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.

Crea un Data Context

Crea tu Data Context

Vista previa de GX

Definiciones clave

Conectar con los datos

Repaso de conceptos

Crea una Data Source y un Data Asset

Leer datos por lotes

Crea una Batch Definition y un Batch

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.

Crear Expectations

Establece una Expectation de conteo de columnas

Evaluar los resultados de validación

Expectativas de esquema

Establece una Expectation de nombre de columna

Establece una Expectation de rango de columnas

Crea un conjunto de Expectations

Crea un Expectation Suite

Valida tu Suite de Expectativas

Validar conjuntos de Expectations

Crear y ejecutar una Validation Definition

Validation Definition vs. Batch Definition

Definir Expectations

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.

Implementa Validation Definitions

Opciones

Checkpoint

Action

Data Docs

Comprobación de conceptos

Crea un Checkpoint

Actualizar Expectation Suites

Copiar una Expectation

Eliminar una Expectation

Actualizar una Expectation

Gestiona componentes

Añadir y listar componentes

Gestiona un Checkpoint

GX en la práctica

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.

Expectativas básicas de columna

Establecer Expectations a nivel de fila

Establece Expectations a nivel agregado

Expectativas específicas por tipo

Establece Expectations numéricas

Establece Expectations para cadenas

Expectativas condicionales

Escribe una Expectation condicional

Invierte una Expectation condicional

Cierre

Todo sobre las Expectations

weather_new.csv

movie_dataset.csv

life_expectancy.csv

renewable_new.csv

shein_footwear_clean.csv

Great Expectations es una potente biblioteca de Python para supervisar la calidad de los datos en flujos de trabajo de ciencia e ingeniería de datos. Aprende a conectar conjuntos de datos reales, aplicar, editar y eliminar Expectations, y crear canalizaciones para validar nuevos conjuntos de datos en producción. Explorarás Expectations para columnas numéricas y de texto y escribirás validaciones entre columnas. Al finalizar, tendrás la confianza para garantizar que tus datos cumplan los estándares de calidad.

Great Expectations es una potente herramienta para supervisar la calidad de los datos en los flujos de trabajo de ciencia e ingeniería de datos. La plataforma se puede integrar fácilmente en Python, lo que la convierte en una biblioteca útil que los usuarios de Python deben dominar.

En el núcleo de Great Expectations se encuentran las expectativas, o afirmaciones que deseas verificar sobre tus datos. Comenzarás este curso aprendiendo a conectarte a conjuntos de datos del mundo real y a aplicarles Expectations. A continuación, aprenderás a recuperar, editar y eliminar expectativas, así como a crear canalizaciones para aplicar expectativas a nuevos conjuntos de datos en una implementación de producción.

Por último, aprenderás sobre tipos específicos de expectativas, como las de columnas numéricas y de cadena, y cómo escribir expectativas de una columna condicionales a los valores de otras columnas.

Al finalizar este curso, tendrás una base sólida sobre la biblioteca Python Great Expectations. Podrás utilizar las funciones principales de la plataforma para supervisar la calidad de tus datos y podrás utilizarlos con la seguridad de que cumplen tus estándares de calidad.

Data Manipulation with pandas

Asegura alta calidad de datos en flujos de ciencia e ingeniería de datos con la librería Great Expectations.

Introducción a la calidad de datos con Great Expectations

Garantiza la alta calidad de los datos en flujos de trabajo de ciencia e ingeniería de datos con la biblioteca Great Expectations de Python.

Ingeniero de Aprendizaje Automático

Un objeto que agrupa Validation Definitions y las ejecuta con parámetros compartidos

Un componente configurable en los Checkpoints que integra Great Expectations con otras herramientas basándose en un Validation Result

Sitio web estático generado a partir de metadatos de Great Expectations que detalla Expectations, Validation Results, etc.

Comprobación de conceptos

Introducción a la calidad de datos con Great Expectations

ejercicio interactivo práctico