如何处理使用 pandas 应用 isbnlib.meta 返回的错误

Question

isbnlib.meta当您输入 isbn 时，我正在使用它来提取元数据（书名、作者、出版商年份等）。我有一个包含 482,000 isbns 的数据框（列标题：isbn13）。当我运行该函数时，我会收到一个错误，NotValidISBNError该错误会停止其轨道中的代码。我想要发生的是，如果出现错误，代码将简单地跳过该行并移至下一行。现在这是我的代码：list_df[0]['publisher_isbnlib'] = list_df[0]['isbn13'].apply(lambda x: isbnlib.meta(x).get('Publisher', None))list_df[0]['yearpublished_isbnlib'] = list_df[0]['isbn13'].apply(lambda x: isbnlib.meta(x).get('Year', None))#list_df[0]['language_isbnlib'] = list_df[0]['isbn13'].apply(lambda x: isbnlib.meta(x).get('Language', None))list_df[0]list_df[0]是我尝试对数据帧进行分块后的前 20,000 行。我刚刚手动输入此代码 24 次来处理每个块。我尝试尝试：和例外：但最终发生的只是代码停止，并且我没有报告任何元数据。追溯：---------------------------------------------------------------------------NotValidISBNError                         Traceback (most recent call last)<ipython-input-39-a06c45d36355> in <module>----> 1 df['meta'] = df.isbn.apply(isbnlib.meta)e:\Anaconda3\lib\site-packages\pandas\core\series.py in apply(self, func, convert_dtype, args, **kwds)   4198             else:   4199                 values = self.astype(object)._values-> 4200                 mapped = lib.map_infer(values, f, convert=convert_dtype)   4201    4202         if len(mapped) and isinstance(mapped[0], Series):pandas\_libs\lib.pyx in pandas._libs.lib.map_infer()e:\Anaconda3\lib\site-packages\isbnlib\_ext.py in meta(isbn, service)     23 def meta(isbn, service='default'):     24     """Get metadata from Google Books ('goob'), Open Library ('openl'), ..."""---> 25     return query(isbn, service) if isbn else {}     26      27 e:\Anaconda3\lib\site-packages\isbnlib\dev\_decorators.py in memoized_func(*args, **kwargs)     22             return cch[key]     23         else:---> 24             value = func(*args, **kwargs)     25             if value:     26                 cch[key] = value

Answer 1

• 当前提取 isbn 元数据的实现速度极其缓慢且效率低下。

• 如前所述，有 482,000 个唯一的 isbn 值，其数据被多次下载（例如，每列一次，因为当前编写的代码）

• 最好一次性下载所有元数据，然后从 中提取数据dict，作为单独的操作。

• 块try-except用于捕获无效 isbn 值的错误。

• 返回一个空的dict, ，因为不能与或 一起使用。{}pd.json_normalizeNaNNone

• 没有必要对 isbn 列进行分块。

• pd.json_normalize用于扩展dictfrom 返回的值.meta。

• 用于pandas.DataFrame.rename重命名列和pandas.DataFrame.drop删除列。

• 此实现将比当前实现快得多，并且对用于获取元数据的 API 发出的请求要少得多。

• 要从 中提取值lists（例如'Authors'列），请使用df_meta = df_meta.explode('Authors'); 如果有多个作者，将为列表中的每一位附加作者创建一个新行。

import pandas as pd  # version 1.1.3

import isbnlib  # version 3.10.3

# sample dataframe

df = pd.DataFrame({'isbn': ['9780446310789', 'abc', '9781491962299', '9781449355722']})

# function with try-except, for invalid isbn values

def get_meta(col: pd.Series) -> dict:

    try:

        return isbnlib.meta(col)

    except isbnlib.NotValidISBNError:

        return {}

# get the meta data for each isbn or an empty dict

df['meta'] = df.isbn.apply(get_meta)

# df

            isbn                                                                                                                                                                                                                                                   meta

0  9780446310789                                                                                   {'ISBN-13': '9780446310789', 'Title': 'To Kill A Mockingbird', 'Authors': ['Harper Lee'], 'Publisher': 'Grand Central Publishing', 'Year': '1988', 'Language': 'en'}

1            abc                                                                                                                                                                                                                                                     {}

2  9781491962299  {'ISBN-13': '9781491962299', 'Title': 'Hands-On Machine Learning With Scikit-Learn And TensorFlow - Techniques And Tools To Build Learning Machines', 'Authors': ['Aurélien Géron'], 'Publisher': "O'Reilly Media", 'Year': '2017', 'Language': 'en'}

3  9781449355722                                                                                                                  {'ISBN-13': '9781449355722', 'Title': 'Learning Python', 'Authors': ['Mark Lutz'], 'Publisher': '', 'Year': '2013', 'Language': 'en'}

# extract all the dicts in the meta column

df = df.join(pd.json_normalize(df.meta)).drop(columns=['meta'])

# extract values from the lists in the Authors column

df = df.explode('Authors')

# df

            isbn        ISBN-13                                                                                                         Title         Authors                 Publisher  Year Language

0  9780446310789  9780446310789                                                                                         To Kill A Mockingbird      Harper Lee  Grand Central Publishing  1988       en

1            abc            NaN                                                                                                           NaN             NaN                       NaN   NaN      NaN

2  9781491962299  9781491962299  Hands-On Machine Learning With Scikit-Learn And TensorFlow - Techniques And Tools To Build Learning Machines  Aurélien Géron            OReilly Media   2017       en

3  9781449355722  9781449355722 

Answer 2

如果没有看到代码，很难回答，但是try/ except应该确实能够处理这个问题。

我不是这里的专家，但看看这段代码：

l = [0, 1, "a", 2, 3]

for item in l:

    try:

        print(item + 1)

    except TypeError as e:

        print(item, "is not integer")             

如果你尝试用字符串进行加法，Python 会讨厌它并用TypeError. 因此，您捕获了TypeErrorexcept 的使用，并可能报告有关它的一些内容。当我运行这段代码时：

1

2

a is not integer  # exception handled!

3

4

您应该能够使用 处理异常except NotValidISBNError，然后报告您喜欢的任何元数据。

您可以通过异常处理变得更加复杂，但这是基本思想。