Q&A
> １枚目だと、エラーがでないで、２枚目だと、エラーが出ない。
何が問題なのでしょうか？
前提・実現したいこと
列のどこかに、数字じゃなきゃいけないのに、文字列が入っています。。
それの、見つけ方をどなかた優秀なかたがいましたら、やり方を共有してもらえると幸いです。
１枚目だと、エラーがでないで、２枚目だと、エラーが出ない。
発生している問題・エラーメッセージ
traintraintrain--------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-85-4a4de24907bb> in <module> 4 print(f'FOLD: {fold}') 5 print('-'*50) ----> 6 run(, fold) <ipython-input-82-b49272d4ce84> in run(data, fold) 2 args = Config() 3 model, model_config, tokenizer, optimizer, scheduler, train_dataloader, \ ----> 4 valid_dataloader, result_dict = init_training(args, data, fold) 5 6 trainer = Trainer(model, tokenizer, optimizer, scheduler) <ipython-input-81-d7f5e53d125d> in init_training(args, data, fold) 17 18 # data loaders ---> 19 _dataloader, valid_dataloader = make_loader(args, data, tokenizer, fold) 20 21 # optimizer <ipython-input-78-daed5db03d79> in make_loader(args, data, tokenizer, fold) 55 train_features, valid_features = [[] for _ in range(2)] 56 for i, row in train_set.iterrows(): ---> 57 _features += prepare_train_features(args, row, tokenizer) 58 for i, row in valid_set.iterrows(): 59 valid_features += prepare_train_features(args, row, tokenizer) <ipython-input-72-03ad6972eb22> in prepare_train_features(args, example, tokenizer) 35 answers = example["answers"] 36 ---> 37 if len(answers["answer_start"]) == 0: 38 feature["start_position"] = cls_index 39 feature["end_position"] = cls_index TypeError: string indices must be integers
該当のソースコード
train = pd.read_csv('../input/squad-ta-hi-190k/squad_ta_hi.csv',index_col = 0) train [](https://www.kaggle.com/rhtsingh/chaii-qa-5-fold-xlmroberta-torch-fit)
試したこと
補足情報（FW/ツールのバージョンなど）
ここにより詳細な情報を記載してください。
Python3 (3.7.4)
Jupyter Lab version 1.1.4
macbookpro 16
データの型か、内容がおかしいと思うのですが、どうしたら、判断できますでしょうか？上がきれいなデータで、下がよくないデータです。
文字列の見つけ方かもしれないです。
answers が文字列だから、です。やはり前回の質問で提案した様に answers を辞書に変換しておくべきかと思います。
163524, 97989, 130756, 163527, 163531, 130764, 163536, 98002, 163539, 163541, 163542, 163544, 163545, 98011, 163548, 163551, 163555, 163557, 163559, 98025, 163562, 163563, 98026, 98027, 130797, 130798, 163569, 98037, 130806, 98040, 163580, 98045, 163582, 163583, 163584, 163585, 163586, 98047, 98050, 98053, 130817, 130819, 163592, 98060, 98061, 98062, 130828, 130834, 98067, 163605, 130840, 98073, 130842, 98075, 163612, 163613, 98078, 98079, 130845, 130847, 163618, 98084, 163621, 98085, 163623, 98087, 130857, 130858, 163627, 163628, 98092, 98096, 98097, 98099, 163637, 163638, 98102, 98104, 163641, 98106, 130869, 163644, 163645, 130877, 98111, 98112, 98113, 163650, 130878, 130881, 163653, 163656, 130890, 130891, 98124, 163662, 130896, 163666, 130898, 130900, 130901, 163672, 163674, 130907, 163677, 130909, 130910, 163680, 163681, 98147, 163684, 163685, 130915, 98151, 130917, 98153, 98157, 98158, 98160, 163699, 163700, 98163, 98164, 98167, 98169, 130939, 163708, 98174, 163713, 130947, 163718, 163719, 98183, 130950, 98186, 98189, 130959, 98192, 98193, 163735, 130972, 98205, 163742, 130975, 163747, 163748, 163750, 163751, 163752, 163754, 163755, 98218, 130988, 130989, 98224, 163763, 163764, 130995, 130998, 163768, 163770, 131004, 98240, 131010, 163779, 131011, 163781, 163783, 163784, 163785, 163786, 98249, 98250, 131016, 131017, 98255, 98256, 131018, 131020, 163795, 98260, 98261, 131022, 131024, 131028, 131032, 131033, 163803, 131035, 163807, 98277, 98278, 131045, 163819, 163820, 131052, 131058, 163827, 163828, 98291, 131060, 131065, 163834, 163835, 131068] not in index'
ご返信ありがとうございます。
melianさんの言う通り、このようにしてみたところこうなってしまいました。
回答1件
0
ベストアンサー
エラーメッセージの以下の部分を見ると、answers["answer_start"] としているので、answers は辞書であることを想定している事が判ります。
35 answers = example["answers"] 36 ---> 37 if len(answers["answer_start"]) == 0: 38 feature["start_position"] = cls_index 39 feature["end_position"] = cls_index TypeError: string indices must be integers
そこで、前回の質問(テーブルデータに格納する方法)に戻って、以下の様にしてみてはどうでしょうか。
python
1import pandas as pd 2import json 3 4train_fa = pd.DataFrame({ 5 'answers': [ 6 "[{'text': 'text 01', 'answer_start': 1}]", 7 "[{'text': 'text 02', 'answer_start': 2}]", 8 "[{'text': 'text 03', 'answer_start': 3}]", 9 "[{'text': 'text 04', 'answer_start': 4}]", 10 "[{'text': 'text 05', 'answer_start': 5}]", 11 ], 12}) 13 14train_fa['answers_1'] = train_fa.answers.apply( 15 lambda x: json.loads( 16 x[1:-1].replace("'", '"'), 17 object_hook=lambda d: 18 {k: [v] for k, v in d.items()})) 19 20print(train_fa) 21# 22 answers answers_1 230 [{'text': 'text 01', 'answer_start': 1}] {'text': ['text 01'], 'answer_start': [1]} 241 [{'text': 'text 02', 'answer_start': 2}] {'text': ['text 02'], 'answer_start': [2]} 252 [{'text': 'text 03', 'answer_start': 3}] {'text': ['text 03'], 'answer_start': [3]} 263 [{'text': 'text 04', 'answer_start': 4}] {'text': ['text 04'], 'answer_start': [4]} 274 [{'text': 'text 05', 'answer_start': 5}] {'text': ['text 05'], 'answer_start': [5]} 28# 29 30print(type(train_fa.answers[0]), type(train_fa.answers_1[0])) 31# 32<class 'str'> <class 'dict'>
元は JSON 形式の文字列なので json.loads で辞書に変換するのですが、key-value の値の方はリストにする必要がある様に見えるので、リストにしています。
投稿2021/11/05 06:17
総合スコア19865
素晴らしい回答ありがとございます。
本当に素晴らしい回答でした。クールすぎて、frozenしてしまいました。LOL
あなたの回答
tips
プレビュー
