![](/img/trans.png)
[英]How do you convert a dataframe to a great_expectations dataset?
[英]Use a pickled pandas dataframe as a data asset in great_expectations
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 :)
对于 pandas(和 spark),有一种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,就您而言,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,并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,简化了 get_batch 的 API,因此在这种情况下您根本不再需要生成器,并且数据源名称在批处理 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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.