python - 在 great_expectations 中使用腌制的 pandas 数据框作为数据资产
问题描述
可能是一个非常简单的问题,但我无法从 great_expectations 的文档中弄清楚。我想在本地存储为腌制文件“.pkl”的 pandas 数据帧上运行一些测试。
当我运行great_expectations add-datasource
它时,它忽略了 .pkl 文件,只为 .csv 文件创建了资产。从 pandas 读取 csv 文件很慢,所以如果 GE 可以支持其他格式,如 pickle 和 HDF,那就太好了。
如何加载 .pkl 或 .hdf 文件作为 GE 的资产?
我正在使用 v0.8.7 :)
解决方案
对于 pandas(和 spark),有一个很好的通用方法可以完全控制数据的读取方式,即通过 BatchKwargs 指定一个已经可用的数据帧。
因此,在您的情况下,您可以执行以下操作:
my_dataset = pd.read_pickle(filename)
batch_kwargs = {"dataset": my_dataset}
batch = context.get_batch("my_datasource/in_memory_generator/my_dataset", "warning", batch_kwargs)
注意:这适用于 0.8.x 系列 API,并假定数据上下文配置如下:
datasources:
my_datasource:
class_name: PandasDatasource
...
generators:
in_memory_generator:
class_name: InMemoryGenerator
PS-这个目的是存在的首要原因InMemoryGenerator
。
编辑
在 Great Expectations >= 0.9.0 中,get_batch 的 API 已被简化,因此在这种情况下您将不再需要生成器,并且数据源名称在batch kwargs 中指定。类似的代码片段如下所示:
context = DataContext()
my_dataset = pd.read_pickle(filename)
batch_kwargs = {"datasource": "my_datasource", "dataset": my_dataset}
batch = context.get_batch(batch_kwargs=batch_kwargs, expectation_suite_name="warning")
(并且不需要发电机)
推荐阅读
- javascript - 块作用域如何访问封闭作用域
- java - 属性“值”预期数字锯“”的错误值“”,收到此错误
- reactjs - React JS 从本地机器上传音频并在浏览器中播放
- hashmap - 我想通过在 java 中使用 hashmap 从给定的字符串中找到 Duplicates。我想以我的方式做?
- angular - 有什么方法可以在刷新后保留多个可扩展 mat-grid 的状态?
- javascript - javascript在地图函数内乘法
- linux - 如何在openssl中使用完整的webpath
- jpa - 我应该获取加入所有延迟加载的实体吗?
- ios - 我将我的麦克风用作麦克风并连接到无线设备,但很快就会出现 2 秒的延迟
- flutter - 带有 Getx 的 Flutter Navigator 2.0