用途：面向构建已验证数据管道的数据工程师，提供基于期望（Expectation）的验证与监控模式，用于管道监控、数据仓库校验和自动生成数据文档。
主要能力：通过期望套件（Expectation Suite）定义列级与表级规则，常见期望包括 ExpectTableRowCountToBeBetween（行数范围）、ExpectColumnToExist（列存在）、ExpectColumnValuesToNotBeNull（非空）、ExpectColumnValuesToBeBetween（值范围）、ExpectColumnValuesToBeInSet（允许值集合）、ExpectColumnValuesToMatchRegex（正则匹配）、ExpectColumnValuesToBeUnique（唯一性）。配合检查点（Checkpoint）运行验证，并可用 context.build_data_docs() 与 context.open_data_docs() 生成并打开 HTML 报告。
使用方式：从 scripts/expectations.py 导入函数，如 get_pandas_context、add_dataframe_asset、create_basic_suite、run_validation。先创建上下文与数据源，再添加 DataFrame 资产获得 batch_request；随后用 columns_config 字典配置列规则（如 not_null、unique、type、min、max、values、regex）创建套件；最后调用 run_validation 传入 checkpoint_name、batch_request、suite_name，根据返回的 success 与 failures 判断结果。目录结构包含 great_expectations.yml 配置、expectations/ 套件 JSON、checkpoints/ 检查点定义、plugins/ 自定义期望，以及 uncommitted/ 下的 data_docs/ 与 validations/。
适用场景：管道监控、数据仓库验证、自动数据文档。简单 DataFrame 检查可考虑 Pandera，记录级 API 校验可考虑 Pydantic。
限制：依赖 great_expectations>=0.18 与 pandas；资料未提供收费、价格、平台支持范围及具体性能数据。