Great Expectations：Checkpoint能否为各ValidationDefinition配置不同批次参数？

可以实现单个Checkpoint内不同gx.ValidationDefinition实例使用不同的批次参数，无需为每个验证定义单独创建Checkpoint，以下是两种可行方案：

方案一：创建ValidationDefinition时绑定专属批次参数 #

在定义每个ValidationDefinition时，直接通过batch_parameters参数指定其对应的DataFrame或其他批次参数，这样Checkpoint运行时会自动使用各验证定义自身绑定的参数，无需在run()方法中传入全局参数。

示例代码：

import great_expectations as gx
from great_expectations.core.validation_definition import ValidationDefinition

# 准备两个不同的DataFrame
df_user_data = ...
df_order_data = ...

# 为每个DataFrame创建绑定专属批次参数的ValidationDefinition
vd_user = ValidationDefinition(
    data_source_name="pandas_ds",
    data_asset_name="user_data",
    expectation_suite_name="user_data_suite",
    batch_parameters={"dataframe": df_user_data}
)

vd_order = ValidationDefinition(
    data_source_name="pandas_ds",
    data_asset_name="order_data",
    expectation_suite_name="order_data_suite",
    batch_parameters={"dataframe": df_order_data}
)

# 创建包含多个ValidationDefinition的Checkpoint
multi_vd_checkpoint = gx.Checkpoint(
    name="multi_validation_checkpoint",
    validation_definitions=[vd_user, vd_order]
)

# 直接运行，无需传入全局batch_parameters
run_result = multi_vd_checkpoint.run()

方案二：运行Checkpoint时动态指定各ValidationDefinition的批次参数 #

如果需要在运行阶段灵活调整参数，可以使用run()方法的validation_definition_batch_parameters参数，该参数接收一个字典，键为ValidationDefinition的名称或实例，值为对应的批次参数。

示例代码：

import great_expectations as gx
from great_expectations.core.validation_definition import ValidationDefinition

# 创建未绑定批次参数的ValidationDefinition（需指定name以便后续识别）
vd_user = ValidationDefinition(
    name="user_validation",
    data_source_name="pandas_ds",
    data_asset_name="user_data",
    expectation_suite_name="user_data_suite"
)

vd_order = ValidationDefinition(
    name="order_validation",
    data_source_name="pandas_ds",
    data_asset_name="order_data",
    expectation_suite_name="order_data_suite"
)

# 创建Checkpoint
multi_vd_checkpoint = gx.Checkpoint(
    name="multi_validation_checkpoint",
    validation_definitions=[vd_user, vd_order]
)

# 运行时为每个ValidationDefinition指定不同的DataFrame
run_result = multi_vd_checkpoint.run(
    validation_definition_batch_parameters={
        "user_validation": {"dataframe": df_user_data},
        "order_validation": {"dataframe": df_order_data}
    }
)

两种方案各有适用场景：方案一适合参数固定的长期复用场景，方案二更适合需要动态调整参数的临时运行场景。

内容的提问来源于stack exchange，提问作者Vladimir Vilimaitis