1

当您输入 isbn 时，我正在使用isbnlib.meta它来提取元数据（书名、作者、出版年份等）。我有一个包含 482,000 个 isbns 的数据框（列标题：isbn13）。当我运行这个函数时，我会得到一个错误，比如NotValidISBNError停止它的轨道中的代码。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。

这是我现在的代码：

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]是前 20,000 行，因为我试图通过数据框进行分块。我刚刚手动输入此代码 24 次来处理每个块。

我尝试尝试：并且除了：但最终发生的只是代码停止并且我没有收到任何元数据报告。

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

e:\Anaconda3\lib\site-packages\isbnlib\_metadata.py in query(isbn, service)
     18     if not ean:
     19         LOGGER.critical('%s is not a valid ISBN', isbn)
---> 20         raise NotValidISBNError(isbn)
     21     isbn = ean
     22     # only import when needed

NotValidISBNError: (abc) is not a valid ISBN
4

2 回答 2

2
  • 当前提取 isbn 元数据的实现非常缓慢且效率低下。
    • 如前所述，有 482,000 个唯一的 isbn 值，数据被多次下载（例如，每列一次，因为当前编写的代码）
  • 最好一次下载所有元数据，然后从 中提取数据dict，作为单独的操作。
  • try-except块用于从无效的 isbn 值中捕获错误 。
    • 一个空的dict,{}被返回，因为pd.json_normalize不能与NaNor一起使用None。
    • 没有必要对 isbn 列进行分块。
  • pd.json_normalize用于扩展dict返回的 from .meta。
  • 用于pandas.DataFrame.rename重命名列和pandas.DataFrame.drop删除列。
  • 此实现将明显快于当前实现，并且将对用于获取元数据的 API 发出更少的请求。
  • 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，将为列表中的每个其他作者创建一个新行。
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                                                                                               Learning Python       Mark Lutz                            2013       en
于 2020-10-21T22:51:37.037 回答
1

没有看到代码就很难回答，但是try/except应该真的能够处理这个问题。

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")

如果您尝试使用字符串进行加法，python 讨厌它并使用TypeError. 因此，您捕获了TypeError使用 except 并可能报告有关它的内容。当我运行此代码时：

1
2
a is not integer  # exception handled!
3
4

您应该能够使用 处理您的异常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。

于 2020-10-21T22:23:58.327 回答