如何查看Great Expectations数据源文件位置？及同名数据源报错解决

• 本地配置文件查看：
  1. 打开项目根目录下的great_expectations.yml文件
  2. 找到datasources节点，定位到目标数据源（如supermarketSales）
  3. 展开该数据源的assets字段，对应的数据资产条目里会显示filepath_or_buffer，即文件的路径（相对路径是相对于项目根目录，绝对路径会直接显示完整地址）
• 代码内查看：
  直接通过DataContext对象获取数据源和资产，打印路径：

  # 获取已存在的数据源
  datasource = context.datasources.get("supermarketSales")
  # 获取对应的数据资产
  asset = datasource.assets.get("sales of supermarket")
  # 打印文件位置
  print(asset.filepath_or_buffer)
  

错误原因：之前的训练营项目已经创建过名为supermarketSales的数据源，重复执行add_pandas方法会触发唯一性校验错误。

以下是三种解决方法：

方法1：复用已存在的数据源（推荐） #

先检查数据源是否存在，存在则直接获取，避免重复创建：

datasource_name = 'supermarketSales'
# 优先复用已存在的数据源
if datasource_name in context.datasources:
    datasource = context.datasources[datasource_name]
else:
    datasource = context.sources.add_pandas(datasource_name)

asset_name = 'sales of supermarket'
# 同样检查数据资产是否存在
if asset_name in datasource.assets:
    asset = datasource.assets[asset_name]
else:
    path_to_data = 'P2M3_Daffa_Darwin_data_clean.csv'
    asset = datasource.add_csv_asset(asset_name, filepath_or_buffer=path_to_data)

batch_request = asset.build_batch_request()

方法2：删除已存在的数据源后重建 #

如果需要完全重置该数据源，先删除再创建：

datasource_name = 'supermarketSales'
# 删除已存在的数据源
if datasource_name in context.datasources:
    context.datasources.pop(datasource_name)
# 重新创建数据源
datasource = context.sources.add_pandas(datasource_name)

# 后续添加资产和构建请求的代码不变
asset_name = 'sales of supermarket'
path_to_data = 'P2M3_Daffa_Darwin_data_clean.csv'
asset = datasource.add_csv_asset(asset_name, filepath_or_buffer=path_to_data)

batch_request = asset.build_batch_request()

方法3：使用新的数据源名称 #

修改数据源名称为唯一值，比如添加版本后缀：

# 使用新的唯一名称
datasource_name = 'supermarketSales_v2'
datasource = context.sources.add_pandas(datasource_name)

asset_name = 'sales of supermarket'
path_to_data = 'P2M3_Daffa_Darwin_data_clean.csv'
asset = datasource.add_csv_asset(asset_name, filepath_or_buffer=path_to_data)

batch_request = asset.build_batch_request()

内容的提问来源于stack exchange，提问作者Daffa Darwin