Läs data i batchar

Introduktion till datakvalitet med Great Expectations

Davina Moossazadeh

Data Scientist

Kaggle-väderdata

En pandas DataFrame med Kaggle-väderdata med kolumnerna "Location", "Date_Time", "Temperature_C", "Humidity_pct", "Precipitation_mm" och "Wind_Speed_kmh". DataFrame:en har 87 118 rader.

Batch Definitions

Batch Definition – En konfiguration för hur en Data Asset ska delas upp för testning

batch_definition = data_asset.add_batch_definition_whole_dataframe(

    name="my_batch_definition"
)

print(batch_definition)

id='69e2a81d-1c28-4d1a-b66e-52cdc1198266' 
name='my_batch_definition' 
partitioner=None

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

Batchar

Batch – En grupp poster som valideringar kan köras på

batch = batch_definition.get_batch(

    batch_parameters={"dataframe": dataframe}
)

Batchar

Batch-objektet

Du kan använda .head() precis som i pandas:

print(batch.head())

Screenshot 2024-07-16 at 11.49.00.png

¹ Tabell anpassad från https://www.kaggle.com/datasets/prasad22/weather-data

Batch-objektet

print(batch.head(fetch_all=True))

Screenshot 2024-07-22 at 14.02.00.png

Batch-objektet

.columns() visar alla DataFrame-kolumner (notera ())

print(batch.columns())

['Location',
 'Date_Time',
 'Temperature_C',
 'Humidity_pct',
 'Precipitation_mm',
 'Wind_Speed_kmh']

Facit

Skapa Batch Definition från Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Skapa Batch från Batch Definition:

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

Hämta rader ur Batch DataFrame:

batch.head(fetch_all: bool)

Hämta kolumnlista ur Batch DataFrame:

batch.columns()

Nu kör vi en övning!

Introduktion till datakvalitet med Great Expectations