Property Setter für die Unterklasse von Pandas DataFrame

9

Ich versuche, eine Unterklasse einzurichten, für pd.DataFramedie beim Initialisieren ( groupund timestamp_col) zwei Argumente erforderlich sind . Ich möchte die Validierung für diese Argumente ausführen groupund habe timestamp_coldaher für jede der Eigenschaften eine Setter-Methode. Das alles funktioniert, bis ich es versuche set_index()und bekomme TypeError: 'NoneType' object is not iterable. Es scheint, dass in test_set_indexund kein Argument an meine Setter-Funktion übergeben wird test_assignment_with_indexed_obj. Wenn ich if g == None: returnmeine Setter-Funktion hinzufüge , kann ich die Testfälle bestehen, denke aber nicht, dass dies die richtige Lösung ist.

Wie soll ich die Eigenschaftsüberprüfung für diese erforderlichen Argumente implementieren?

Unten ist meine Klasse:

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

Hier sind meine Testfälle:

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']
cpage
quelle
1
Wenn Noneein ungültiger Wert für die groupEigenschaft vorliegt, sollten Sie nicht einen erhöhen ValueError?
Chepper
1
Sie haben Recht, das Noneist ein ungültiger Wert, weshalb mir die if-Anweisung nicht gefällt. Wenn Sie jedoch None hinzufügen, besteht es die Tests. Ich suche nach einer Möglichkeit, dies ohne die Anweisung None if richtig zu beheben.
Seite
2
Der Setter sollte a anheben ValueError. Das Problem besteht darin, herauszufinden, auf was das groupAttribut überhaupt gesetzt werden Nonesoll.
Chepner
@chepner ja genau.
cpage
Vielleicht kann das Pandas Flavor-Paket helfen.
Mykola Zotko

Antworten:

3

Die set_index()Methode ruft self.copy()intern auf, um eine Kopie Ihres DataFrame-Objekts (siehe Quellcode hier ) _internal_ctor()zu erstellen , in der sie Ihre angepasste Konstruktormethode verwendet, um das neue Objekt ( Quelle ) zu erstellen . Beachten Sie, dass dies self._constructor()identisch self._internal_ctor()ist mit einer gemeinsamen internen Methode für fast alle Pandas-Klassen zum Erstellen neuer Instanzen bei Vorgängen wie Deep-Copy oder Slicing. Ihr Problem ergibt sich tatsächlich aus dieser Funktion:

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)

Ich denke, Sie haben diesen Code aus dem Github-Problem kopiert . Die Zeilen kwargs["**"] = Noneweisen den Konstruktor explizit an None, sowohl auf groupals auch auf zu setzen timestamp_col. Schließlich erhält der Setter / Validator Noneden neuen Wert und löst einen Fehler aus.

Daher sollten Sie einen akzeptablen Wert auf groupund setzen 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)

Dann können Sie die if g == None: returnZeilen im Validator löschen .

gdlmx
quelle