Schrijf een Conditionele Expectation

Als je naar de Shein-gegevensset kijkt, kun je vast een paar conditionele Expectations bedenken. Eén zo’n Expectation kan zijn dat de star_rating van een product 0.0 moet zijn als het product geen reviews heeft. Laten we oefenen met het opstellen van deze conditionele Expectation.

Er is al een Batch gekoppeld aan de Shein Footwear-gegevensset en deze is toegewezen aan de variabele batch. Great Expectations en pandas zijn beschikbaar als gx en pd.

Deze oefening maakt deel uit van de cursus

Kennismaking met Datakwaliteit met Great Expectations

Bekijk cursus

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Establish Conditional Expectation
expectation = gx.expectations.ExpectColumnValuesToBeInSet(
    column='____',
    value_set={____},
    condition_parser='pandas',
    row_condition='____==0',
)

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Kennismaking met Datakwaliteit met Great Expectations

SkillTag.level.intermediateSkillTag.label

4.8+

373 reviews

Begin gratis met de cursus

Begrijp waarom Great Expectations (GX) zo’n krachtig hulpmiddel is voor het monitoren van datakwaliteit. Maak kennis met de basis van GX, waaronder hoe je een sessie start met een Data Context en hoe je een pandas-dataframe inlaadt met behulp van een Data Source, Data Asset en Batch Definition.

Exercise 1: Een Data Context maken Exercise 2: Maak je Data Context Exercise 3: Sneak peek van GX Exercise 4: Definities van kernbegrippen Exercise 5: Verbinden met data Exercise 6: Conceptcheck Exercise 7: Maak een Data Source en Data Asset Exercise 8: Gegevens in batches lezen Exercise 9: Maak een Batch Definition en een Batch Exercise 10: Inspecteer je Batch

Maak en evalueer basis-Expectations voor vorm en schema. Valideer je Expectations afzonderlijk, als onderdeel van een Expectation Suite met een Batch Definition, of met een Validation Definition.

Exercise 1: Expectations maken Exercise 2: Stel een Expectation voor het aantal kolommen in Exercise 3: Validatieresultaten evalueren Exercise 4: Schema-verwachtingen Exercise 5: Maak een Expectation voor een kolomnaam Exercise 6: Stel een kolombereik-Expectation op Exercise 7: Maak een set Expectations Exercise 8: Maak een Expectation Suite Exercise 9: Valideer je Expectation Suite Exercise 10: Validatie van Expectation Suites Exercise 11: Maak en voer een Validation Definition uit Exercise 12: Validation Definition vs. Batch Definition

Leer praktische vaardigheden die je helpen om te gaan met de dynamische aard van Expectations in de echte wereld. Implementeer Validation Definitions met Checkpoints, werk je Expectation Suites bij en leer hoe je belangrijke GX-componenten toevoegt, ophaalt, lijst en verwijdert.

Exercise 1: Validatiedefinities implementeren Exercise 2: Conceptcheck Exercise 3: Maak een Checkpoint Exercise 4: Expectation Suites bijwerken Exercise 5: Kopieer een Expectation Exercise 6: Verwijder een Expectation Exercise 7: Werk een Expectation bij Exercise 8: Onderdelen beheren Exercise 9: Componenten toevoegen en weergeven Exercise 10: Beheer een Checkpoint

Duik vol erin in de wereld van Expectations. Oefen met het maken van basis-Expectations op kolommen, numerieke Expectations op rij- en aggregatieniveau, tekst- en tekst-parseerbaarheid-Expectations en meer. Leer hoe je Expectations alleen op bepaalde rijen van een dataframe toepast.

Exercise 1: Basis-Expectations voor kolommen Exercise 2: Stel Expectations op rijniveau op Exercise 3: Stel aggregatieniveau-Expectations op Exercise 4: Type-specifieke Expectations Exercise 5: Stel numerieke Expectations op Exercise 6: Stel string-Expectations op Exercise 7: Conditionele Expectations Exercise 8: Schrijf een Conditionele Expectation

Huidige oefening

Exercise 9: Keer een voorwaardelijke Expectation om Exercise 10: Afronding