Python 的 Pandera 可以验证 Geopandas DataFrame 是否有 Linestrings

Question

有没有办法检查标准内置数据类型（str、float、int）以外的数据类型？我尝试了以下操作，但这会导致错误，因为 Pandera 不知道数据类型 LineString。有什么建议吗？

import pandera as pa
from shapely.geometry import LineString


class Schema(pa.DataFrameModel:
   id: int = pa.Field(unique=True, nullable=False)
   geometry: LineString = pa.Field(nullable=False)



try:
    Schema.validate(some_df, lazy=True)
except pa.errors.SchemaErrors as err:
    errors = err.failure_cases
    error_data = err.data

pandera 扩展是否可行？那如何实施呢？

Answer 1

Pandera 是一个很棒的 Python 数据验证库，但它只验证简单的数据类型和结构，不支持 Shapely 库中的“LineString”等复杂数据类型。您可能需要编写自己的验证逻辑来支持此类特殊数据类型。

import pandera as pa
from shapely.geometry import LineString
import geopandas as gpd

# Sample DataFrame
data = {'id': [1, 2, 3],
        'geometry': [LineString([(0, 0), (1, 1)]), LineString([(1, 1), (2, 2)]), LineString([(2, 2), (3, 3)])]}
df = gpd.GeoDataFrame(data)

# Define a custom validation function
def validate_line_string_geometry(df):
    for geom in df['geometry']:
        if not isinstance(geom, LineString):
            raise ValueError("Invalid LineString geometry")
    return df

# Create a Pandera schema
schema = pa.DataFrameSchema({
    "id": pa.Column(pa.Int, nullable=False),
    "geometry": pa.Check(validate_line_string_geometry, nullable=False)
})

schema.validate(df)  # This will raise an error if validation fails