Datentypen prüfen

Im Datenzeitalter haben wir Zugriff auf mehr Attribute als je zuvor. Um all diese zu handhaben, bauen wir viel Automatisierung auf – mindestens genauso wichtig ist jedoch, dass ihre Datentypen korrekt sind. In dieser Übung validieren wir ein Dictionary mit Attributen und ihren Datentypen, um zu prüfen, ob sie stimmen. Dieses Dictionary ist in der Variablen validation_dict gespeichert und steht dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering mit PySpark</Kurs>

Kurs ansehen

Übungsanweisungen

Erzeuge aus df mit dtypes eine Liste von Tupeln aus Attribut und Datentyp namens actual_dtypes_list.
Iteriere über actual_dtypes_list und prüfe, ob die Spaltennamen im Dictionary der erwarteten Datentypen validation_dict existieren.
Für die Schlüssel, die im Dictionary vorhanden sind, prüfe die Datentypen und gib diejenigen aus, die übereinstimmen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# create list of actual dtypes to check
actual_dtypes_list = df.____
print(actual_dtypes_list)

# Iterate through the list of actual dtypes tuples
for attribute_tuple in ____:
  
  # Check if column name is dictionary of expected dtypes
  col_name = attribute_tuple[____]
  if col_name in ____:

    # Compare attribute types
    col_type = attribute_tuple[____]
    if col_type == validation_dict[____]:
      print(col_name + ' has expected dtype.')

Code bearbeiten und ausführen