ÎncepețiÎncepe gratuit

Privire de ansamblu asupra GX

Bravo pentru că ai creat Data Context-ul! Acesta este primul pas important în lumea Great Expectations. Hai să aruncăm o privire asupra lucrurilor interesante pe care le vei putea face până la finalul cursului.

Codul din dreapta folosește Data Context-ul pentru a crea un Data Source și un Data Asset de tip pandas, care definesc formatul datelor. Apoi, creează o Batch Definition pentru a încărca datele. În final, creează un Expectation Suite, care conține un Expectation, și o Validation Definition, care rulează Expectation Suite-ul pe lotul de date. Nu te îngrijora dacă nu înțelegi acești termeni acum – totul va fi clar până la sfârșitul cursului!

Great Expectations a fost deja importat pentru tine ca gx.

Acest exercițiu face parte din cursul

Introducere în calitatea datelor cu Great Expectations

Vezi cursul

Instrucțiuni pentru exercițiu

  • Apasă Rulează codul pentru a vedea rezultatul codului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create Data Context
context = gx.get_context()

# Create pandas Data Source, Data Asset, and Batch Definition
data_source = context.data_sources.add_pandas(
  name="my_pandas_datasource"
)
data_asset = data_source.add_dataframe_asset(
  name="my_data_asset"
)
batch_definition = data_asset.add_batch_definition_whole_dataframe(
  name="my_batch_definition"
)
batch = batch_definition.get_batch(
  batch_parameters={"dataframe": dataframe}
)

# Create Expectation Suite and Validation Definition
suite = context.suites.add(
  gx.ExpectationSuite(name="my_suite", suite_parameters={})
)
validation_definition = gx.ValidationDefinition(
  data=batch_definition, suite=suite, name="validation"
)

# Establish and evaluate an Expectation
expectation = gx.expectations.ExpectTableRowCountToBeBetween(
  min_value=50000, max_value=100000
)
validation_results = batch.validate(expect=expectation)
print(validation_results.success)
Editează și rulează codul