great_expectations

用代码定义数据期望，自动验证并生成文档，让数据质量可控。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 1882 🐛 待处理 62 👀 关注 100

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 11922

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类基础设施

开发团队fivetran

官网地址https://docs.greatexpectations.io

GitHubhttps://github.com/fivetran/great_expectations

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型cleandata,data-engineering,data-profilers,data-profiling,data-quality,data-science,data-unit-tests,datacleaner,datacleaning,dataquality,dataunittest,eda,exploratory-analysis,exploratory-data-analysis,exploratorydataanalysis,mlops,pipeline,pipeline-debt,pipeline-testing,pipeline-tests

GitHub 星标★ 11922

上线时间2017-09-11 00:00:00

代码更新2026-11-09

仓库体积247.9 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-09

浏览次数7

项目介绍

Great Expectations 是一个开源的数据质量工具，帮助数据团队定义、验证和文档化数据的期望。它解决了数据管道中数据质量不可控的问题，通过声明式的期望套件（Expectation Suite）来描述数据应满足的条件，如列值范围、唯一性、非空等。核心能力包括：自动生成数据文档（Data Docs）、提供丰富的内置期望（Expectations）、支持多种数据源（如 Pandas、Spark、SQL），并能与 Airflow、dbt 等编排工具集成。它让数据团队在数据进入下游前就能发现异常，确保数据可信。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 11922

技术标签

data-engineering data-quality data-science mlops pipeline

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 3 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 3.10 ~ 3.13（官方支持范围）
官方推荐在虚拟环境中部署 GX Core
Python 3.14 及更高版本需通过 GX_PYTHON_EXPERIMENTAL 环境变量启用实验性支持
可访问官网文档查看数据源与集成的兼容性说明

安装与启动步骤

1检查 Python 版本

确认本机 Python 在 3.10 到 3.13 之间；高于 3.13 只能按实验性方式使用。
```
python --version
```
2创建虚拟环境

官方推荐在虚拟环境中部署 GX Core，避免与系统环境依赖冲突。
```
python -m venv gx-venv
```
3激活虚拟环境

激活后所有后续安装与运行都在该隔离环境中进行；Windows 可改用 gx-venv\Scripts\activate。
```
source gx-venv/bin/activate
```

关键配置

配置项	必填	说明	示例
`GX_PYTHON_EXPERIMENTAL`	否	在 Python 3.14 及以后版本上安装 great_expectations 时启用实验性支持	`1`

如何确认成功

激活虚拟环境后执行 python --version，输出为 Python 3.10 至 3.13 即符合官方支持范围。

常见问题

Q：支持哪些 Python 版本？

A：GX Core 官方支持 Python 3.10 到 3.13；3.14 及更高版本属于实验性支持，需要额外设置环境变量。

Q：必须用虚拟环境吗？

A：README 中官方推荐在虚拟环境内部署 GX Core，建议按此方式操作以避免依赖冲突。

Q：怎么确认支持的数据源和集成？

A：README 指向官方 compatibility reference 页面，可查询 GX 支持的数据源与其他集成。

Q：想深入了解怎么上手？

A：README 推荐先阅读官网文档中的 Introduction to GX Core 章节。

注意事项

README 节选中未给出具体安装命令，本教程只覆盖其明确提到的 Python 版本要求与虚拟环境准备，安装步骤请以官网文档 Introduction to GX Core 为准。
Python 3.14 及以上的支持是实验性的，需在安装 great_expectations 时设置 GX_PYTHON_EXPERIMENTAL 环境变量。
官网文档地址：https://docs.greatexpectations.io