File "E:\python-3.7.0\lib\site-packages\sqlalchemy\orm\mapper.py", line 693, in __init__ self._configure_pks() File "E:\python-3.7.0\lib\site-packages\sqlalchemy\orm\mapper.py", line 1386, in _configure_pks % (self, self.persist_selectable.description) sqlalchemy.exc.ArgumentError: Mapper mapped class D_huaxue->d_huaxue could not assemble any primary key columns for mapped table 'd_huaxue'

这个错误通常表示在创建 ORM 映射时没有找到主键列。在 SQLAlchemy 中，每个映射都必须至少有一个主键列，这是为了确保每个行都可以唯一地标识。

你需要检查 `D_huaxue` 类对应的数据库表 `d_huaxue` 是否有主键列。如果没有主键列，你需要添加一个主键列，或者将已有的列设置为主键列。在 SQLAlchemy 中，可以使用 `primary_key=True` 参数将一个列设置为主键列，如下所示：

class D_huaxue(db.Model):
    __tablename__ = 'd_huaxue'
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(100), nullable=False)
    longitude = db.Column(db.Float, nullable=False)
    latitude = db.Column(db.Float, nullable=False)

在上述代码中，`id` 列是一个整数类型的主键列，`name`、`longitude` 和 `latitude` 列分别是字符串类型和浮点数类型的普通列。这样定义之后，`D_huaxue` 类就可以正确地映射到 `d_huaxue` 表了。

相关问题

Traceback (most recent call last): File "C:/Users/DELL/Desktop/python_flask-dc/python_flask/bpnn_tf.py", line 106, in <module> last_three = column.str[-3:] File "E:\python-3.7.0\lib\site-packages\pandas\core\generic.py", line 5137, in __getattr__ return object.__getattribute__(self, name) File "E:\python-3.7.0\lib\site-packages\pandas\core\accessor.py", line 187, in __get__ accessor_obj = self._accessor(obj) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2100, in __init__ self._inferred_dtype = self._validate(data) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2157, in _validate raise AttributeError("Can only use .str accessor with string values!") AttributeError: Can only use .str accessor with string values!Traceback (most recent call last): File "C:/Users/DELL/Desktop/python_flask-dc/python_flask/bpnn_tf.py", line 106, in <module> last_three = column.str[-3:] File "E:\python-3.7.0\lib\site-packages\pandas\core\generic.py", line 5137, in __getattr__ return object.__getattribute__(self, name) File "E:\python-3.7.0\lib\site-packages\pandas\core\accessor.py", line 187, in __get__ accessor_obj = self._accessor(obj) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2100, in __init__ self._inferred_dtype = self._validate(data) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2157, in _validate raise AttributeError("Can only use .str accessor with string values!") AttributeError: Can only use .str accessor with string values!

这个错误信息是由于你使用了`pandas`库中的`str`属性，但是该属性只能用于字符串类型的数据，而你传入的数据类型不是字符串类型，导致报错。

解决方法：

1. 检查你传入的数据类型是否正确。如果不是字符串类型，则需要将其转换为字符串类型。

2. 如果你的数据类型是`pandas`的`Series`类型，可以使用`astype()`函数将其转换为字符串类型，例如：

import pandas as pd

# 将数字类型的Series转换为字符串类型
s = pd.Series([1, 2, 3])
s = s.astype(str)

3. 如果你的数据类型是`pandas`的`DataFrame`类型，可以使用`apply()`函数将其每一列转换为字符串类型，例如：

import pandas as pd

# 将数字类型的DataFrame每一列转换为字符串类型
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df = df.apply(lambda x: x.astype(str))

4. 如果你的数据类型是列表类型，则可以使用列表推导式将其转换为字符串类型，例如：

# 将数字类型的列表转换为字符串类型
a = [1, 2, 3]
a = [str(i) for i in a]

Traceback (most recent call last): File "C:/Users/DELL/Desktop/python_flask-dc/python_flask/bpnn_tf.py", line 106, in <module> last_three = column.str[-3:].tolist() File "E:\python-3.7.0\lib\site-packages\pandas\core\generic.py", line 5137, in __getattr__ return object.__getattribute__(self, name) File "E:\python-3.7.0\lib\site-packages\pandas\core\accessor.py", line 187, in __get__ accessor_obj = self._accessor(obj) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2100, in __init__ self._inferred_dtype = self._validate(data) File "E:\python-3.7.0\lib\site-packages\pandas\core\strings.py", line 2157, in _validate raise AttributeError("Can only use .str accessor with string values!") AttributeError: Can only use .str accessor with string values!

这个错误信息是由于你使用了`pandas`库中的`str`属性，但是该属性只能用于字符串类型的数据，而你传入的数据类型不是字符串类型，导致报错。

解决方法：

1. 检查你传入的数据类型是否正确。如果不是字符串类型，则需要将其转换为字符串类型。

2. 如果你的数据类型是`pandas`的`Series`类型，可以使用`astype()`函数将其转换为字符串类型，例如：

import pandas as pd

# 将数字类型的Series转换为字符串类型
s = pd.Series([1, 2, 3])
s = s.astype(str)

3. 如果你的数据类型是`pandas`的`DataFrame`类型，可以使用`apply()`函数将其每一列转换为字符串类型，例如：

import pandas as pd

# 将数字类型的DataFrame每一列转换为字符串类型
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df = df.apply(lambda x: x.astype(str))

4. 如果你的数据类型是列表类型，则可以使用列表推导式将其转换为字符串类型，例如：

# 将数字类型的列表转换为字符串类型
a = [1, 2, 3]
a = [str(i) for i in a]

在将数据类型转换为字符串类型之后，再使用`str`属性提取每个单元格中的最后三个数字即可。