Читання даних пакетами

Вступ до контролю якості даних із Great Expectations

Davina Moossazadeh

Data Scientist

Дані про погоду з Kaggle

DataFrame pandas із набором даних Kaggle Weather, зі стовпцями: "Location", "Date_Time", "Temperature_C", "Humidity_pct", "Precipitation_mm" та "Wind_Speed_kmh". DataFrame має 87 118 рядків.

Визначення пакетів

Batch Definition — конфігурація, що визначає, як ділити Data Asset для тестування

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/

Пакети

Batch — група записів, на яких можна запускати перевірки

batch = batch_definition.get_batch(

    batch_parameters={"dataframe": dataframe}
)

Пакети

Об'єкт Batch

Можна використовувати .head(), як у pandas:

print(batch.head())

Screenshot 2024-07-16 at 11.49.00.png

¹ Table adapted from https://www.kaggle.com/datasets/prasad22/weather-data

Об'єкт Batch

print(batch.head(fetch_all=True))

Screenshot 2024-07-22 at 14.02.00.png

Об'єкт Batch

.columns() показує всі стовпці DataFrame (зверніть увагу на ())

print(batch.columns())

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

Шпаргалка

Створити Batch Definition з Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Створити Batch з Batch Definition:

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

Отримати рядки DataFrame пакета:

batch.head(fetch_all: bool)

Отримати список стовпців DataFrame пакета:

batch.columns()

Давайте потренуємось!

Вступ до контролю якості даних із Great Expectations