Verificarea tipurilor de date

În era datelor, avem acces la mai multe atribute ca niciodată. Pentru a le gestiona eficient, vom construi numeroase mecanisme de automatizare – însă cel mai important este ca tipurile lor de date să fie corecte. În acest exercițiu vei valida un dicționar de atribute și tipurile lor de date pentru a verifica dacă acestea sunt corecte. Dicționarul este stocat în variabila validation_dict și este disponibil în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Feature Engineering cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind df, creează o listă de tupluri cu atribute și tipuri de date folosind dtypes, numită actual_dtypes_list.
Iterează prin actual_dtypes_list, verificând dacă numele coloanelor există în dicționarul de tipuri de date așteptate validation_dict.
Pentru cheile care există în dicționar, verifică tipurile lor de date și afișează-le pe cele care corespund.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# create list of actual dtypes to check
actual_dtypes_list = df.____
print(actual_dtypes_list)

# Iterate through the list of actual dtypes tuples
for attribute_tuple in ____:
  
  # Check if column name is dictionary of expected dtypes
  col_name = attribute_tuple[____]
  if col_name in ____:

    # Compare attribute types
    col_type = attribute_tuple[____]
    if col_type == validation_dict[____]:
      print(col_name + ' has expected dtype.')

Editează și rulează codul