dataframe}
)

Erori ale definiției de validare

Observați eroarea:

ValidationDefinitionRelatedResourcesFreshnessError:
ExpectationSuite 'my_suite' must be added to the DataContext before it can be 
updated. Please call `context.suites.add(<SUITE_OBJECT>)`, then try your action 
again.

Rularea unei definiții de validare înainte de adăugarea suitei de așteptări în Data Context generează o eroare

Adăugarea unei suite de așteptări

Adăugați o sută de așteptări în Data Context folosind .suites.add():

suite = context.suites.add(

    suite=suite
)

Evaluarea unei definiții de validare

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

Calculating Metrics: 0/0 [00:00<?, ?it/s]

print(validation_results.success)

False

print(validation_results.describe())

Evaluarea unei definiții de validare

{ "success": false,
  "statistics": {
    "evaluated_expectations": 1, "successful_expectations": 0,
    "unsuccessful_expectations": 1, "success_percent": 0.0
  },
  "expectations": [{
    "expectation_type": "expect_table_row_count_to_equal",
    "success": false,
    "kwargs": {"batch_id": ""my_datasource-my_dataframe_asset", "value": 118000}, 
    "result": {"observed_value": 11866}}
  ],
  "result_url": "https://app.greatexpectations.io/organizations/my_org/data-assets/*/validations/expectation-suites/0a123b9c-e370-4b18-b703-785dde88732d/results/cb093105-6ede-47d4-a141-dee10c632e18"
}

O notă despre GX

Great Expectations oferă mai multe fluxuri de lucru pentru sarcini similare
- ex.: Batch Definitions vs. Validation Definitions
Acest curs oferă o înțelegere generală, dar implementările alternative GX pot utiliza abordări diferite

Fișă de referință

Adăugați suita de așteptări în Data Context:

context.suites.add(suite)

Creați o definiție de validare:

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

Rulați validarea:

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

Verificați rezultatele validării:

validation_results.success
validation_results.describe()

Să exersăm!

Introducere în calitatea datelor cu Great Expectations