在这篇文章中，我们将带领您了解AttributeError：使用Pandaseval，“PandasExprVisitor”对象没有属性“visit_Ellipsis”的全貌，包括python报错对象

在这篇文章中，我们将带领您了解AttributeError：使用Pandas eval，“ PandasExprVisitor”对象没有属性“ visit_Ellipsis”的全貌，包括python报错对象没有属性的相关情况。同时，我们还将为您介绍有关AttributeError：“ DataFrame”对象没有属性“ map”、AttributeError：“ DiGraph”对象没有属性“ number_of_selfloops”、AttributeError：“ DirectoryIterator”对象没有属性“ map”、AttributeError：“ ElasticSearch”对象没有属性“ bulk_index””的知识，以帮助您更好地理解这个主题。

• AttributeError：使用Pandas eval，“ PandasExprVisitor”对象没有属性“ visit_Ellipsis”（python报错对象没有属性）
• AttributeError：“ DataFrame”对象没有属性“ map”
• AttributeError：“ DiGraph”对象没有属性“ number_of_selfloops”
• AttributeError：“ DirectoryIterator”对象没有属性“ map”
• AttributeError：“ ElasticSearch”对象没有属性“ bulk_index””

AttributeError：使用Pandas eval，“ PandasExprVisitor”对象没有属性“ visit_Ellipsis”（python报错对象没有属性）

我有一系列的表格：

s0    [133, 115, 3, 1]1    [114, 115, 2, 3]2      [51, 59, 1, 1]dtype: object

注意，它的元素是 字符串 ：

s[0]''[133, 115, 3, 1]''

我试图用来pd.eval将此字符串解析为列表的一列。这适用于此样本数据。

pd.eval(s)array([[133, 115, 3, 1],       [114, 115, 2, 3],       [51, 59, 1, 1]], dtype=object)

但是，在更大的数据（10K的数量级）上，这很惨！

len(s)300000pd.eval(s)AttributeError: ''PandasExprVisitor'' object has no attribute ''visit_Ellipsis''

我在这里想念什么？函数或数据有问题吗？

答案1

TL; DR
截至v0.21，这是一个错误，并且是GitHub上的一个未解决问题。参见GH16289。

为什么会出现此错误？
（很可能）这是pd.eval的错，它不能解析具有100多行的序列。这是一个例子。

len(s)300000pd.eval(s.head(100))  # returns a parsed result

鉴于，

pd.eval(s.head(101))AttributeError: ''PandasExprVisitor'' object has no attribute ''visit_Ellipsis''

无论解析器还是引擎，此问题仍然存在。

这个错误是什么意思？
当传递的行超过100行时，对其进行pd.eval操作__repr__，而不是对其中包含的对象进行操作（这是导致此错误的原因）。所述__repr__截短的行，具有替换它们...（省略号）。该省略号被引擎误解为Ellipsis对象-

...Ellipsispd.eval(''...'')AttributeError: ''PandasExprVisitor'' object has no attribute ''visit_Ellipsis''

这正是导致此错误的原因。

我该怎么做才能使它正常工作？
目前，尚无解决方案（该问题截至2017年12月28日仍未解决）， 但是 ，有一些解决方法。

选项1 如果可以保证没有任何格式错误的字符串，则此选项应立即可用。
ast.literal_eval

from ast import literal_evals.apply(literal_eval)0    [133, 115, 3, 1]1    [114, 115, 2, 3]2      [51, 59, 1, 1]dtype: object

如果可能出现数据格式错误，则需要编写一些错误处理代码。您可以使用函数来做到这一点-

def safe_parse(x):    try:        return literal_eval(x)    except (SyntaxError, ValueError):        return np.nan # replace with any suitable placeholder value

将此功能传递给apply-

s.apply(safe_parse)0    [133, 115, 3, 1]1    [114, 115, 2, 3]2      [51, 59, 1, 1]dtype: object

ast适用于任意数量的行，速度很慢，但可靠。您也可以将pd.json.loadsJSON数据用于，方法与相同literal_eval。

选项2
yaml.load
解析简单数据的另一个不错的选择，我前一阵子是从@ayhan那里选出来的。

import yamls.apply(yaml.load)0    [133, 115, 3, 1]1    [114, 115, 2, 3]2      [51, 59, 1, 1]dtype: object

我尚未在更复杂的结构上对此进行过测试，但这对于几乎所有基本的数据字符串表示形式均适用。

您可以在此处找到PyYAML的文档。向下滚动一点，您将找到有关该load功能的更多详细信息。

注意

• 如果您使用的是JSON数据，则可能适合使用pd.read_json或pd.io.json.json_normalize从头开始读取文件。
• 您还可以在读取数据时执行解析，方法是read_csv-

  s = pd.read_csv(converters=literal_eval, squeeze=True)

该converters参数将在读取的列上应用传递给该列的函数，因此您以后不必处理解析。

• 继续上述要点，如果您正在使用数据框，请传递dict-

  df =  pd.read_csv(converters={''col'' : literal_eval})

col您还可以传递pd.json.loads（对于json数据）或pd.eval（如果您有100行或更少的行），则将其解析在哪里。

感谢MaxU和Moondra发现此问题。

AttributeError：“ DataFrame”对象没有属性“ map”

from pyspark.mllib.clustering import KMeans
spark_df = sqlContext.createDataFrame(pandas_df)
rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
model = KMeans.train(rdd,2,maxIterations=10,runs=30,initializationMode="random")

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-11-a19a1763d3ac> in <module>()
      1 from pyspark.mllib.clustering import KMeans
      2 spark_df = sqlContext.createDataFrame(pandas_df)
----> 3 rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
      4 model = KMeans.train(rdd,initializationMode="random")

/home/edamame/spark/spark-2.0.0-bin-hadoop2.6/python/pyspark/sql/dataframe.pyc in __getattr__(self,name)
    842         if name not in self.columns:
    843             raise AttributeError(
--> 844                 "'%s' object has no attribute '%s'" % (self.__class__.__name__,name))
    845         jc = self._jdf.apply(name)
    846         return Column(jc)

AttributeError: 'DataFrame' object has no attribute 'map'

AttributeError：“ DiGraph”对象没有属性“ number_of_selfloops”

软件包nxpd好像是最近几年更新的。您可以自己修改行（请参见https://github.com/chebee7i/nxpd/blob/master/nxpd/nx_pydot.py#L249），并与G.number_of_selfloops交换nx.number_of_selfloops(G)。 但是，我认为它们与nxpd有关的问题更多，我建议您仅将networkx自己的接口用于graphviz，例如graphviz_layout：

pos = nx.nx_agraph.graphviz_layout(G,prog="circo")
nx.draw(G,pos)

AttributeError：“ DirectoryIterator”对象没有属性“ map”

您可以使用以下方式导入数据集

tf.data.Dataset.from_generator()

AttributeError：“ ElasticSearch”对象没有属性“ bulk_index””

self.conn.bulk_index(self.index_name,'modelresult',prepped_docs,id_field=ID)   
AttributeError: 'ElasticSearch' object has no attribute 'bulk_index'

关于AttributeError：使用Pandas eval，“ PandasExprVisitor”对象没有属性“ visit_Ellipsis”和python报错对象没有属性的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于AttributeError：“ DataFrame”对象没有属性“ map”、AttributeError：“ DiGraph”对象没有属性“ number_of_selfloops”、AttributeError：“ DirectoryIterator”对象没有属性“ map”、AttributeError：“ ElasticSearch”对象没有属性“ bulk_index””等相关知识的信息别忘了在本站进行查找喔。