Підсумок

Вступ до контролю якості даних із Great Expectations

Davina Moossazadeh

Data Scientist

Розділ 1: Під'єднання до даних

Створіть Data Context

context = gx.get_context()

Розділ 1: Під'єднання до даних

Під'єднайтесь до даних

Створіть Data Source з Data Context:

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

Створіть Data Asset з Data Source:

data_asset = data_source.add_dataframe_asset(
    name: str
)

Розділ 1: Під'єднання до даних

Читайте дані пакетами

Створіть Batch Definition з Data Asset:

batch_definition = data_asset. \
add_batch_definition_whole_dataframe(
  name: str
)

Створіть Batch з Batch Definition:

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

Отримайте перші рядки Batch DataFrame:

batch.head(fetch_all: bool)

Отримайте список стовпців Batch DataFrame:

batch.columns()

Розділ 2: Формування Expectations

Створюйте Expectations

Створіть Expectation: gx.expectations.Expect...(...)

Створіть Expectation для кількості рядків:

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

Перевірте Expectation:

validation_results = batch.validate(
    expect=expectation
)

Перегляньте результати перевірки:

validation_results.describe()
validation_results.success
validation_results.result

Розділ 2: Формування Expectations

Schema Expectations

Очікування форми таблиці:

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

Очікування для назв стовпців:

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

Розділ 2: Формування Expectations

Створіть набір Expectations

Створіть Expectation Suite:

suite = gx.ExpectationSuite(name: str)

Додайте Expectation до набору:

suite.add_expectation(expectation)

Доступ до Expectations у наборі:

suite.expectations

Перевірте Expectation Suite:

validation_results = batch.validate(
    expect=suite
)

Перегляньте результати перевірки:

validation_results.success
validation_results.describe()

Розділ 2: Формування Expectations

Перевіряйте набори Expectations

Додайте Expectation Suite до Data Context:

context.suites.add(suite)

Створіть Validation Definition:

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

Запустіть перевірку:

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

Перегляньте результати перевірки:

validation_results.success
validation_results.describe()

Розділ 3: GX на практиці

Розгорніть Validation Definitions

Додайте Validation Definition до Data Context:

context.validation_definitions.add(
    validation_definition
)

Створіть Checkpoint:

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

Запустіть Checkpoint:

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

Перевірте результати Checkpoint:

checkpoint_results.success

Розділ 3: GX на практиці

Оновлюйте Expectation Suites

Скопіюйте Expectation:

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

Перевірте, чи Expectation у наборі:

expectation in suite.expectations

Вилучіть Expectation:

suite.delete_expectation(expectation)

Оновіть значення Expectation:

expectation.value = new_value

Збережіть зміни в Expectation:

expectation.save()

Збережіть зміни в Expectation Suite:

suite.save()

Розділ 3: GX на практиці

Керуйте компонентами

Додайте компонент до Data Context:

context.data_sources.add(data_source)

context.suites.add(suite)

context.validation_definitions.add(
    validation_definition
)

context.checkpoints.add(checkpoint)

Отримайте компонент:

.get(name: str)

Список компонентів:

.all()

Вилучіть компонент:

.delete(name: str)

Розділ 4: Усе про Expectations

Базові очікування для стовпців

Рівень рядків:

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

Агреговані очікування:

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

Розділ 4: Усе про Expectations

Очікування для конкретних типів

Числові очікування:

ExpectColumn<METRIC>ToBeBetween(
  column: str, min_value: int, max_value: int
)
# <METRIC> у 
# {"Mean", "Median", "Stdev", "Sum"}

ExpectColumnValuesToBeBetween(
  column: str, min_value: int, max_value: int
)
ExpectColumnValuesToBeIncreasing(column: str)
ExpectColumnValuesToBeDecreasing(column: str)

Рядкові очікування:

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

Розділ 4: Усе про Expectations

Умовні Expectations

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

Наостанок

Ресурси:

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

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

Expectation Gallery:

www.greatexpectations.io/expectations

Вітаємо!

Вступ до контролю якості даних із Great Expectations