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
时,它忽略了 .pkl 文件,只为 .csv 文件创建了 Assets 。
从 pandas 读取 csv 文件很慢,所以如果 GE 可以支持其他格式,例如 pickle 和 HDF,那就太好了。
如何加载 .pkl 或 .hdf 文件作为 GE 的 Assets ?
我正在使用 v0.8.7 :)
最佳答案
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:这是针对 0.8.x 系列 API 的,假设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 InMemoryGenerator
存在的主要原因。
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,并且在批处理中指定了数据源名称夸格斯。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")
(并且不需要生成器)
关于python - 在 great_expectations 中使用腌制的 pandas 数据框作为数据 Assets ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59766843/