Villkorliga förväntningar

Introduktion till datakvalitet med Great Expectations

Davina Moossazadeh

Data Scientist

Vad är villkorliga förväntningar?

Villkorliga förväntningar – förväntningar för en delmängd av data

Varför? Vissa variabler beror på värdena hos andra variabler

Exempel:

  • En förväntning om att kolumnen star_rating måste ha värdet 0 för alla rader där review_count är 0
1 https://docs.greatexpectations.io/docs/core/customize_expectations/expectation_conditions/
Introduktion till datakvalitet med Great Expectations

Syntax för villkorliga förväntningar

Datamängdsförväntningar kan konverteras till villkorliga förväntningar med två extra argument:

  1. row_condition
    • ett booleskt uttryck som sträng och som definierar den datadelmängd som förväntningen ska tillämpas på
  2. condition_parser
    • en sträng som definierar syntaxen för row_condition
Introduktion till datakvalitet med Great Expectations

Condition parser

Vid villkorliga förväntningar med pandas måste detta argument sättas till "pandas"

expectation = gx.Expect...(
    **kwargs,
    condition_parser="pandas",
    row_condition=...
)
Introduktion till datakvalitet med Great Expectations

Radvillkoret

pandas-syntax
df["foo"] == 'Two Two'

df["foo"].notNull()

df["foo"] <= datetime.date(2023, 3, 13)

(df["foo"] < 5) & (df["foo"] >= 3.14)


df["foo"].str.startswith("bar")
Great Expectations row_condition
'foo == "Two Two"'

'foo.notNull()'

'foo <= datetime.date(2023, 3, 13)'

'(foo > 5) & (foo <= 3.14)'
'foo > 5 and foo <= 3.14'

'foo.str.startswith("bar")'
Introduktion till datakvalitet med Great Expectations

Radvillkoret

Regler

  1. Använd inte enkla citattecken inuti

    • row_condition="foo=='Two Two'"
    • row_condition='foo=="Two Two"' Bockmarkering som indikerar att syntaxen för `row_condition` i den andra punkten är korrekt.

  2. Använd inte radbrytningar inuti

    • row_condition="""
foo=="Two Two"
"""
    • row_condition='foo=="Two Two"' Bockmarkering som indikerar att syntaxen för `row_condition` i den andra punkten är korrekt.
Introduktion till datakvalitet med Great Expectations

Exempelförväntning: stjärnbetyg

Utan villkor
expectation = gx.expectations.\
ExpectColumnValuesToBeBetween(
    column="price_usd",
    max_value=10,
)
validation_results = batch.validate(
    expect=expectation
)
print(validation_results.success)

False
Villkorlig
expectation = gx.expectations.\
ExpectColumnValuesToBeBetween(
    column="price_usd",
    max_value=10,
    condition_parser='pandas',
    row_condition='mark_price_usd < 10',
)
validation_results = batch.validate(
    expect=expectation
)
print(validation_results.success)

True
Introduktion till datakvalitet med Great Expectations

Nu kör vi en övning!

Introduktion till datakvalitet med Great Expectations

Preparing Video For Download...