Базові очікування для стовпців

Вступ до контролю якості даних із Great Expectations

Davina Moossazadeh

Data Scientist

Набір даних Shein Footwear

Перші пʼять рядків набору даних Kaggle «Shein Footwear», завантаженого в pandas. DataFrame має такі стовпці: "name", "link", "price_usd", "mark_price_usd", "star_rating", "colour", "seller_name", "review_count", "sku_id" і "hero_image".

¹ https://www.kaggle.com/datasets/atharvataras/shein-footwear-dataset

Очікування на рівні рядка

Очікування на рівні рядка застосовуються до кожного рядка окремо
- виконуються лише якщо умова істинна для кожного рядка

Очікування на рівні рядка

Очікування на відсутність пропусків

gx.expectations.ExpectColumnValuesToNotBeNull(
    column="colour"
)

Очікування типу

gx.expectations.ExpectColumnValuesToBeOfType(
    column="review_count", type_="str"
)

Очікування на рівні агрегування: набір різних значень

Очікування на унікальні значення множини

gx.expectations.ExpectColumnDistinctValuesToEqualSet(
    column="seller_name", value_set={"Womens Shoes"}
)

Очікування на рівні агрегування: кількість унікальних значень

Очікування на кількість унікальних значень

gx.expectations.ExpectColumnUniqueValueCountToBeBetween(
    column="review_count", min_value=5, max_value=101
)

Очікування на рівні агрегування: унікальність

Очікування унікальності

gx.expectations.ExpectColumnValuesToBeUnique(
    column="sku_id"
)

Очікування на рівні агрегування: мода

Очікування за модою

gx.expectations.ExpectColumnMostCommonValueToBeInSet(
    column="colour", value_set={"Khaki", "Purple", "Grey"}
)

Шпаргалка

Очікування на рівні рядка:

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

Очікування на рівні агрегування:

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

Давайте потренуємось!

Вступ до контролю якості даних із Great Expectations