fivetran/great_expectations

これは何？

主な機能

• 01データセットのユニットテストとして機能する宣言的なExpectation
• 02検証結果のドキュメントを自動生成
• 03データ品質ルールを表現する、共通で読みやすい語彙
• 04pipでインストールでき、Data Contextを呼び出すだけで利用を開始

ユースケース

• データウェアハウスにロードする前に、ETLまたはELTパイプライン内のデータを検証する
• 機械学習の学習データパイプラインにデータ品質チェックを追加する
• エンジニアリング以外の関係者と、読みやすいデータ品質レポートを共有する

クイックスタート

1. 1

   Python仮想環境を作成して有効化します（GX推奨）

2. 2

   pipでGX Coreをインストールします

   pip install great_expectations
3. 3

   GXをインポートし、PythonでData Contextを作成します

   import great_expectations as gx context = gx.get_context()

使う前に知っておきたいこと

• !Python 3.10〜3.14が必要です。それより新しいPythonバージョンは実験的なサポートのみです。

トピック

よくある質問

great_expectations とは？

データ品質を検証するPythonライブラリ。データに対する宣言的なExpectationをユニットテストとして記述し、検証レポートを生成できます。 Great ExpectationsのオープンソースコアであるGX Coreは、データ品質を検証するPythonライブラリです。中心となる概念はExpectationで、たとえば列の値が一定範囲内にあることや、テーブルのキーにnullが含まれないことなどをデータセットに対して宣言的に表明します。チームはこれらの表明をデータのユニットテストとして使い、パイプライン内で実行することで、不正なデータが後続の利用者に届く前に検出できます。

great_expectations は無料で使えますか？ライセンスは？

great_expectations は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

great_expectations は今もメンテナンスされていますか？

活発にメンテナンス中。great_expectations の最終コミットは 2026年10月16日 です。

great_expectations は何に使えますか？

データウェアハウスにロードする前に、ETLまたはELTパイプライン内のデータを検証する 機械学習の学習データパイプラインにデータ品質チェックを追加する エンジニアリング以外の関係者と、読みやすいデータ品質レポートを共有する

great_expectations のインストール方法は？

Python仮想環境を作成して有効化します（GX推奨） pipでGX Coreをインストールします: pip install great_expectations GXをインポートし、PythonでData Contextを作成します: import great_expectations as gx context = gx.get_context()

great_expectations はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/fivetran/great_expectations