Pandas中如何为空DataFrame创建异常 用try/raise实现异常处理

实现逻辑 #

• 第一步：自定义专属异常类，继承Python内置Exception基类，和其他通用异常做区分，方便精准捕获定位问题
• 第二步：使用Pandas DataFrame自带的.empty属性判断是否为空表，该属性在DataFrame无任何有效数据时返回True，是官方推荐的空表判断方式
• 第三步：用try块包裹数据校验+业务处理逻辑，检测到空表时用raise语句抛出自定义异常，再通过except块精准捕获该类异常做对应处理

完整示例代码 #

import pandas as pd

# 定义空DataFrame专属异常
class EmptyDataFrameError(Exception):
    """数据处理场景下空DataFrame抛出的专属异常"""
    pass

def process_score_data(input_df: pd.DataFrame):
    try:
        # 空表校验
        if input_df.empty:
            # 抛出自定义异常，附带明确错误提示
            raise EmptyDataFrameError("当前传入的成绩DataFrame为空，无法执行后续统计计算")
        # 非空场景下的正常业务逻辑，示例为计算平均分
        avg_score = input_df['score'].mean()
        print(f"成绩表处理完成，平均分为：{avg_score}")
        return avg_score
    except EmptyDataFrameError as e:
        # 专门捕获空表异常，执行自定义处理逻辑
        print(f"[错误捕获] 数据校验不通过：{str(e)}")
        # 可按需扩展：返回默认值、记录错误日志、终止流程等
        return None

if __name__ == "__main__":
    # 测试空DataFrame场景（对应示例提供的空数据）
    name_dict = {'name': [], 'score':[]}
    empty_df = pd.DataFrame(name_dict)
    print("测试空DataFrame场景：")
    process_score_data(empty_df)

    print("\n测试非空DataFrame场景：")
    valid_df = pd.DataFrame({'name': ['张三', '李四'], 'score': [90, 85]})
    process_score_data(valid_df)

注意事项 #

不要单独用len(df) == 0做空表判断，当DataFrame存在列名但无行数据时该判断生效，但遇到无列无行的极端空表场景，.empty的判断准确率更高。捕获异常时只指定自定义异常类即可，不要直接写裸except吞掉所有其他类型的报错，避免掩盖代码本身的逻辑问题。

内容的提问来源于stack exchange，提问作者AK007