df = pd.read_csv("5.txt", sep="\t", header=None, error_bad_lines=False) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ TypeError: read_csv() got an unexpected keyword argument 'error_bad_lines'
时间: 2023-08-02 16:08:20 浏览: 55
这个错误提示说明`read_csv()`函数不支持`error_bad_lines`这个参数。这个参数通常用于忽略读取文件时发生的错误行,但是如果使用pandas库来读取文件,可以使用`error_bad_lines`参数的替代方案,即`on_bad_lines`参数。具体来说,可以将`error_bad_lines=False`改为`on_bad_lines='skip'`,如下所示:
```python
import pandas as pd
df = pd.read_csv("5.txt", sep="\t", header=None, on_bad_lines='skip')
print(df.head(234)) # 查看第234行之前的数据
```
这样修改后,`read_csv()`函数就会在遇到格式错误的行时自动跳过,并读取剩下的数据。
相关问题
修改程序df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False) df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False) tree = KDTree(df2.iloc[:, :2].values) k = 4 distances, indices = tree.query(df1.iloc[:, :2].values, k=k) values = df2.iloc[indices[:, 1:], 2].values mean_values = values.mean(axis=1) df1.iloc[:, 2] = mean_values df1.to_csv('4.txt', sep='\t', header=None, index=None)
你的修改看起来是正确的,但是我建议你在读取文件时使用参数 na_values='?' 来将 '?' 转换为 NaN 值,以便更好地处理缺失值。下面是修改后的程序:
```python
import pandas as pd
from scipy.spatial import KDTree
df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
tree = KDTree(df2.iloc[:, :2].values)
k = 4
distances, indices = tree.query(df1.iloc[:, :2].values, k=k)
values = df2.iloc[indices[:, 1:], 2].values
mean_values = values.mean(axis=1)
df1.iloc[:, 2] = mean_values
df1.to_csv('4.txt', sep='\t', header=None, index=None)
```
这样做可以帮助你更好地处理缺失值,避免程序出现异常。
程序运行提示ValueError: too many values to unpack (expected 2),修改程序df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False, na_values='?') df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False, na_values='?') tree = KDTree(df2.iloc[:, :2].values) k = 4 distances, indices = tree.query(df1.iloc[:, :2].values, k=k) values = df2.iloc[indices[:, 1:], 2].values mean_values = values.mean(axis=1) df1.iloc[:, 2] = mean_values df1.to_csv('4.txt', sep='\t', header=None, index=None)
这个修改后的程序看起来是正确的,但是如果你仍然遇到了 'ValueError: too many values to unpack (expected 2)' 的错误,那么你可以尝试检查一下你的文件格式是否正确,文件中是否存在不符合预期的行或列。你还可以尝试打印出 DataFrame 的 shape 属性来查看它们的维数是否正确。此外,你还可以尝试使用 try-except 语句来捕获异常,并在出现异常时打印出错误的具体信息,以便更好地调试。下面是一个使用 try-except 语句的示例:
```python
import pandas as pd
from scipy.spatial import KDTree
try:
df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
tree = KDTree(df2.iloc[:, :2].values)
k = 4
distances, indices = tree.query(df1.iloc[:, :2].values, k=k)
values = df2.iloc[indices[:, 1:], 2].values
mean_values = values.mean(axis=1)
df1.iloc[:, 2] = mean_values
df1.to_csv('4.txt', sep='\t', header=None, index=None)
except Exception as e:
print("Error: ", e)
```
这个示例程序会在出现异常时打印出错误信息,以便你更好地调试和解决问题。