0

我正在使用假设来测试数据帧，当它们“空”时，我会遇到一些意想不到的行为。

在下面的示例中，我有一个包含所有 nans 的数据框，它被视为一个NoneType对象而不是数据框（因此它没有属性notnull()）：

Falsifying example: test_merge_csvs_properties(input_df_dict=    {'googletrend.csv':    file  week  trend
 0   NaN   NaN    NaN                                                        
 1   NaN   NaN    NaN                                                        
 2   NaN   NaN    NaN
 3   NaN   NaN    NaN                                 
 4   NaN   NaN    NaN                                                                                                                                                                                  5   NaN   NaN    NaN}
<snip>
Traceback (most recent call last):
  File "/home/chachi/Capstone-SalesForecasting/tests/test_make_dataset_with_composite.py", line 285, in test_merge_csvs_properties                                                                   
    input_dataframe, df_dict = make_dataset.merge_csvs(input_df_dict)
  File "/home/chachi/Capstone-SalesForecasting/tests/../src/data/make_dataset.py", line 238, in merge_csvs                                                                                           
    if dfs_dict['googletrend.csv'].notnull().any().any():
AttributeError: 'NoneType' object has no attribute 'notnull'

与 ipython 会话相比，其中所有 nans 的数据帧仍然是数据帧：

>>> import pandas as pd
>>> import numpy as np
>>> tester = pd.DataFrame({'test': [np.NaN]})
>>> tester
   test
0   NaN
>>> tester.notnull().any().any()
False

我正在明确测试notnull()以允许各种病理示例。有什么建议么？

4

1 回答 1

0

看起来你以某种方式结束了 None 而不是 dataframe 作为input_dfs_dict. 您能否发布您正在使用的完整测试，或者至少发布功能定义和策略？单独的回溯并没有足够的信息来说明正在发生的事情。快速检查：

  • 该策略可以在这里生成 None 而不是数据框吗？如果是这样，那就没有什么神秘的了，因为 Hypothesis 报告说它可以触发 AttributeError。
  • 如果没有，你能用这个数据框的逻辑和策略编写一个更简单的测试吗？
于 2019-01-30T18:47:16.733 回答