假设和空的 DataFrames

Question

我正在使用 Hypothesis 测试数据帧，当它们 "empty-ish" 我遇到了一些意外行为。

在下面的示例中，我有一个所有 nans 的数据框，它被视为 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，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() 以允许各种病态示例。有什么建议吗？

Answer 1

看起来您以某种方式结束了 None 而不是数据帧作为 input_dfs_dict 中的值。你能 post 你正在使用的完整测试，或者至少是函数定义和策略吗？单独的回溯并没有足够的信息来说明发生了什么。快速检查事项：

该策略可以在此处生成 None 而不是数据框吗？如果是这样，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，您能否仅使用此数据帧的逻辑和策略编写一个更简单的测试？

假设和空的 DataFrames

Hypothesis and empty-ish DataFrames

python-hypothesis