Python 3.x 伟大的期望定制期望不按要求忽略空值
我们正在使用的库的版本:Python 3.x 伟大的期望定制期望不按要求忽略空值,python-3.x,pandas,dataframe,great-expectations,Python 3.x,Pandas,Dataframe,Great Expectations,我们正在使用的库的版本: snowconn==3.7.1 snowflake-connector-python==2.3.10 snowflake-sqlalchemy==1.2.3 SQLAlchemy==1.3.23 great_expectations==0.13.10 pandas==1.1.5 请注意,我们自己从Snowflake中获取数据,然后将其数据帧输入到《远大前程》中。我知道GE有一个雪花数据源,它在我的列表中。但我认为即使不使用该数据源,这种设置也应该有效 我们对数据上下文
snowconn==3.7.1
snowflake-connector-python==2.3.10
snowflake-sqlalchemy==1.2.3
SQLAlchemy==1.3.23
great_expectations==0.13.10
pandas==1.1.5
请注意,我们自己从Snowflake中获取数据,然后将其数据帧输入到《远大前程》中。我知道GE有一个雪花数据源,它在我的列表中。但我认为即使不使用该数据源,这种设置也应该有效
我们对数据上下文配置抱有以下期望:
data_context_config = DataContextConfig(
datasources={
datasource_name: DatasourceConfig(
class_name='PandasDatasource',
data_asset_type={
'module_name': 'dataqa.dataset',
'class_name': 'CustomPandasDataset'
}
)
},
store_backend_defaults=S3StoreBackendDefaults(
default_bucket_name=METADATA_BUCKET,
expectations_store_prefix=EXPECTATIONS_PATH,
validations_store_prefix=VALIDATIONS_PATH,
data_docs_prefix=DATA_DOCS_PATH,
),
validation_operators={
"action_list_operator": {
"class_name": "ActionListValidationOperator",
"action_list": [
{
"name": "store_validation_result",
"action": {"class_name": "StoreValidationResultAction"},
},
{
"name": "store_evaluation_params",
"action": {"class_name": "StoreEvaluationParametersAction"},
},
{
"name": "update_data_docs",
"action": {"class_name": "UpdateDataDocsAction"},
},
],
}
}
)
ge_context = BaseDataContext(project_config=data_context_config)
CustomPandasDataset
定义为:
class CustomPandasDataset(PandasDataset):
_data_asset_type = "CustomPandasDataset"
@MetaPandasDataset.multicolumn_map_expectation
def expect_column_A_equals_column_B_column_C_ratio(
self,
column_list,
ignore_row_if='any_value_is_missing'
):
column_a = column_list.iloc[:,0]
column_b = column_list.iloc[:,1]
column_c = column_list.iloc[:,2]
return abs(column_a - (1.0 - (column_b/column_c))) <= 0.001
稍后,我们将验证数据上下文,如下所示:
return ge_context.run_validation_operator(
"action_list_operator",
assets_to_validate=batches,
run_id=run_id)["success"]
在我们的数据中,a
和b
列通常为null
。鉴于我已在自定义期望上设置了ignore\u row\u if='any\u value\u missing'
标志,我希望跳过a
、b
或c
列中的null
值的行。但是《远大前程》并没有跳过它们,而是将它们添加到输出的“意外”或“失败”字段中:
result
element_count 1000
missing_count 0
missing_percent 0
unexpected_count 849
unexpected_percent 84.89999999999999
unexpected_percent_total 84.89999999999999
unexpected_percent_nonmissing 84.89999999999999result
element_count 1000
missing_count 0
missing_percent 0
unexpected_count 849
unexpected_percent 84.89999999999999
unexpected_percent_total 84.89999999999999
unexpected_percent_nonmissing 84.89999999999999
partial_unexpected_list
0
a null
b null
c 1.63
我不确定为什么会这样。在《远大前程》中,multi-column\u map\u expection
实现了:
...
elif ignore_row_if == "any_value_is_missing":
boolean_mapped_skip_values = test_df.isnull().any(axis=1)
...
boolean_mapped_success_values = func(
self, test_df[boolean_mapped_skip_values == False], *args, **kwargs
)
success_count = boolean_mapped_success_values.sum()
nonnull_count = (~boolean_mapped_skip_values).sum()
element_count = len(test_df)
unexpected_list = test_df[
(boolean_mapped_skip_values == False)
& (boolean_mapped_success_values == False)
]
unexpected_index_list = list(unexpected_list.index)
success, percent_success = self._calc_map_expectation_success(
success_count, nonnull_count, mostly
)
我将其解释为忽略包含行的
null
(不将它们添加到意外的列表中,也不使用它们来确定成功率
)。我在我们的代码中删除了一个pdb
,并验证了我们调用期望值的数据帧可以以正确的方式进行操作,以获得“合理”的数据(test_df.isnull().any(axis=1)
),但出于某种原因,巨大的期望值允许这些空值通过。有人知道为什么吗?我相信海报在这里提出了一个Github问题:。可以在那里跟踪进度
...
elif ignore_row_if == "any_value_is_missing":
boolean_mapped_skip_values = test_df.isnull().any(axis=1)
...
boolean_mapped_success_values = func(
self, test_df[boolean_mapped_skip_values == False], *args, **kwargs
)
success_count = boolean_mapped_success_values.sum()
nonnull_count = (~boolean_mapped_skip_values).sum()
element_count = len(test_df)
unexpected_list = test_df[
(boolean_mapped_skip_values == False)
& (boolean_mapped_success_values == False)
]
unexpected_index_list = list(unexpected_list.index)
success, percent_success = self._calc_map_expectation_success(
success_count, nonnull_count, mostly
)