FilmInfo object has no attribute get_res

时间: 2023-08-02 19:04:48 浏览: 42
你好!关于你提到的 "FilmInfo" 对象没有 "get_res" 属性的问题,可能有几种原因导致。首先,请确保在创建 "FilmInfo" 对象后,已正确初始化了所有属性和方法。然后,确认是否正确调用了 "get_res" 方法,以及是否在该对象的作用域内进行调用。另外,也请检查你的代码是否存在拼写错误或语法错误。如果你能提供更多的代码细节或上下文信息,我将能够提供更具体的帮助。
相关问题

以上方法如何写路由函数,使其传输json格式数据,请改正并优化代码:@films_bp.route('/get_top_10_directors', methods=['GET']) def get_top_10_directors(): #返回按年统计的每年电影的平均得分,,返回的json数据格式如下所示 try: result = FilmInfo.get_top_10_directors() #直接调用FilmInfo类中构建的静态方法count_by_year() logging.info('获得各年份电影数量序列') return jsonify(result) except Exception as e: logging.error('Error occurred while retrieving students from the database. Error message: {}'.format(str(e))) return jsonify({"error": str(e)})

可以将代码优化如下: ```python @films_bp.route('/get_top_10_directors', methods=['GET']) def get_top_10_directors(): try: result = FilmInfo.get_top_10_directors() # 直接调用FilmInfo类中构建的静态方法count_by_year() logging.info('获取各年份电影数量序列') return result.to_json(orient='records') # 将DataFrame对象转换为JSON格式并返回 except Exception as e: logging.error('从数据库中检索信息时出现错误,错误信息:{}'.format(str(e))) return jsonify({"error": str(e)}) ``` 这里使用了`to_json()`方法将DataFrame对象转换为JSON格式,同时将`jsonify(result)`改为`result.to_json(orient='records')`,以避免重复转换。另外,日志信息也进行了优化。

def get_top_10_directors(): directors_info = {} # 查询满足条件的电影信息 films = FilmInfo.query.all() for film in films: directors_str = film.director.strip("[]") # 去除方括号和单引号 directors = directors_str.split(",") directors = [director.strip("'") for director in directors]#统计导演参与的电影数量 for director in directors: if director in directors_info: directors_info[director]['total_films'] += 1 else: directors_info[director] = {'total_films': 1,'best_films': 0, 'worst_films': 0,'average_films': 0} #判断电影评分并更新好片、烂片和一般片数量 if film.rate is not None : if film.rate >= 8.5: for director in directors: if director in directors_info: directors_info[director]['best_films '] += 1 elif film.rate < 6: for director in directors: if director in directors_info: directors_info[director]['worst_films'] += 1 else: for director in directors: if director in directors_info: directors_info[director][' average_films'] += 1 #过滤掉执导电影数量少于5部的导演 directors_info = {director: info for director,info in directors_info.items() if info['total_films'] > 5} #计算好片占比并排序 top_10_directors = sorted(directors_info.items(),key=lambda x: x[1]['best_films']/x[1]['total_films'], reverse=True)[:10] return top_10_directors 请优化并改正这段代码

这段代码可以进行如下优化和改正: 1. 对于查询所有电影信息的部分,可以使用更加高效的查询方式,比如分页查询或者使用查询过滤条件等; 2. 在统计导演参与的电影数量时,可以使用字典的 get 方法来获取导演信息,避免重复代码; 3. 在更新好片、烂片和一般片数量时,应该只更新对应导演的信息,而不是更新所有导演的信息; 4. 在判断电影评分时,应该使用 elif 而不是多个 if,避免多次判断; 5. 在更新好片、烂片和一般片数量时,应该使用 += 而不是 =,避免覆盖之前的信息; 6. 在计算好片占比并排序时,应该先判断导演参与的电影数量是否为 0,避免出现除以零的情况。 改进后的代码如下: ```python def get_top_10_directors(): directors_info = {} # 分页查询满足条件的电影信息 films = FilmInfo.query.paginate(1, 1000).items for film in films: directors_str = film.director.strip("[]") # 去除方括号和单引号 directors = [director.strip("'") for director in directors_str.split(",")] # 统计导演参与的电影数量 for director in directors: info = directors_info.get(director, {'total_films': 0, 'best_films': 0, 'worst_films': 0, 'average_films': 0}) info['total_films'] += 1 directors_info[director] = info # 判断电影评分并更新好片、烂片和一般片数量 if film.rate is not None: for director in directors: info = directors_info.get(director, {'total_films': 0, 'best_films': 0, 'worst_films': 0, 'average_films': 0}) if film.rate >= 8.5: info['best_films'] += 1 elif film.rate < 6: info['worst_films'] += 1 else: info['average_films'] += 1 directors_info[director] = info # 过滤掉执导电影数量少于5部的导演 directors_info = {director: info for director, info in directors_info.items() if info['total_films'] > 5} # 计算好片占比并排序 top_10_directors = sorted(directors_info.items(), key=lambda x: x[1]['best_films'] / x[1]['total_films'] if x[1]['total_films'] > 0 else 0, reverse=True)[:10] return top_10_directors ```

相关推荐

rar

最新推荐

recommend-type

Scrapy-1.8.2.tar.gz

文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

search-log.zip

搜索记录,包括时间、搜索关键词等,用于PySpark案例练习
recommend-type

6-12.py

6-12
recommend-type

2-6.py

2-6
recommend-type

Scrapy-0.24.5-py2-none-any.whl

文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

2. 通过python绘制y=e-xsin(2πx)图像

可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码: ```python import numpy as np import matplotlib.pyplot as plt def func(x): return np.exp(-x) * np.sin(2 * np.pi * x) x = np.linspace(0, 5, 500) y = func(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('y') plt.title('y = e^{-x} sin(2πx)') plt.show() ``` 运行这段
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。