Python 读写文件 错误TypeError: write() argument must be str, not bytes+

最新推荐文章于 2022-10-19 17:25:27 发布
最新推荐文章于 2022-10-19 17:25:27 发布
阅读量2.5k 收藏 2
点赞数 1
CC 4.0 BY-SA版权
分类专栏： python 文章标签： python 读写文件 错误 write not bytes
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/simpleshao/article/details/82884126
本文解决了一个关于使用pickle存储数据时遇到的问题，原因是文件打开方式不正确。通过将文件打开方式从默认改为二进制方式（wb+），成功解决了pickle无法正常存储数据的难题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题原因：

文件打开方式有问题，把之前的打开语句修改为用二进制方式打开就没有问题，pickle存储方式默认是二进制方式

解决方法：

将open的第二个参数改成“wb+” 

fo = open("temp.txt", "wb+")

《Python基础教程》内容总览篇（持续更新中）
weixin_43178406的博客
08-26 30万+
大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900，帮助不少同学解决了Bug。
Python TypeError：需要类似字节的对象，而不是“str”
.
03-25 393
综上所述，“a bytes-like object is required, not ‘str’”这个错误提示通常出现在Python文件操作中，需要注意文件的打开模式和读写方式，以避免出现类型不匹配的问题。这个错误通常出现在Python2和Python3版本之间的兼容性问题上，Python2中的字符串是默认以ASCII方式进行编码的，而Python3中的字符串则是以Unicode编码存储的。因此，在Python3中进行文件操作时，需要使用“b”模式读取文件，以避免出现TypeError错误。
TypeError: write() argument must be str, not bytes报错原因及解决方法
m0_56158592的博客
06-06 7132
img_data = requests.get(url = url).content fill_Name = str(i) + '.png' with open(fill_Name,'w') as fp: fp.write(img_data)
Python错误TypeError: write() argument must be str, not bytes
weixin_30498921的博客
09-11 276
小记一下，今天使用open打开文件的时候出现了下面的错误。 注：我用的是Python3.6.1版本。 TypeError: write() argument must be str, not bytes 网上搜索才发现原来是文件打开的方式有问题。 之前文件打开的语句是： filehandle = open(WAV_FILE, 'w') 然后使用二进制方式打开就没有这个问...
Python 报错TypeError: write() argument must be str, not bytes
给我一点温度
05-13 4988
Python 3 写以下代码的时候报错： write() argument must be str, not bytes with open('data1.pk', 'r') as f: all_dick, idf_dict = pickle.load(f) 产生原因：Python3给open函数添加了名为encoding的新参数，而这个新参数的默认值却是‘utf-8’。这样在文件句柄上进行read和write操作时，系统就要求开发者必须传入包含Unicode字符的实例，而不接受包含二进制.
TypeError: write() argument must be str, not dict
丁文
03-19 2万+
在写入文件的时候，出现：TypeError: write() argument must be str, not dict，报错。 可以使用json，格式写入 import requests import re import json def get_one_page(url): head = { 'User-Agent': 'Mozilla/5.0 (Windows N...
python提示错误TypeError: write() argument must be str, not bytes
热门推荐
清风不识字12138的博客
09-07 3万+
还是在学习《Machine Learning in Action》中决策树一章中，在学习决策树存储过程中先是提示错误TypeError: write() argument must be str, not bytes，看错误信息是说write()函数的参数必须为str,而不是字节bytes。不明白，看源码哪里提示错误了，pickle.dump(inputTree,fw)这一条语句编译时出错了，那么
解决Python 写文件报错TypeError的问题
12-16
在尝试写入从HTTP请求中获取的文件时，原始的代码试图以文本模式('w')打开文件，这导致了错误：“TypeError at /upload/write() argument must be str, not bytes”。这个错误表明，程序正尝试将字节对象（bytes）...
python错误TypeError: write() argument must be str, not bytes
jizhi_ruwo的博客
10-24 498
爬虫打开文件的一个错误  错误为：TypeError: write() argument must be str, not bytes 原因：文件打开的方式有问题 错误：file = open(filename, "w") 改正：file = open(filename,"wb+")      ...
