great_expectations 可以免费使用吗？用的什么许可证？

great_expectations 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

great_expectations 还在维护吗？

活跃维护中。great_expectations 最近一次提交是在 2026年10月16日。

great_expectations 适合用来做什么？

在 ETL 或 ELT 管道中将数据载入数据仓库前进行校验为机器学习训练数据管道添加数据质量检查向非技术干系人分享易读的数据质量报告

great_expectations 怎么安装和运行？

创建并激活 Python 虚拟环境（GX 推荐）使用 pip 安装 GX Core: pip install great_expectations 在 Python 中导入 GX 并创建 Data Context: import great_expectations as gx context = gx.get_context()

在哪里获取 great_expectations？

源代码和安装说明在 GitHub 上：https://github.com/fivetran/great_expectations

fivetran/great_expectations

Q: great_expectations 怎么安装和运行？

创建并激活 Python 虚拟环境（GX 推荐） 使用 pip 安装 GX Core: pip install great_expectations 在 Python 中导入 GX 并创建 Data Context: import great_expectations as gx context = gx.get_context()

Python 数据质量库，以 Expectation 作为数据的单元测试并生成校验报告。

在 GitHub 查看官网

Star: 11,886
Fork: 1,877
未关闭 Issue: 57
最近提交: 4天前

这是什么？

GX Core 是 Great Expectations 的开源核心，一个用于校验数据质量的 Python 库。其核心概念是 Expectation，即对数据集的声明式断言，例如某列的值落在指定范围内，或某张表的主键不含空值。团队可以把这些断言当作数据的单元测试，在数据管道中运行，在坏数据流向下游之前将其拦截。

校验结果可以自动生成文档，让非工程人员也能看到检查了哪些内容、哪些通过、哪些失败。Expectation 提供统一的表达方式，有助于数据、分析和工程团队就“好数据应是什么样”达成共识。通过 pip 安装，并使用 gx.get_context() 创建 Data Context 即可开始使用，支持 Python 3.10 至 3.14。

核心功能

01以声明式 Expectation 表达数据规则，可作为数据单元测试
02校验结果可自动生成文档
03提供统一易读的语言描述数据质量规则
04通过 pip 安装，调用一次 Data Context 即可启动

适用场景

在 ETL 或 ELT 管道中将数据载入数据仓库前进行校验
为机器学习训练数据管道添加数据质量检查
向非技术干系人分享易读的数据质量报告

快速上手

1
创建并激活 Python 虚拟环境（GX 推荐）
2
使用 pip 安装 GX Core
pip install great_expectations
3
在 Python 中导入 GX 并创建 Data Context
import great_expectations as gx context = gx.get_context()

使用前须知

需要 Python 3.10 至 3.14；更新的 Python 版本仅提供实验性支持。

常见问题

great_expectations 是什么？: Python 数据质量库，以 Expectation 作为数据的单元测试并生成校验报告。 GX Core 是 Great Expectations 的开源核心，一个用于校验数据质量的 Python 库。其核心概念是 Expectation，即对数据集的声明式断言，例如某列的值落在指定范围内，或某张表的主键不含空值。团队可以把这些断言当作数据的单元测试，在数据管道中运行，在坏数据流向下游之前将其拦截。
great_expectations 可以免费使用吗？用的什么许可证？: great_expectations 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
great_expectations 还在维护吗？: 活跃维护中。great_expectations 最近一次提交是在 2026年10月16日。
great_expectations 适合用来做什么？: 在 ETL 或 ELT 管道中将数据载入数据仓库前进行校验为机器学习训练数据管道添加数据质量检查向非技术干系人分享易读的数据质量报告
great_expectations 怎么安装和运行？: 创建并激活 Python 虚拟环境（GX 推荐）使用 pip 安装 GX Core: pip install great_expectations 在 Python 中导入 GX 并创建 Data Context: import great_expectations as gx context = gx.get_context()
在哪里获取 great_expectations？: 源代码和安装说明在 GitHub 上：https://github.com/fivetran/great_expectations

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。