fivetran/great_expectations

¿Qué es?

Funciones clave

• 01Expectations declarativas que funcionan como pruebas unitarias para conjuntos de datos
• 02Documentación generada automáticamente para los resultados de validación
• 03Vocabulario compartido y fácil de entender para expresar reglas de calidad de datos
• 04Instalación con pip e inicio mediante una sola llamada a Data Context

Casos de uso

• Validar datos en pipelines ETL o ELT antes de cargarlos en un data warehouse
• Añadir comprobaciones de calidad de datos a pipelines de datos de entrenamiento de machine learning
• Compartir informes de calidad de datos fáciles de entender con partes interesadas ajenas a ingeniería

Inicio rápido

1. 1

   Crea y activa un entorno virtual de Python (recomendado por GX)

2. 2

   Instala GX Core con pip

   pip install great_expectations
3. 3

   Importa GX y crea un Data Context en Python

   import great_expectations as gx context = gx.get_context()

Antes de usarlo

• !Requiere Python 3.10 a 3.14; las versiones más recientes de Python solo tienen soporte experimental.

Temas

Preguntas frecuentes

¿Qué es great_expectations?

Biblioteca de Python para calidad de datos que permite a los equipos definir Expectations declarativas como pruebas unitarias y generar informes de validación. GX Core, el núcleo de código abierto de Great Expectations, es una biblioteca de Python para validar la calidad de los datos. Su concepto central es la Expectation, una afirmación declarativa sobre un conjunto de datos, como que los valores de una columna estén dentro de un rango o que una tabla no tenga claves nulas. Los equipos usan estas afirmaciones como pruebas unitarias para los datos y las ejecutan en sus pipelines para detectar datos incorrectos antes de que lleguen a los consumidores posteriores.

¿great_expectations es gratuito? ¿Qué licencia tiene?

great_expectations es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿great_expectations sigue mantenido?

Mantenimiento activo. El último commit de great_expectations fue el 16 oct 2026.

¿Para qué puedo usar great_expectations?

Validar datos en pipelines ETL o ELT antes de cargarlos en un data warehouse Añadir comprobaciones de calidad de datos a pipelines de datos de entrenamiento de machine learning Compartir informes de calidad de datos fáciles de entender con partes interesadas ajenas a ingeniería

¿Cómo se instala great_expectations?

Crea y activa un entorno virtual de Python (recomendado por GX) Instala GX Core con pip: pip install great_expectations Importa GX y crea un Data Context en Python: import great_expectations as gx context = gx.get_context()

¿Dónde consigo great_expectations?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/fivetran/great_expectations