Xem trước GX
Bạn đã làm rất tốt khi tạo Data Context! Đây là bước đầu tiên đầy sức mạnh để bước vào thế giới Great Expectations. Hãy cùng xem nhanh những điều thú vị bạn sẽ làm được vào cuối khóa học.
Đoạn mã bên phải sử dụng Data Context để tạo một pandas Data Source và Data Asset, nhằm xác định định dạng dữ liệu. Sau đó, nó tạo một Batch Definition để đọc dữ liệu. Cuối cùng, nó tạo một Expectation Suite (bộ kỳ vọng), trong đó có một Expectation (kỳ vọng), và một Validation Definition để chạy Expectation Suite trên Batch dữ liệu. Đừng lo nếu lúc này bạn chưa hiểu hết các thuật ngữ — đến cuối khóa học, mọi thứ sẽ rõ ràng!
Great Expectations đã được nhập sẵn cho bạn với bí danh gx.
Bài tập này là một phần của khóa học
Nhập môn Data Quality với Great Expectations
Hướng dẫn bài tập
- Nhấn
Run Codeđể xem đầu ra của mã.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)