Narzędzie do ustalania właściwości podklasy Pandas DataFrame

9

Próbuję skonfigurować podklasę, pd.DataFramektóra ma dwa wymagane argumenty podczas inicjowania ( groupi timestamp_col). Chcę uruchomić sprawdzanie na te argumenty groupi timestamp_coltak mam metody setter dla każdej z właściwości. To wszystko działa, dopóki nie spróbować set_index()i dostać TypeError: 'NoneType' object is not iterable. Wygląda na to, że żaden argument nie jest przekazywany do mojej funkcji ustawiającej w test_set_indexi test_assignment_with_indexed_obj. Jeśli dodam if g == None: returndo mojej funkcji ustawiającej, mogę zdać przypadki testowe, ale nie sądzę, że jest to właściwe rozwiązanie.

Jak wdrożyć sprawdzanie poprawności właściwości dla tych wymaganych argumentów?

Poniżej jest moja klasa:

import pandas as pd
import numpy as np


class HistDollarGains(pd.DataFrame):
    @property
    def _constructor(self):
        return HistDollarGains._internal_ctor

    _metadata = ["group", "timestamp_col", "_group", "_timestamp_col"]

    @classmethod
    def _internal_ctor(cls, *args, **kwargs):
        kwargs["group"] = None
        kwargs["timestamp_col"] = None
        return cls(*args, **kwargs)

    def __init__(
        self,
        data,
        group,
        timestamp_col,
        index=None,
        columns=None,
        dtype=None,
        copy=True,
    ):
        super(HistDollarGains, self).__init__(
            data=data, index=index, columns=columns, dtype=dtype, copy=copy
        )

        self.group = group
        self.timestamp_col = timestamp_col

    @property
    def group(self):
        return self._group

    @group.setter
    def group(self, g):
        if g == None:
            return

        if isinstance(g, str):
            group_list = [g]
        else:
            group_list = g

        if not set(group_list).issubset(self.columns):
            raise ValueError("Data does not contain " + '[' + ', '.join(group_list) + ']')
        self._group = group_list

    @property
    def timestamp_col(self):
        return self._timestamp_col

    @timestamp_col.setter
    def timestamp_col(self, t):
        if t == None:
            return
        if not t in self.columns:
            raise ValueError("Data does not contain " + '[' + t + ']')
        self._timestamp_col = t

Oto moje przypadki testowe:

import pytest

import pandas as pd
import numpy as np

from myclass import *


@pytest.fixture(scope="module")
def sample():
    samp = pd.DataFrame(
        [
            {"timestamp": "2020-01-01", "group": "a", "dollar_gains": 100},
            {"timestamp": "2020-01-01", "group": "b", "dollar_gains": 100},
            {"timestamp": "2020-01-01", "group": "c", "dollar_gains": 110},
            {"timestamp": "2020-01-01", "group": "a", "dollar_gains": 110},
            {"timestamp": "2020-01-01", "group": "b", "dollar_gains": 90},
            {"timestamp": "2020-01-01", "group": "d", "dollar_gains": 100},
        ]
    )

    return samp

@pytest.fixture(scope="module")
def sample_obj(sample):
    return HistDollarGains(sample, "group", "timestamp")

def test_constructor_without_args(sample):
    with pytest.raises(TypeError):
        HistDollarGains(sample)


def test_constructor_with_string_group(sample):
    hist_dg = HistDollarGains(sample, "group", "timestamp")
    assert hist_dg.group == ["group"]
    assert hist_dg.timestamp_col == "timestamp"


def test_constructor_with_list_group(sample):
    hist_dg = HistDollarGains(sample, ["group", "timestamp"], "timestamp")

def test_constructor_with_invalid_group(sample):
    with pytest.raises(ValueError):
        HistDollarGains(sample, "invalid_group", np.random.choice(sample.columns))

def test_constructor_with_invalid_timestamp(sample):
    with pytest.raises(ValueError):
        HistDollarGains(sample, np.random.choice(sample.columns), "invalid_timestamp")

def test_assignment_with_indexed_obj(sample_obj):
    b = sample_obj.set_index(sample_obj.group + [sample_obj.timestamp_col])

def test_set_index(sample_obj):
    # print(isinstance(a, pd.DataFrame))
    assert sample_obj.set_index(sample_obj.group + [sample_obj.timestamp_col]).index.names == ['group', 'timestamp']
strona
źródło
1
Jeśli Nonewartość groupnieruchomości jest nieprawidłowa , czy nie powinieneś podnieść wartości ValueError?
chepner
1
Masz rację, Noneto jest niepoprawna wartość, dlatego nie podoba mi się instrukcja if. Ale dodanie, że Brak, sprawia, że ​​przechodzi testy. Szukam sposobu prawidłowego rozwiązania tego problemu bez instrukcji None if.
strona
2
Seter powinien podnieść ValueError. Problem polega na ustaleniu, na czym polega próba ustawienia groupatrybutu None.
chepner
@chepner tak, dokładnie.
strona
Może pakiet Pandas Flavour może pomóc.
Mykoła Zotko

Odpowiedzi:

3

set_index()Metoda wezwie self.copy()wewnętrznie, aby utworzyć kopię obiektu DataFrame (patrz kod źródłowy tutaj ), wewnątrz którego używa dostosowany konstruktora, _internal_ctor()aby utworzyć nowy obiekt ( źródło ). Zauważ, że self._constructor()jest identyczny z self._internal_ctor(), który jest powszechną metodą wewnętrzną dla prawie wszystkich klas pand do tworzenia nowych instancji podczas operacji takich jak głębokie kopiowanie lub krojenie. Twój problem pochodzi z tej funkcji:

class HistDollarGains(pd.DataFrame):
    ...
    @classmethod
    def _internal_ctor(cls, *args, **kwargs):
        kwargs["group"]         = None
        kwargs["timestamp_col"] = None
        return cls(*args, **kwargs) # this is equivalent to calling
                                    # HistDollarGains(data, group=None, timestamp_col=None)

Myślę, że skopiowałeś ten kod z wydania github . Linie kwargs["**"] = Nonewyraźnie nakazują konstruktorowi ustawienie Nonezarówno na, jak groupi na timestamp_col. W końcu setter / validator otrzymuje Nonenową wartość i zgłasza błąd.

Dlatego należy ustawić dopuszczalną wartość na groupi timestamp_col.

    @classmethod
    def _internal_ctor(cls, *args, **kwargs):
        kwargs["group"]         = []
        kwargs["timestamp_col"] = 'timestamp' # or whatever name that makes your validator happy
        return cls(*args, **kwargs)

Następnie możesz usunąć if g == None: returnlinie z walidatora.

gdlmx
źródło