0

Tengo un problema con un código que estoy trabajando, el contexto es que quiero iterar a través de todos los renglones de un dataframe para aplicar una función tomando el valor de una columna en todos los renglones, EL PROBLEMA es que al ejecutar el código me di cuenta de que únicamente le está aplicando la función al último renglón del dataframe, es decir, no lee y aplica al primero, solo al último valor. ¿Me podrían ayudar? Adjunto código y el dataframe:

import pandas as pd
import csv

df = pd.read_csv('hola.txt', sep='|', header=None, warn_bad_lines=True, error_bad_lines=False, skipinitialspace=(True))

for i in range(df.shape[0]):
    def longitud_fecha(lon_fecha,fecha_beneficio):
        if lon_fecha != fecha_beneficio:
            return('La longitud del campo no es válida, el número de caracteres del campo es: %r ' %lon_fecha)
        else:
            return('La longitud del campo es correcta')

    lon_fecha=len(df.iloc[i,17].item())
    fecha_beneficio=8
    diagnostico=longitud_fecha(lon_fecha,fecha_beneficio)

print(df.iloc[i,17], diagnostico)

El Dataframe es (los valores en negrita son los que debe leer):

AALM460718MOCLPR05|ALTAMIRANO|LOPEZ|MARINA|19460718|OC|M|NO|NO|09|08|08215|S293|13|20|153|9999|20220817|01|251 CUGG691212MCHRND05|CRUZ|GONZALEZ|GUADALUPE|19691212|CH|M|NO|NO|09|08|08215|S293|10|08|027|9999|20220325|01|251

output:

20220325(La longitud del campo es correcta)

Como pueden ver, no me regresa el diagnostico para el primer renglón del dataframe, únicamente me regresa el del Segundo, incluso si borro el valor del primer renglón me retorna dos diagnósticos, pero para el mismo renglón (el último). Espero me puedan ayudar

Saludos cordiales

11
  • Tenes un error de concepto en cuanto como funciona Python. En Python, las variables se pueden sobreescribir. O sea en el caso del primer renglón, hace un diagnostico y lo guarda en diagnostico. Luego, en el segundo hace otro diagnostico y sobreescribe el valor anterior de diagnostico con el nuevo.
    – Dante S.
    Commented el 11 nov. 2022 a las 15:30
  • Lo mismo pasa en el bucle for. Como el print está fuera del bucle for, la i tiene el ultimo valor que el bucle for seteó.
    – Dante S.
    Commented el 11 nov. 2022 a las 15:32
  • Oh ya veo, entonces tendría que hacer que no se sobreescriba el diagnostico no? Commented el 11 nov. 2022 a las 15:37
  • Basicamente meter el print dentro del bucle for no? Commented el 11 nov. 2022 a las 15:38
  • Digamos que eso te iría mostrando los valores que toma diagnostico. En terminos de debug, es util. Pero la variable diagnostico se seguirá sobreescribiendo. Tu objetivo es solo ver los valores que toma diagnostico, o utilizar todos los diagnosticos más adelante?
    – Dante S.
    Commented el 11 nov. 2022 a las 15:39

1 respuesta 1

0

Buen día,

Nota: Al utilizar pandas es recomendable no utilizar ciclos (Por ejemplo for) para iterar en los elementos, hay métodos optimizados que trabajan con el dataset rápida y eficientemente. En la mayoría de los casos, si lo que quieres hacer crees que se puede hacer con un for entonces es el camino incorrecto (O el que va a tardar más y tener mayor impacto al procesador). En esos casos, si no hay un método directo que realice la tarea entonces apply podría ser una buena opción, como último recurso sería utilizar ciclos.

Con el siguiente dataframe de ejemplo (Agregué una fila con un 7 dígitos en la columna 17 para mostrar el funcionamiento):

                   0           1         2          3         4   5  6   7   \
0  AALM460718MOCLPR05  ALTAMIRANO     LOPEZ     MARINA  19460718  OC  M  NO   
1  CUGG691212MCHRND05        CRUZ  GONZALEZ  GUADALUPE  19691212  CH  M  NO   
2  CUGG691212MCHRND05        CRUZ  GONZALEZ  GUADALUPE  19691212  CH  M  NO   

   8   9   10    11    12  13  14   15    16        17  18   19  
0  NO   9   8  8215  S293  13  20  153  9999  20220817   1  251  
1  NO   9   8  8215  S293  10   8   27  9999  20220325   1  251  
2  NO   9   8  8215  S293  10   8   27  9999   2022325   1  251  

Puedes hacerlo facilmente utilizando pandas.Series.apply

Ejemplo:

import pandas as pd

df = pd.read_csv('sample.txt', sep='|', header=None, on_bad_lines='warn', skipinitialspace=(True))
print(df[17].apply(lambda x: 'La longitud del campo es correcta' if len(str(x)) == 8 else f'La longitud del campo no es válida, el número de caracteres del campo es: {len(str(x))}'))

Esto imprime la siguiente serie:

0                                            La longitud del campo es correcta
1                                            La longitud del campo es correcta
2  La longitud del campo no es válida, el número de caracteres del campo es: 7
Name: 17, dtype: object
11
  • Muchas gracias, lo estoy aplicando para ver el resultado, muchas muchas gracias Commented el 11 nov. 2022 a las 16:14
  • amigo, me dice que la sintaxis es incorrecta :O Commented el 11 nov. 2022 a las 16:16
  • ¿Qué error aparece exactamente? ¿Qué versión de pandas utilizas? Porque en la pregunta utilizas argumentos que han sido marcados como próximas modificaciones, están marcados como deprecados. Commented el 11 nov. 2022 a las 16:25
  • Me aparece 'SyntaxError: invalid syntax' utilizo pandas 1.5.0, y el IDE spyder Commented el 11 nov. 2022 a las 16:30
  • Lo ejecute en la terminal y dice que el error está en ... {len(str(x))}')) Commented el 11 nov. 2022 a las 16:34

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.