Подведение итогов

Введение в качество данных с Great Expectations

Davina Moossazadeh

Data Scientist

Глава 1: Подключение к данным

Создание Data Context

context = gx.get_context()

Глава 1: Подключение к данным

Подключение к данным

Создание Data Source из Data Context:

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

Создание Data Asset из Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Глава 1: Подключение к данным

Чтение данных пакетами

Создание Batch Definition из Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Создание Batch из Batch Definition:

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

Получение строк DataFrame пакета:

batch.head(fetch_all: bool)

Получение списка столбцов DataFrame пакета:

batch.columns()

Глава 2: Формирование ожиданий

Создание ожиданий

Создание ожидания: gx.expectations.Expect...(...)

Создание ожидания по количеству строк:

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

Проверка ожидания:

validation_results = batch.validate(
    expect=expectation
)

Просмотр результатов проверки:

validation_results.describe()
validation_results.success
validation_results.result

Глава 2: Формирование ожиданий

Ожидания к схеме

Ожидания к форме таблицы:

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

Ожидания к именам столбцов:

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

Глава 2: Формирование ожиданий

Создание набора ожиданий

Создание набора ожиданий (Expectation Suite):

suite = gx.ExpectationSuite(name: str)

Добавление ожидания в набор:

suite.add_expectation(expectation)

Доступ к ожиданиям набора:

suite.expectations

Проверка набора ожиданий:

validation_results = batch.validate(
    expect=suite
)

Просмотр результатов проверки:

validation_results.success
validation_results.describe()

Глава 2: Формирование ожиданий

Запуск проверки наборов ожиданий

Добавление набора ожиданий в Data Context:

context.suites.add(suite)

Создание Validation Definition:

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

Запуск проверки:

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

Просмотр результатов проверки:

validation_results.success
validation_results.describe()

Глава 3: GX на практике

Развёртывание Validation Definition

Добавление Validation Definition в Data Context:

context.validation_definitions.add(
    validation_definition
)

Создание Checkpoint:

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

Запуск Checkpoint:

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

Просмотр результатов Checkpoint:

checkpoint_results.success

Глава 3: GX на практике

Обновление наборов ожиданий

Копирование ожидания:

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

Проверка наличия ожидания в наборе:

expectation in suite.expectations

Удаление ожидания:

suite.delete_expectation(expectation)

Обновление значения ожидания:

expectation.value = new_value

Сохранение изменений ожидания:

expectation.save()

Сохранение изменений набора ожиданий:

suite.save()

Глава 3: GX на практике

Управление компонентами

Добавление компонента в Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Получение компонента:

.get(name: str)

Список компонентов:

.all()

Удаление компонента:

.delete(name: str)

Глава 4: Всё об ожиданиях

Базовые ожидания к столбцам

Ожидания на уровне строк:

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

Ожидания на уровне агрегатов:

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

Глава 4: Всё об ожиданиях

Ожидания для конкретных типов данных

Числовые ожидания:

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)

Строковые ожидания:

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

Глава 4: Всё об ожиданиях

Условные ожидания

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

Заключение

Ресурсы:

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

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

Галерея ожиданий:

www.greatexpectations.io/expectations

Поздравляем!

Введение в качество данных с Great Expectations