awslabs / awslabs/python-deequ

Distance analyzer for detecting feature drift with PyDeequ

Aperta
#164 7 commenti 1 reazione 0 assegnatari Vedi su GitHub
enhancement feature request good first issue help wanted
Lingua principale
Jupyter Notebook
Stelle
826
Fork
158
Merge medio
9g 22h
PR unite (30g)
3

Descrizione

**Is your feature request related to a problem? Please describe.**
It looks like in PyDeequ 1.1.1 the [Deequ distance analyzer](/awslabs/deequ/blob/master/src/main/scala/com/amazon/deequ/analyzers/Distance.scala) is not available. It means that this type of analyzer cannot be run via PyDeequ.

**Describe the solution you'd like**
I'd like to run the distance analysis on my data, so that I can detect feature drift via the 2 methods currently available in Deequ (L-infinity and chi-squared). I'd like to be able to do this in the same way as with the other analyzers.

Are there any plans to add this analyzer in the future?

**Describe alternatives you've considered**
I've read the [documentation](/awslabs/python-deequ/blob/master/docs), but couldn't find anything related to the distance analyzer.

As a hacky workaround, I experimented with invoking the [numericalDistance()](/awslabs/deequ/blob/master/src/main/scala/com/amazon/deequ/analyzers/Distance.scala#L56) method directly with Py4J, but found that instantiating a Scala object of [QuantileNonSample[Double]](https://github.com/awslabs/deequ/blob/master/src/main/scala/com/amazon/deequ/analyzers/QuantileNonSample.scala#L25) doesn't seem to be a straightforward thing to do in Python.

Guida per i contributori

Apri la guida per i contributori

Direzione di ricerca

Inizia dalla documentazione del repository e dal file Deequ Distance.scala indicato, quindi confronta i metodi richiesti L-infinity e chi-squared con il modo in cui gli altri analyzer vengono esposti in PyDeequ. Esamina numericalDistance() e la dipendenza QuantileNonSample[Double]. Il lavoro è completato quando l'analisi della distanza può essere eseguita da Python nello stesso modo degli altri analyzer e la documentazione la descrive.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Valutazione

Stack tecnologico
python, scala
Ambito
analytics, data
Tipo di issue
Funzionalità
Difficoltà
4/5
Tempo stimato
3-5 giorni
Stato di attività
Tranquilla
Chiarezza
Abbastanza chiara
Idoneità per principianti
45/100

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.