Invierte una Expectation condicional

Es importante recordar que, al igual que con la probabilidad condicional, las Expectations condicionales no tienen por qué ser iguales a su inversa. Una Expectation sobre la columna A condicionada por la columna B puede cumplirse, pero su inversa puede no hacerlo. Vamos a explorarlo en este ejercicio.

Ya se ha creado un Batch conectado al conjunto de datos de Shein Footwear y se ha asignado a la variable batch. Great Expectations y pandas están disponibles como gx y pd, respectivamente.

Este ejercicio forma parte del curso

Introducción a la calidad de datos con Great Expectations

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Establish Conditional Expectation
expectation = gx.expectations.ExpectColumnValuesToBeInSet(
    column=____,
    value_set=____,
    condition_parser='pandas',
    row_condition='____.isnull()',
)

# Run Expectation
results = batch.____(____=____)

# Print success status
print(results.success)

Editar y ejecutar código

Este ejercicio forma parte del curso

Introducción a la calidad de datos con Great Expectations

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

Comprende por qué Great Expectations (GX) es una herramienta tan potente para supervisar la calidad de los datos. Familiarízate con los fundamentos de GX, incluido cómo iniciar una sesión usando un Data Context y cómo cargar un dataframe de pandas usando un Data Source, un Data Asset y una Batch Definition.

Exercise 1: Crea un Data Context Exercise 2: Crea tu Data Context Exercise 3: Vista previa de GX Exercise 4: Definiciones clave Exercise 5: Conectar con los datos Exercise 6: Repaso de conceptos Exercise 7: Crea una Data Source y un Data Asset Exercise 8: Leer datos por lotes Exercise 9: Crea una Batch Definition y un Batch Exercise 10: Inspecciona tu Batch

Crea y evalúa Expectations básicas sobre forma y esquema. Valida tus Expectations de manera individual, como parte de una Expectation Suite con una Batch Definition, o usando una Validation Definition.

Exercise 1: Crear Expectations Exercise 2: Establece una Expectation de conteo de columnas Exercise 3: Evaluar los resultados de validación Exercise 4: Expectativas de esquema Exercise 5: Establece una Expectation de nombre de columna Exercise 6: Establece una Expectation de rango de columnas Exercise 7: Crea un conjunto de Expectations Exercise 8: Crea un Expectation Suite Exercise 9: Valida tu Suite de Expectativas Exercise 10: Validar conjuntos de Expectations Exercise 11: Crear y ejecutar una Validation Definition Exercise 12: Validation Definition vs. Batch Definition

Aprende habilidades prácticas que te ayudarán a dominar la naturaleza dinámica de las Expectations en el mundo real. Despliega Validation Definitions usando Checkpoints; actualiza tus Expectation Suites; y aprende a añadir, recuperar, listar y eliminar componentes clave de GX.

Exercise 1: Implementa Validation Definitions Exercise 2: Comprobación de conceptos Exercise 3: Crea un Checkpoint Exercise 4: Actualizar Expectation Suites Exercise 5: Copiar una Expectation Exercise 6: Eliminar una Expectation Exercise 7: Actualizar una Expectation Exercise 8: Gestiona componentes Exercise 9: Añadir y listar componentes Exercise 10: Gestiona un Checkpoint

Sumérgete de lleno en el mundo de las Expectations. Practica la creación de Expectations básicas de columna, Expectations numéricas a nivel de fila y agregación, Expectations de cadenas y de capacidad de análisis de cadenas, y más. Aprende a aplicar Expectations solo a algunas filas de un dataframe.

Exercise 1: Expectativas básicas de columna Exercise 2: Establecer Expectations a nivel de fila Exercise 3: Establece Expectations a nivel agregado Exercise 4: Expectativas específicas por tipo Exercise 5: Establece Expectations numéricas Exercise 6: Establece Expectations para cadenas Exercise 7: Expectativas condicionales Exercise 8: Escribe una Expectation condicional Exercise 9: Invierte una Expectation condicional

Ejercicio actual

Exercise 10: Cierre