Question

Pandas似乎忽略了额外（无效）参数。例如，

import pandas as pd
df=pd.read_excel('myfile.xlsx', some_dummy_param=True)

我期待（但没有得到）这样的错误......

TypeError: __init__() got an unexpected keyword argument 'some_dummy_param'

问题是，由于没有错误，我认为“some_dummy_param”有效。这当然不是预期的。有没有办法确保只将有效参数传递给read_excel方法？

Answer 1

不，不是真的。

关键字参数通常通过**kwargs在Pandas中传递，该转发或转发或视为dict。使用此dict的函数可以自由检查是否存在除了他们期望的密钥之外的密钥。

你可以做类似的事情：

def safe_read_excel(self, f_name, *args, **kwargs):
    # Check if kwargs contains wrong parameters
    if set(kwargs.keys()).difference(set(<expected keys>)): 
        raise ValueError(<some messagge>)
    return self.read_excel(f_name, *args, **kwargs)

pd.DataFrame.safe_read_excel = safe_read_excel

然而，这会

为DataFrame创建非标准方法
可能会破坏不同版本的Pandas

Answer 2

是的，这不是一个需要解决的微不足道的问题。 pd.read_excel在其签名中接受**kwargs。这意味着您可以传递任何关键字参数，因为read_excel不会对其不需要使用的关键字参数执行任何操作。

解决此问题的一种方法是

确定哪些关键字参数read_excel 实际上接受
为read_excel
根据（1）
将过滤后的参数列表传递给函数

要处理（1），您可以使用inspect模块来确定pd.read_excel接受的参数。特别是，inspect.signature方法返回Signature对象，您可以从中查询parameters属性。这将返回mappingproxy（实际上是一个不可变的字典）。

import inspect
args = inspect.signature(pd.read_excel).parameters

print(args)
mappingproxy({'convert_float': <Parameter "convert_float=True">,
              'converters': <Parameter "converters=None">,
              'date_parser': <Parameter "date_parser=None">,
              'dtype': <Parameter "dtype=None">,
              ...})

这里假设（2）已经完成。但是，在您的情况下，您需要确保您的潜在参数在字典中，因为这将使真正容易在mappingproxy和filter上相交。

params = {'io' : 'myfile.xlsx', 'some_dummy_param' : True}

步骤（3）涉及对键执行设置交集，然后从交叉点重建新的参数列表。

valid_params = {k : params[k] for k in params.keys() & args.keys()}

print(valid_params)
{'io': 'myfile.xlsx'}

这形成了你的有效参数列表 - （4）的基础。

df = pd.read_excel(**valid_params)

pandas方法的有效参数

2 个答案: