este código que escribo sirve para importar qx de diferentes tablas para después usarlas…
- User
este código que escribo sirve para importar qx de diferentes tablas para después usarlas y calcular para cada una diferentes variables (siendo alguna de las tablas generacionales) PRIMERO----> EJECUTAMOS LA LECTURA DE LAS lx DE DIFERENTES TABLAS import pandas as pd
class BiometricTableImporter: def init(self, file_path): self.file_path = file_path
def import_table(self, sheet_name, usecols, skiprows, nrows): df = pd.read_excel( self.file_path, sheet_name=sheet_name, usecols=usecols, skiprows=skiprows, nrows=nrows ) return dfif name == "main": file_path = r"F:\1Assegurances\MUTUALITATS\MANUAL\2 NORMATIVA\5.-Taules actuarials\3bis.-Anexos Resolución de 17 de diciembre de 2020.xlsx"
importer = BiometricTableImporter(file_path) # Parámetros para la primera tabla sheet_name1 = "Anexo 2.1" usecols1 = "C: E" skiprows1 = 7 nrows1 = 121 PERF2020_COL_1 = importer.import_table(sheet_name1, usecols1, skiprows1, nrows1) # Parámetros para la segunda tabla sheet_name2 = "Anexo 2.1" usecols2 = "G: I" skiprows2 = 7 nrows2 = 121 PERM2020_COL_1 = importer.import_table(sheet_name2, usecols2, skiprows2, nrows2) # Parámetros para la segunda tabla sheet_name3 = "Anexo 2.1" usecols3 = "M: O" skiprows3 = 7 nrows3 = 121 PERF2020_IND_1 = importer.import_table(sheet_name3, usecols3, skiprows3, nrows3) # Parámetros para la segunda tabla sheet_name4= "Anexo 2.1" usecols4 = "Q: S" skiprows4 = 7 nrows4 = 121 PERM2020_IND_1 = importer.import_table(sheet_name4, usecols4, skiprows4, nrows4) # Parámetros para la segunda tabla sheet_name5 = "Anexo 1.1" usecols5 = "C: D" skiprows5 = 7 nrows5 = 121 PERF2020_COL_2 = importer.import_table(sheet_name5, usecols5, skiprows5, nrows5) # Parámetros para la segunda tabla sheet_name6 = "Anexo 1.1" usecols6 = "E: F" skiprows6 = 7 nrows6 = 121 PERM2020_COL_2 = importer.import_table(sheet_name6, usecols6, skiprows6, nrows6) # Parámetros para la segunda tabla sheet_name7 = "Anexo 1.1" usecols7 = "H: I" skiprows7 = 7 nrows7 = 121 PERF2020_IND_2 = importer.import_table(sheet_name7, usecols7, skiprows7, nrows7) # Parámetros para la segunda tabla sheet_name8 = "Anexo 1.1" usecols8 = "J: K" skiprows8 = 7 nrows8 = 121 PERM2020_IND_2 = importer.import_table(sheet_name8, usecols8, skiprows8, nrows8) # Parámetros para la segunda tabla sheet_name9 = "Anexo 1.2 y Anexo 1.3" usecols9 = "B: B" skiprows9 = 7 nrows9 = 121 PASEF2020_GEN_2 = importer.import_table(sheet_name9, usecols9, skiprows9, nrows9) # Parámetros para la segunda tabla sheet_name10 = "Anexo 1.2 y Anexo 1.3" usecols10 = "C: C" skiprows10 = 7 nrows10 = 121 PASEM2020_GEN_2 = importer.import_table(sheet_name10, usecols10, skiprows10, nrows10) # Parámetros para la segunda tabla sheet_name11 = "Anexo 1.2 y Anexo 1.3" usecols11 = "E: E" skiprows11 = 7 nrows11 = 121 PASEF2020_DEC_2 = importer.import_table(sheet_name11, usecols11, skiprows11, nrows11) # Parámetros para la segunda tabla sheet_name12 = "Anexo 1.2 y Anexo 1.3" usecols12 = "F: F" skiprows12 = 7 nrows12 = 121 PASEM2020_DEC_2 = importer.import_table(sheet_name12, usecols12, skiprows12, nrows12) # Parámetros para la segunda tabla sheet_name13 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols13 = "B: B" skiprows13 = 7 nrows13 = 121 PASEF_REL_1 = importer.import_table(sheet_name13, usecols13, skiprows13, nrows13) # Parámetros para la segunda tabla sheet_name14 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols14 = "C: C" skiprows14 = 7 nrows14 = 121 PASEM_REL_1 = importer.import_table(sheet_name14, usecols14, skiprows14, nrows14) # Parámetros para la segunda tabla sheet_name15 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols15 = "E: E" skiprows15 = 7 nrows15 = 121 PASEF_NOREL_1 = importer.import_table(sheet_name15, usecols15, skiprows15, nrows15) # Parámetros para la segunda tabla sheet_name16 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols16 = "F: F" skiprows16 = 7 nrows16 = 121 PASEM_NOREL_1 = importer.import_table(sheet_name16, usecols16, skiprows16, nrows16) # Parámetros para la segunda tabla sheet_name17 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols17 = "H: H" skiprows17 = 7 nrows17 = 121 PASEF_DEC_1 = importer.import_table(sheet_name17, usecols17, skiprows17, nrows17) # Parámetros para la segunda tabla sheet_name18 = "Anexo 2.2,Anexo 2.3 y Anexo 2.4" usecols18 = "I: I" skiprows18 = 7 nrows18 = 121 PASEM_DEC_1 = importer.import_table(sheet_name18, usecols18, skiprows18, nrows18) # Puedes continuar creando instancias para importar más tablas según sea necesario… # Y luego hacer algo con las tablas, como imprimir o procesarlas print(PERM2020_COL_1) print(PERF2020_COL_1) print(PERM2020_IND_1) print(PERF2020_IND_1) print(PERM2020_COL_2) print(PERF2020_COL_2) print(PERM2020_IND_2) print(PERF2020_IND_2) # Imprime los nombres de las columnas de PERF2020_COL_1 print(PERF2020_COL_1.columns) # SEGUNDO-----> GENERAMOS TODAS LAS VARIABLES CON UNA TABLA DE LAS ANTERIORES import numpy as np import pandas as pd class ActuarialTable: def init(self, qx_base: pd.Series, lambda_values: pd.Series = None, birth_year: int = None, base_year: int = None, interest_rate: float = 0.03, l0: int = 100000): self.qx_base = qx_base / 1000 # qx_base should be in ‘per thousand’ unit self.is_generational = lambda_values is not None and birth_year is not None and base_year is not None self.interest_rate = interest_rate self.l0 = l0 if self.is_generational: # Adjust based on birth year if it’s a generational table self.lambda_values = lambda_values self.birth_year = birth_year self.base_year = base_year self.qx = self.adjust_qx_by_birth_year() else: # Otherwise, use the base probabilities self.qx = self.qx_base self.lx = [self.l0] self.i = i # Tasa de interés anual efectiva self.l0 = l0 # Población inicial de lx self.lx = [l0] # Se inicializa con la población al inicio self.dx = [0.0] * len(self.qx) self.ex = [0.0] * len(self.qx) self.Dx = [0.0] * len(self.qx) self.Nx = [0.0] * len(self.qx) self.Cx = [0.0] * len(self.qx) self.Mx = [0.0] * len(self.qx) self.nEx = [0.0] * len(self.qx) # Llama al método que realiza los cálculos. self._calculate_actuarial_variables() def adjust_qx_by_birth_year(self): return self.qx_base * np.exp(-self.lambda_values * (self.birth_year + self.qx_base.index - self.base_year)) def _calculate_actuarial_variables(self): n = len(self.qx) # Calcular lx y dx for x in range(1, n + 1): lx_previous = self.lx[x - 1] dx = lx_previous * self.qx[x - 1] self.dx[x - 1] = dx lx = lx_previous - dx self.lx.append(lx) # Calcular ex (expectativa de vida) para cada edad x self.ex[-1] = 0 # Última expectativa de vida es 0 for x in reversed(range(n - 1)): lx_sum = sum(self.lx[x + 1:]) self.ex[x] = lx_sum / self.lx[x] # Calcular Dx y Nx for x in range(n): if self.lx[x] > 0: self.Dx[x] = self.lx[x] / ((1 + self.i) ** x) for x in range(n): self.Nx[x] = sum(self.Dx[x:]) # Calcular Cx y Mx for x in range(n - 1): self.Cx[x] = self.dx[x] / ((1 + self.i) ** (x + 0.5)) for x in range(n): self.Mx[x] = sum(self.Cx[x:]) # Calcular nEx for x in range(n - 1): if self.Dx[x] > 0: self.nEx[x] = self.Nx[x + 1] / self.Dx[x] # La última edad w es inicialmente desconocida, se calculará como 0 si lx es 0 self.w = n + self.lx[n:].index(0) if 0 in self.lx[n:] else n # Create an instance for a non-generational table non_generational_actuarial_table = ActuarialTable(non_generational_qx) # Create an instance for a generational table (with birth year adjustment) generational_actuarial_table = ActuarialTable(generational_qx, lambda_values, birth_year, base_year)si lo ejecuto me da este error
Traceback (most recent call last): File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\tablasgen.py", line 248, in non_generational_actuarial_table = ActuarialTable(non_generational_qx) ^^^^^^^^^^^^^^^^^^^ NameError: name 'non_generational_qx' is not defined
- Assistant
El error
NameError: name 'non_generational_qx' is not definedindica que estás intentando crear una instancia de la claseActuarialTableusando una variable llamadanon_generational_qxque nunca fue definida o inicializada previamente en tu código. Similarmente, al final de tu código, también haces referencia agenerational_qx,lambda_values,birth_year, ybase_year, las cuales tampoco se definen en el fragmento de código proporcionado.Para resolver este error, necesitas definir e inicializar estas variables antes de usarlas para crear instancias de
ActuarialTable. Por ejemplo, para arreglar el issue connon_generational_qx, necesitas obtener los datos qx relevantes de alguna de las tablas importadas y, seguramente, hacer algo similar paragenerational_qx,lambda_values,birth_year, ybase_yeardependiendo del contexto de tu trabajo. Esto podría ser a partir de los DataFrames que importaste anteriormente.Un ejemplo de esto podría ser (nota que este es solo un ejemplo y necesitarás ajustar los nombres de variables y operaciones a tus requisitos reales):
# Suponiendo que 'PERF2020_COL_1' tiene los datos qx relevantes non_generational_qx = PERF2020_COL_1['qx_column_name'] # 'qx_column_name' debería ser reemplazado por el nombre verdadero de la columna # También debes definir las demás variables antes de intentar crear instancias de 'ActuarialTable' # Por ejemplo: lambda_values = None # O tu valor real de lambda_values birth_year = None # O tu valor real de birth_year base_year = None # O tu valor real de base_year # Luego de que todas las variables requeridas estén definidas correctamente, puedes crear las instancias non_generational_actuarial_table = ActuarialTable(qx_base=non_generational_qx) # Y para una tabla generacional, asegúrate de tener los valores correctos en las variables antes de intentar esto generational_actuarial_table = ActuarialTable(qx_base=generational_qx, lambda_values=lambda_values, birth_year=birth_year, base_year=base_year)Por favor, ten en cuenta dos cosas importantes:
-
Asegúrate de que los nombres de columnas utilizados (como
'qx_column_name') coincidan con los nombres reales de las columnas en tus DataFrames. -
Revisa la inicialización de
ActuarialTable. En el código suministrado, el método__init__está incorrectamente escrito comodef init(self, ...). Debería serdef __init__(self, ...). Esto es crítico para que la inicialización de tu objeto funcione correctamente:
def __init__(self, qx_base: pd.Series, lambda_values: pd.Series = None, birth_year: int = None, base_year: int = None, interest_rate: float = 0.03, l0: int = 100000): ... -
- User
ahora da este error Traceback (most recent call last): File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\tablasgen.py", line 255, in non_generational_actuarial_table = ActuarialTable(qx_base=non_generational_qx) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\tablasgen.py", line 189, in init self.i = i # Tasa de interés anual efectiva
- Assistant
El error que estás observando indica que en tu método
__init__de la claseActuarialTable, intentas asignar un valor aself.iconself.i = i, pero el valorino está definido en cualquier parte del método__init__(ni se pasa como argumento al método). Este es un error bastante común cuando se olvida pasar variables o utilizar variables no definidas.Para solucionar este problema, necesitas asegurarte de que todas las variables que utilices dentro de
__init__y otros métodos sean definidas o pasadas correctamente. En este caso específico, parece que quisieras usarinterest_rateen lugar dei, dado queinterest_ratees un argumento del método__init__.Entonces, deberías reemplazar
self.i = iporself.i = interest_rate, asumiendo que el objetivo es tenerself.icomo tu tasa de interés anual efectiva. Aquí te muestro el fragmento pertinente de código corregido:class ActuarialTable: def __init__(self, qx_base: pd.Series, lambda_values: pd.Series = None, birth_year: int = None, base_year: int = None, interest_rate: float = 0.03, l0: int = 100000): self.qx_base = qx_base / 1000 # qx_base debería estar en ‘por mil’ self.is_generational = lambda_values is not None and birth_year is not None and base_year is not None self.i = interest_rate # Corrección aquí: Usamos interest_rate en lugar de i # Resto del código...Asegúrate de revisar todo el código para otras posibles inconsistencias o lugares donde podrías estar usando variables incorrectas o no definidas. También es una buena práctica realizar la depuración paso a paso y el uso extensivo de impresiones (print statements) o un depurador para rastrear el flujo y los valores de tu código, especialmente cuando manejas varias variables y operaciones complejas.
- User
ahora da este error Traceback (most recent call last): File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\Lib\site-packages\pandas\core\indexes\base.py", line 3805, in get_loc return self._engine.get_loc(casted_key) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "index.pyx", line 167, in pandas._libs.index.IndexEngine.get_loc File "index.pyx", line 196, in pandas._libs.index.IndexEngine.get_loc File "pandas\_libs\hashtable_class_helper.pxi", line 7081, in pandas._libs.hashtable.PyObjectHashTable.get_item File "pandas\_libs\hashtable_class_helper.pxi", line 7089, in pandas._libs.hashtable.PyObjectHashTable.get_item KeyError: 'qx base 2019 en tanto por mil'
The above exception was the direct cause of the following exception:
Traceback (most recent call last): File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\tablasgen.py", line 257, in non_generational_qx = PASEM_DEC_1["qx base 2019 en tanto por mil"] # en verde el título de la columna de las qx ~~~~~~~~~~~^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\Lib\site-packages\pandas\core\frame.py", line 4090, in getitem indexer = self.columns.get_loc(key) ^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\40999459g\PycharmProjects\Calc_Act_Gencat.venv\Lib\site-packages\pandas\core\indexes\base.py", line 3812, in get_loc raise KeyError(key) from err KeyError: 'qx base 2019 en tanto por mil'
- Assistant
El error
KeyError: 'qx base 2019 en tanto por mil'que estás viendo indica que Pandas no puede encontrar una columna llamada'qx base 2019 en tanto por mil'en el DataFramePASEM_DEC_1. Esto suele suceder por varias razones, aquí te indico algunas y cómo podrías resolverlas:-
La columna no existe:
- Verifica que el nombre de la columna sea exactamente igual al que aparece en tu DataFrame, incluidos espacios y mayúsculas. A veces, un espacio extra o una letra en mayúscula/minúscula donde no debe ser puede causar este error.
- Utiliza
print(PASEM_DEC_1.columns)para imprimir los nombres de columnas actuales del DataFrame y verificar cómo se llama exactamente la columna que intentas utilizar.
-
Columnas no fueron correctamente importadas:
- Si la columna
'qx base 2019 en tanto por mil'debería haberse importado de un archivo Excel, verifica que las opcionesusecols,skiprowsy demás parámetros en tu llamada apd.read_excel()sean correctos para incluir dicha columna.
- Si la columna
-
El nombre de la columna contiene caracteres especiales o espacios adicionales:
- A veces, el nombre de la columna en el DataFrame puede tener caracteres especiales o espacios al inicio/final que no son inmediatamente evidentes. Para manejar esto, es útil quitar espacios extras o verificar si hay caracteres inesperados.
Si luego de revisar los puntos anteriores aún no logras identificar la causa del error, podrías intentar acceder a las columnas de manera diferente, por ejemplo, si tu columna está en la segunda posición podrías acceder a ella por índice en lugar de por nombre:
non_generational_qx = PASEM_DEC_1.iloc[:, 1] # Cambia '1' por el índice real de tu columna.Recuerda, siempre es buena idea verificar los datos que tienes importados antes de procesarlos. Puedes hacer un simple
print(PASEM_DEC_1.head())para ver las primeras filas de tu DataFrame y verificar que la estructura es la que esperas, incluyendo nombres de columnas. -
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.