pydata_validator 0.5.0

为什么在pandas数据整理中会出现bug

当我们使用pandas整理数据时，我们经常使用DataFrame。DataFrame非常强大且易于处理。但是，DataFrame没有其模式，因此它可以接受不规则值而不会意识到这一点。我们被这些值所困惑，并影响了数据整理的结果。

pandas-schema提供了验证DataFrame或Series对象并生成工厂数据的函数。

概述

import pandas as pd
import pandas_validator as pv

class SampleDataFrameValidator(pv.DataFrameValidator):
    row_num = 5
    column_num = 2
    label1 = pv.IntegerColumnValidator('label1', min_value=0, max_value=10)
    label2 = pv.FloatColumnValidator('label2', min_value=0, max_value=10)

validator = SampleDataFrameValidator()

df = pd.DataFrame({'label1': [0, 1, 2, 3, 4], 'label2': [5.0, 6.0, 7.0, 8.0, 9.0]})
validator.is_valid(df)  # True.

df = pd.DataFrame({'label1': [11, 12, 13, 14, 15], 'label2': [5.0, 6.0, 7.0, 8.0, 9.0]})
validator.is_valid(df)  # False.

df = pd.DataFrame({'label1': [0, 1, 2], 'label2': [5.0, 6.0, 7.0]})
validator.is_valid(df)  # False

要求

• 支持Python版本：2.7，3.4，3.5，3.6

• 支持pandas版本：0.18，0.19

安装

$ pip install pandas_validator

用法

请参阅以下由ipython notebook编写的演示。

• 日语演示

• 英语演示

0.5.0 (2017-01-06)

• 添加LambdaColumnValidator

• 添加IndexValidator

• .validate(df)方法已弃用。请使用.is_valid(df, raise_exception=True)

0.4.0 (2015-10-28)

• 热修复：无法包含源文件

0.3.2 (2015-10-28)

• 支持Python 2.7，3.2，3.3，3.4，3.5

• 支持pandas 0.14，0.15，0.16，0.17

0.3.1 (2015-10-28)

• 更新支持的Python版本

• 更新依赖库版本

0.3.0 (2015-07-15)

• 关键bug修复

0.2.0 (2015-05-24)

• 支持字符类型验证

• flake8测试

0.1.0 (2015-05-22)

初始版本。

• 支持整数序列验证器

• 支持浮点序列验证器

• 支持DataFrame验证器

• 在python2.7和python 3.4上测试

0.0.0 (2015-05-17)

创建此项目。