[Python] TypeError: write() argument must be str, not bytes
象在舞的技术专栏
05-29 987
问题：今天使用Python向文件中写入内容报了如下错误：TypeError: write() argument must be str, not bytes解决：原因是文件打开方式有问题，把之前的打开语句修改为二进制方式打开就没有问题了。如下：修改前的语句：f_w = open(file_name, "w")修改后的语句：f_w = open(file_name, "wb+")...
Python 提示TypeError: write() argument must be str, not bytes
大头先生的博客
08-08 2万+
在自己敲机器学习实战（Machine Learning in Action）决策树一章的代码时，准备将构造的树存储及读取时出现 pickle.dump(inputTree, fw)TypeError: write() argument must be str, not bytes 看着提示信息是说write（）参数必须是字符，不能是字节。粗看不知道是什么意思。打开源代码后发现以下几段描述： ...
Python TypeError: write() argument must be str, not bytes
桃子小迷妹
10-19 426
Python TypeError: write() argument must be str, not bytes
TypeError: write() argument must be str, not bytes —— python错误提示
我是张跑跑
01-16 1736
1. 概述 博主在使用 open() 创建文件对象时出现了一下的错误： TypeError: write() argument must be str, not bytes 注：博主使用的是 Python3.7 的版本 2. 概述 最后发现是打开文件方式不对； 之前创建文件对象的语句是： filename = "test.txt" fs = open(filename, 'w') 改为使用二进制...
python pickle模块TypeError: write() argument must be str, not bytes
lwgkzl的博客
12-03 3718
问题: TypeError: write() argument must be str, not bytes 解决方法： 这是打开文件的时候报的错，报这个错说明需要用二进制形式打开文件。就是在打开方式里面加一个b with open(file,"wb") as f: pickle.dump(data,f) 即可 附带python常见的打开文件的方式： 文件打开的几种访问模式...
Python TypeError: write() argument must be str, not bytes 问题及解决方法
weixin_45598506的博客
01-06 957
保存数据 with open(file_name,"w") as f: f.write(data) 报错信息提示 TypeError: write() argument must be str, not bytes 写入的数据，有二进制数据 需要在打开方式上 增加 b 即可 with open(file_name,"wb") as f: f.write(data) ...
TypeError: write() argument must be str, not bytes
weixin_46256482的博客
04-15 2418
python用write()写入文件时报错TypeError: write() argument must be str, not byteswith with open(filename, "w") as f: 原因：python3中open()的参数encoding默认值为utf-8，所以读写文件时只能用Unicode编码的字符，而不能使用二进制字符 解决方法：以wb或者rb的方式打开文件就可以进行文件读写了 with open(filename, "wb") as f: ...
