我有一个很大的数据框,其中除其他外还包含(挪威)社会保险号。可以通过特殊算法从该数字中获取出生日期。但是,不时有一个非法的社会保险号潜入数据库,破坏了计算。
我想做的是标记每行有非法社会保险号的行,以及显示错误消息的日志消息。
请考虑以下构造的示例
import pandas as pd
from datetime import date
sample_data = pd.DataFrame({'id' : [1, 2, 3], \
'sec_num' : [19790116, 19480631, 19861220]})
# The actual algorithm transforming the sec number is more complicated
# this is just for illustration purposes
def int2date(argdate: int):
try:
year = int(argdate / 10000)
month = int((argdate % 10000) / 100)
day = int(argdate % 100)
return date(year, month, day)
except ValueError:
raise ValueError("Value:{0} not a legal date.".format(argdate))
我想创建以下输出
id sec_num date_of_birth is_in_error error_msg
0 1 19790116 1979-01-16 False
1 2 19480631 None True 19480631 is not a legal date
2 3 19861220 1986-12-20 False
我已经尝试过
try:
sample_data['date_of_birth'] = [int2date(sec_num) for \
sec_num in sample_data['sec_num']]
sample_data['is_in_error'] = False
sample_data['error_msg'] = ''
except ValueError as e:
sample_data['is_in_error'] = True
sample_data['error_msg'] = str(e)
但是这会产生这个
id sec_num is_in_error error_msg
0 1 19790116 True Value:19480631 not a legal date.
1 2 19480631 True Value:19480631 not a legal date.
2 3 19861220 True Value:19480631 not a legal date.
我想问题是我在一个操作中分配了date_of_birth
列,而在另一操作中分配了错误。我不确定如何模拟地创建和创建is_in_error
和error_msg
列。
发生这种情况是由于您填充数据框的方式。
您处于处理大数据的领域。将异常抛出循环通常不是最好的方法,因为它通常会中止循环。与许多其他人一样,您似乎不希望这样做。