Schemas testen

Das Team hat die Werte im expected-DataFrame korrigiert, aber Polars hat total_checkouts als 64-Bit interpretiert, während die Pipeline 32-Bit erzeugt. Die beiden Schemas werden für dich ausgegeben, damit du die Abweichung siehst. Korrigiere den erwarteten Datentyp und überprüfe dann, dass die Schemas übereinstimmen.

actual, expected und assert_schema_equal sind vorab geladen.

Diese Übung ist Teil des Kurses

<Kurs>Skalieren und Optimieren von Data-Pipelines mit Polars</Kurs>

Kurs ansehen

Übungsanweisungen

Caste total_checkouts in expected zu pl.Int32.
Überprüfe per Assertion, dass die Schemas von actual und expected gleich sind.

Interaktive praktische Übung

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

# Match the dtype the pipeline produces
expected = expected.with_columns(
    pl.col("total_checkouts").cast(pl.____)
)

# Schema-level assertion
____(actual.schema, expected.schema)
print("Schema assertion passed.")
print(actual.schema)

Code bearbeiten und ausführen