解决TypeError: float() argument must be a string or a real number, not 'NaTType'
最新发布
07-24
<think>我们正在解决一个特定的Python错误：当尝试使用float()函数转换NaTType类型时出现的错误。错误信息是："float() argument must be a string or a real number, not 'NaTType'"。 首先，我们需要理解NaTType是什么。NaT（Not a Time）是pandas库中用于表示缺失时间值的一个特殊常量，类似于NaN（Not a Number）用于数值数据。当我们尝试将NaT转换为float时，由于NaT不是一个字符串或实数，就会引发上述错误。 解决方案的核心在于：在调用float()之前，需要确保我们传入的值不是NaT。我们可以通过检查值是否为NaT来避免转换。 以下是几种可能的解决方案： 1. **检查并跳过NaT值**：在转换之前，判断值是否为pd.NaT（或使用pandas提供的检查函数），如果是，则处理为NaN或其他合适的值。 2. **使用异常处理**：尝试转换，如果遇到TypeError，则捕获异常并处理。 3. **确保数据类型的正确性**：如果数据集中本不应该出现NaT，那么可能是数据源的问题，需要回溯数据处理的步骤，确保时间类型的数据被正确处理。 具体步骤： **方法1：使用pd.isna()检查** 在pandas中，可以使用`pd.isna()`函数来检查NaT（因为NaT被视为缺失值）。例如： ```python import pandas as pd # 假设x是一个可能包含NaT的值 if pd.isna(x): # 处理为NaN，这样float转换时就不会出错？但是注意，NaN本身是浮点数，所以不需要转换。 result = float('nan') else: result = float(x) # 如果x是时间戳，直接转换为float会得到时间戳的数值（以纳秒为单位）？但这里错误信息中x是NaTType，所以不会执行这行。 ``` 但是，注意：如果x是一个时间戳（Timestamp）对象，那么直接使用float(x)会将其转换为Unix时间戳（以秒为单位）？实际上，时间戳对象本身不能直接转换为float，但我们可以通过其`.timestamp()`方法得到浮点数（秒数），但注意NaT没有这个方法。 所以，如果x是pandas.Timestamp或pd.NaT，我们可以这样处理： ```python if pd.isna(x): result = float('nan') else: # 如果x是Timestamp，转换为浮点数（秒） result = x.timestamp() ``` 然而，错误信息中我们尝试转换的变量是NaTType，说明它实际上是pd.NaT。因此，我们需要确保在转换之前排除NaT。 **方法2：使用try-except** ```python try: result = float(x) except TypeError: # 当转换失败时，我们可以检查是否是NaT if x is pd.NaT: result = float('nan') else: raise # 如果不是NaT，重新抛出异常 ``` 但是，注意：直接使用float(x)转换一个Timestamp对象也会失败，因为Timestamp对象不能直接转换为float（除非我们使用它的value属性或者timestamp方法）。所以，我们需要明确x的类型。 实际上，错误信息告诉我们，我们正在尝试转换一个NaTType对象。因此，我们只需要处理NaT的情况。 然而，更常见的情况是，我们可能有一个包含时间戳和NaT的序列（Series），我们希望将整个序列转换为浮点数序列（用NaN表示缺失）。我们可以使用pandas的向量化操作： ```python # 假设s是一个pandas Series，包含Timestamp和NaT # 我们可以使用apply，但更好的方法是使用向量化的操作 # 如果s是datetime64类型的Series，我们可以将其转换为数值（以纳秒为单位）并转换为浮点，然后除以1e9得到秒 # 但是，NaT会被转换为NaN（在数值转换中，NaT会变成NaN） s_numeric = s.astype(np.int64) / 1e9 # 转换为秒为单位的浮点数，注意：astype(int64)将时间戳转换为纳秒整数，NaT会变成-9223372036854775808，但我们可以用mask替换 # 但是，上面的方法会将NaT转换为一个非常大的负数，我们不希望这样，所以我们可以先转换为float类型，pandas会自动将NaT转为NaN s_numeric = s.astype('datetime64[ns]').astype('float64') / 1e9 # 这样不行，因为astype('float64')对于时间类型会转换为时间戳数值（纳秒），但NaT会变成NaN吗？ # 实际上，我们可以直接使用： s_numeric = s.astype('datetime64[ns]').view('int64') # 这样得到的是纳秒整数，其中NaT会变成-9223372036854775808 # 然后我们可以将整数转换为浮点数，并替换掉这个特殊值 s_numeric = s_numeric.astype(float) s_numeric[s_numeric == -9223372036854775808] = float('nan') # 或者更简单：pandas在转换时，我们可以使用pd.to_numeric，但pd.to_numeric(s)会报错，因为s是时间类型。 # 推荐：使用pandas的Series.dt.total_seconds()方法，但注意，这个方法对于NaT会返回NaN吗？实际上，在pandas 1.0+，我们可以： # 首先，确保s是datetime64[ns]类型，然后： s_seconds = s.dt.total_seconds() # 这样，NaT会被转换为NaN ``` 因此，如果我们有一个Series，使用`Series.dt.total_seconds()`是最直接的方法。 但是，如果我们在处理单个值，并且这个值可能是Timestamp或NaT，那么我们可以： ```python if pd.isna(x): result = float('nan') else: result = x.timestamp() # 注意：x.timestamp()返回的是浮点数，表示自1970-01-01 UTC的秒数 ``` 注意：`x.timestamp()`要求x是Timestamp，如果是NaT，调用这个方法会抛出异常。因此，我们必须先检查是否为NaT。 总结： 对于单个值： ```python import pandas as pd def convert_to_seconds(x): if pd.isna(x): return float('nan') else: return x.timestamp() # 使用 try: result = convert_to_seconds(your_value) except AttributeError: # 如果your_value不是时间戳类型，可能需要其他处理 # 或者，如果它是字符串，我们可以先转换为时间戳？ # 这里需要根据实际情况调整 pass ``` 对于Series： ```python # 如果series是datetime64类型，可以直接： seconds_series = series.dt.total_seconds() ``` 另外，如果错误发生在读取数据的过程中，我们需要检查数据源，确保时间列被正确解析。例如，使用`pd.read_csv`时，可以通过`parse_dates`参数指定要解析为日期时间的列，并处理缺失值（例如，使用`na_values`参数指定哪些值表示缺失）。 最后，注意错误信息中提到的引用[1]和[3]：它们提到了类似的问题，即float()函数不能转换列表或者字符串格式的数字。虽然问题不同，但根本原因都是类型不匹配。因此，我们需要确保传入float()的是可以转换为浮点数的类型（字符串形式的数字、整数、浮点数等），或者是我们已经处理过的（如将NaT替换为NaN）。 根据用户的问题，我们重点解决了NaTType的转换问题。如果用户的数据中还有可能包含其他非数字类型（如字符串），那么还需要结合其他方法（例如，引用[2]和[3]中提到的）确保类型正确。 因此，最终的解决方案是：在转换之前，先检查值是否为NaT（使用pd.isna），如果是，则返回NaN；否则，再根据实际类型进行转换（如果是时间戳，则使用.timestamp()转换为浮点数；如果是其他可直接转换的类型，则直接转换）。 注意：如果这个值是从某个数据结构（如DataFrame的单元格）中取出的，我们还需要确保该列的数据类型正确。如果整个列应该是数值型，但出现了时间戳或NaT，那么可能是数据处理流程中的错误，需要回溯。 下面是一个示例代码，处理一个可能包含时间戳和NaT的列： ```python import pandas as pd import numpy as np # 假设df是一个DataFrame，其中'date_column'列包含时间戳和NaT # 首先，确保该列是datetime64类型 df['date_column'] = pd.to_datetime(df['date_column'], errors='coerce') # 将无法转换的设为NaT # 然后，创建一个新列，存储转换后的浮点数（秒） df['timestamp'] = df['date_column'].apply(lambda x: x.timestamp() if not pd.isna(x) else np.nan) ``` 或者更简洁地（使用向量化操作）： ```python df['timestamp'] = df['date_column'].map(pd.Timestamp.timestamp) # 但是，这会在遇到NaT时抛出异常 # 所以，使用： df['timestamp'] = df['date_column'].apply(lambda x: x.timestamp() if not pd.isna(x) else np.nan) # 或者使用Series.dt.total_seconds()，但注意：Series.dt.total_seconds()要求是Timedelta，而不是Timestamp。