Em edi??es anteriores do Radar, apresentamos plataformas de valida??o e teste de dados como a Great Expectations, que podem ser usadas para validar suposi??es e testar a qualidade de dados de entrada empregados em treinamento ou classifica??o. ?s vezes, por¨¦m, tudo o que voc¨º precisa ¨¦ de uma biblioteca de c¨®digo simples para implementar testes e verifica??es de qualidade diretamente nos pipelines. ¨¦ uma biblioteca Python para testar e validar dados em uma ampla variedade de tipos de frames, como pandas, Dask ou PySpark. pandera pode implementar afirma??es simples sobre campos ou testes de hip¨®teses com base em modelos estat¨ªsticos. A grande variedade de bibliotecas de frames suportadas significa que os testes podem ser escritos uma vez e depois aplicados a uma variedade de formatos de dados subjacentes. pandera tamb¨¦m pode ser usada para gerar dados sint¨¦ticos para testar modelos de ML.
