Python常见错误

复现项目遇见的bug

1.FileNotFoundError

1.1FileNotFoundError:【Error 2】No such file or directory :。。。。

在这里插入图片描述
背景:执行程序 self._fp = _builtin_open(filename,mode)时,找不到程序
解决:一般情况是文件的路径错误,但是这个项目里是文件的名称太长,导致不能存储文件。所以命令的时候缩短文件名即可。

1.2FileNotFoundError: [WinError 3] 系统找不到指定的路径。

2.OSError

2.1 OSError :[Error -51] NetCDF:Unkown file formate:b’ xxx’

在这里插入图片描述
原因:因为原作者程序上传时使用了lfs,我在github上下载时只下载了LFS的指针文件,这是不完整的文件。
解决:下载好git 和git lfs 然后使用git lfs +github网址重新下载
如果LFS限额,使用github的第三方代理下载(这一部分是朋友解决的,感谢大佬)

2.2 OSError :[Error 22] Invalid argument: ‘result_dumps/LSN||LSN(reg-53°22x72f11e550km00h02m17s0000ms20200101000000-).pkl.bz2’

在这里插入图片描述
原因:无效参数,其实是文件命名出错。
解决:将LSN||LSN中的||去掉即可。

3.ValueError

3.1 ValueError:Transform failed with error code 525:unexpected error while fetching topojson file at 网址xxxxx

在这里插入图片描述
解决:虚拟机没有连网,导致网页的数据无法打开

未完待续

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是一个 Python 的示例代码,用于将 Excel 表格中的多列数据进行归一化处理: ```python import pandas as pd from sklearn.preprocessing import MinMaxScaler # 读取 Excel 表格中的数据 df = pd.read_excel('data.xlsx') # 获取需要归一化处理的列 cols_to_normalize = ['col1', 'col2', 'col3'] # 使用 MinMaxScaler 进行归一化处理 scaler = MinMaxScaler() df[cols_to_normalize] = scaler.fit_transform(df[cols_to_normalize]) # 将处理后的数据保存到新的 Excel 表格中 df.to_excel('normalized_data.xlsx', index=False) ``` 在这个示例代码中,我们使用了 Pandas 库来读取和操作 Excel 表格中的数据,同时使用了 Scikit-learn 库中的 MinMaxScaler 类进行归一化处理。具体步骤如下: 1. 首先,我们使用 Pandas 库中的 `read_excel()` 函数来读取 Excel 表格中的数据,并将其保存到一个 Pandas DataFrame 对象中。 2. 然后,我们定义一个列表 `cols_to_normalize`,其中包含需要进行归一化处理的列的列名。 3. 接下来,我们使用 Scikit-learn 库中的 `MinMaxScaler()` 类来创建一个归一化器对象 `scaler`。 4. 然后,我们使用 Pandas DataFrame 对象的 `.loc[]` 方法来选择需要归一化处理的列,并使用归一化器对象的 `.fit_transform()` 方法对这些列进行归一化处理。 5. 最后,我们将处理后的数据保存到新的 Excel 表格中,可以使用 Pandas DataFrame 对象的 `.to_excel()` 方法来实现。 需要注意的是,在使用 Scikit-learn 库进行归一化处理时,通常需要对数据进行转置,以便每行表示一个样本,每列表示一个特征。但是,在使用 Pandas 库读取 Excel 表格数据时,每列通常都是一个特征,所以我们不需要进行转置操作。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值