远大期望基于行的维度答案

【问题标题】：Great Expectations Row Based Dimensions远大期望基于行的维度
【发布时间】：2022-06-13 12:24:26
【问题描述】：

我有这样的数据：

[   {
        "name": "Apple",
        "price": 1,
        "type": "Food"
    },
    {
        "name": "Apple",
        "price": 0.90,
        "type": "Food"
    },
    {
        "name": "Apple",
        "price": 1000,
        "type": "Computer"
    },
    {
        "name": "Apple",
        "price": 900,
        "type": "Computer"
    }
]

使用 Great Expectations 自动配置文件，price 的有效范围是 0.90 到 1,000。是否有可能让它在type 维度上切片，所以食物会是0.90 到1，而计算机会是900 到1000？还是我需要先使用 dbt 转换数据？我知道将创建维度的列，但我不知道具体的值。

另外，关于行之间差异的相同问题。就像他们有一个时间戳，而不是 900 到 1000，它会验证 -100 的值变化。

【问题讨论】：

您需要按多少种类型进行分组？ 2,10,100？
您已标记 dbt；你是在 Python 中使用 Great Expectations，还是使用 dbt 端口 github.com/calogica/dbt-expectations？
@tconbeer ge 在 python 中。 dbt 是 DAG 的一部分
@sgdata 我不知道。它来自我定期轮询的提要，我正在寻找重大变化。也许最好做更多的转换，并创建一个百分比变化表。

标签： dbt great-expectations