Verwijder een Expectation

In deze oefening ga je oefenen met het verwijderen van een Expectation uit een Expectation Suite. De volgende variabelen zijn al gedefinieerd:

expectation: de te verwijderen Expectation
suite: de Expectation Suite met expectation
validation_definition: de Validation Definition voor de Expectation Suite
dataframe: de pandas-DataFrame om door de Validation Definition te laten lopen

Great Expectations en pandas zijn beschikbaar als respectievelijk gx en pd.

Deze oefening maakt deel uit van de cursus

Kennismaking met Datakwaliteit met Great Expectations

Cursus bekijken

Oefeninstructies

Verwijder de Expectation expectation uit de Expectation Suite.
Sla je wijzigingen in de Expectation Suite op.
Voer de Validation Definition opnieuw uit.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Delete the Expectation
suite.____(
  expectation=expectation
)

# Save changes
suite.____()

# Run the Validation Definition
validation_definition.run(
  batch_parameters={____: ____}
)

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Kennismaking met Datakwaliteit met Great Expectations

SkillTag.level.intermediateSkillTag.label

4.8+

Begin de cursus gratis

Understand why Great Expectations (GX) is such a powerful tool for monitoring data quality. Get familiar with the basics of GX, including how to start a session using a Data Context, and how to load in a pandas dataframe using a Data Source, Data Asset, and Batch Definition.

Exercise 1: Create a Data Context Exercise 2: Create your Data Context Exercise 3: Sneak Peek into GX Exercise 4: Keyword Definitions Exercise 5: Connect to Data Exercise 6: Concept Review Exercise 7: Create a Data Source and Data Asset Exercise 8: Read Data in Batches Exercise 9: Create a Batch Definition and Batch Exercise 10: Inspect your Batch

Create and evaluate basic shape and schema Expectations. Validate your Expectations either individually, as part of an Expectation Suite with a Batch Definition, or using a Validation Definition.

Exercise 1: Create Expectations Exercise 2: Establish a Column Count Expectation Exercise 3: Evaluate Validation Results Exercise 4: Schema Expectations Exercise 5: Establish a Column Name Expectation Exercise 6: Establish a Column Range Expectation Exercise 7: Create a Suite of Expectations Exercise 8: Create an Expectation Suite Exercise 9: Validate your Expectation Suite Exercise 10: Validate Expectation Suites Exercise 11: Create and Run a Validation Definition Exercise 12: Validation Definition vs. Batch Definition

Learn practical skills that will help you dominate the dynamic nature of Expectations in the real world. Deploy Validation Definitions using Checkpoints; update your Expectation Suites; and learn how to add, retrieve, list, and delete key GX components.

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

Huidige oefening

Exercise 7: Werk een Expectation bij Exercise 8: Onderdelen beheren Exercise 9: Componenten toevoegen en weergeven Exercise 10: Beheer een Checkpoint

Dive head-first into the world of Expectations. Practice creating basic column Expectations, row- and aggregate-level numeric Expectations, string and string parseability Expectations, and more. Learn how to apply Expectations to only some rows of a dataframe.

Exercise 1: Basic Column Expectations Exercise 2: Establish row-level Expectations Exercise 3: Establish aggregate-level Expectations Exercise 4: Type-Specific Expectations Exercise 5: Establish numeric Expectations Exercise 6: Establish string Expectations Exercise 7: Conditional Expectations Exercise 8: Write up a Conditional Expectation Exercise 9: Invert a Conditional Expectation Exercise 10: Wrap-Up