代码之家 › 专栏 › 技术社区 › ambrish dhaka

将twitter数据导入pandas时跳过属性错误

attributeerror twitter pandas json

ambrish dhaka · 技术社区 · 7 年前

我有将近1 gb的文件存储了将近2百万条推文。而且,巨大的文件显然会带来一些错误。错误显示为 AttributeError: 'int' object has no attribute 'items' 。当我尝试运行此代码时会发生这种情况。

 raw_data_path = input("Enter the path for raw data file: ")
 tweet_data_path = raw_data_path



 tweet_data = []
 tweets_file = open(tweet_data_path, "r", encoding="utf-8")
 for line in tweets_file:
   try:
    tweet = json.loads(line)
    tweet_data.append(tweet)
   except:
    continue


    tweet_data2 = [tweet for tweet in tweet_data if isinstance(tweet, 
   dict)]



   from pandas.io.json import json_normalize    
tweets = json_normalize(tweet_data2)[["text", "lang", "place.country",
                                     "created_at", "coordinates", 
                                     "user.location", "id"]]

是否可以找到一个解决方案,在该解决方案中,可以跳过发生此类错误的那些行,并继续执行其余的行。

2 回复 | 直到 7 年前

akshat 7 年前

这里的问题不在于数据中的行,而在于tweet\u数据本身。如果你检查你的tweet\u数据,你会发现还有一个元素是“int”数据类型( 假设您的tweet\u数据是一个字典列表,因为它只需要“dict或dict列表” )。

您可能希望检查推特数据以删除字典中的其他值。

我能够用下面的例子重现 json_normalize document :

工作示例:

from pandas.io.json import json_normalize
data = [{'state': 'Florida',
         'shortname': 'FL',
         'info': {
              'governor': 'Rick Scott'
         },
         'counties': [{'name': 'Dade', 'population': 12345},
                     {'name': 'Broward', 'population': 40000},
                     {'name': 'Palm Beach', 'population': 60000}]},
        {'state': 'Ohio',
         'shortname': 'OH',
         'info': {
              'governor': 'John Kasich'
         },
         'counties': [{'name': 'Summit', 'population': 1234},
                      {'name': 'Cuyahoga', 'population': 1337}]},
       ]
json_normalize(data)

输出:

显示数据帧

复制错误:

from pandas.io.json import json_normalize
data = [{'state': 'Florida',
         'shortname': 'FL',
         'info': {
              'governor': 'Rick Scott'
         },
         'counties': [{'name': 'Dade', 'population': 12345},
                     {'name': 'Broward', 'population': 40000},
                     {'name': 'Palm Beach', 'population': 60000}]},
        {'state': 'Ohio',
         'shortname': 'OH',
         'info': {
              'governor': 'John Kasich'
         },
         'counties': [{'name': 'Summit', 'population': 1234},
                      {'name': 'Cuyahoga', 'population': 1337}]},
       1  # *Added an integer to the list*
       ]
result = json_normalize(data)

错误:

AttributeError: 'int' object has no attribute 'items'

如何修剪 “tweet\u数据” : 如果您遵循以下更新,则不需要

归一化之前,请运行以下命令:

tweet_data = [tweet for tweet in tweet_data if isinstance(tweet, dict)]

更新:(用于foor循环)

for line in tweets_file:
    try:
        tweet = json.loads(line)
        if isinstance(tweet, dict): 
            tweet_data.append(tweet)
    except:
        continue

ambrish dhaka 7 年前

代码的最终形式如下所示:

tweet_data_path = raw_data_path

 tweet_data = []
 tweets_file = open(tweet_data_path, "r", encoding="utf-8")

for line in tweets_file:
   try:
      tweet = json.loads(line)
      if isinstance(tweet, dict): 
         tweet_data.append(tweet)
      except: 
         continue

这消除了所有可能妨碍导入panda dataframe的属性错误的可能性。