对于Timestamp，我们可以使用： # 实际上，Timestamp没有total_seconds方法，因为它是时间点。我们可以通过将整个列转换为整数（纳秒）再除以1e9，然后替换NaT为NaN： # 更好的方法： df['timestamp'] = (df['date_column'] - pd.Timestamp("1970-01-01")) // pd.Timedelta('1s') # 但是，这样操作对于NaT会返回NaT，然后我们需要将其替换为NaN。所以，我们可以： # 先将时间差转换为秒数（数值） # 使用： df['timestamp'] = df['date_column'].astype(np.int64) / 1e9 # 这样，NaT会被转换为一个很大的负数（-9223372036854775808），我们需要将其替换为NaN # 然后： df.loc[df['date_column'].isna(), 'timestamp'] = np.nan ``` 但是，最直接的方法还是使用apply和lambda，结合pd.isna和timestamp()方法。 最后，根据用户的问题，我们提供了针对NaTType的解决方案。如果用户的问题是由于数据中混入了NaT，那么按照上述方法处理即可。 注意：如果用户的数据中并没有使用pandas，而是使用了其他库产生了NaTType，那么同样需要检查并排除。但通常NaTType是pandas定义的。 如果用户没有使用pandas，那么可能不会遇到NaTType。因此，我们假设用户使用了pandas。 如果用户没有使用pandas，那么错误信息中的'NaTType'可能来自其他库，但这种情况较少见。此时，需要检查该值的类型，并采取相应的处理（例如，避免传入float()）。 总结解决方案： - 使用条件判断，排除NaT（使用pd.isna()） - 将NaT替换为NaN（注意NaN是浮点数，所以可以直接使用） - 对于时间戳，使用其timestamp()方法转换为浮点数 如果用户的数据处理流程中不应该出现NaT，那么需要检查数据源和数据处理步骤，确保时间类型的数据被正确解析，并且缺失值被正确处理。 希望这个解决方案能帮助用户解决问题。 根据指令，我们还需要生成相关问题： §§相关问题§§ 1. 如何在pandas中处理时间序列数据中的缺失值？ 2. pandas中NaT和NaN有什么区别？ 3. 如何将时间戳转换为浮点数（表示秒数）？ 4. 在Python中，如何安全地将各种类型转换为浮点数？ 5. 在读取CSV文件时，如何正确解析日期列并处理缺失值？</think>### Python中`float()`无法转换`NaTType`错误的解决方案 在Python中，当尝试将`NaTType`（Not-a-Time类型）传递给`float()`函数时，会出现`TypeError: float() argument must be a string or a real number, not 'NaTType'`错误。`NaT`是pandas中表示缺失时间值的特殊类型，类似于数值数据中的`NaN`。以下是系统解决方案： #### 1. **检查并处理`NaT`值** 在转换前显式检查`NaT`值： ```python import pandas as pd import numpy as np value = your_time_value # 可能包含NaT的值 if pd.isna(value): # 检查NaT/NaN result = float('nan') # 转换为NaN浮点数 else: result = float(value) # 安全转换 ``` #### 2. **使用`try-except`捕获异常** 针对无法预知的情况： ```python try: result = float(your_value) except TypeError: if pd.isna(your_value): result = np.nan else: raise # 非NaT错误重新抛出 ``` #### 3. **向量化处理（pandas Series/DataFrame）** 对时间序列列批量处理： ```python # 方法1：转换为时间戳数值（纳秒） series_float = series.astype(np.int64) / 1e9 # 转换为秒 series_float[series.isna()] = np.nan # 替换NaT为NaN # 方法2：直接提取时间戳（需Timestamp对象） series_float = series.apply(lambda x: x.timestamp() if not pd.isna(x) else np.nan) ``` #### 4. **数据清洗阶段预防** 在数据加载时处理缺失值： ```python # 读取CSV时转换时间列并处理缺失 df = pd.read_csv('data.csv', parse_dates=['time_column'], na_values=['', 'NA']) # 或显式转换 df['time_column'] = pd.to_datetime(df['time_column'], errors='coerce') # 无效值转NaT ``` #### 关键注意事项： - **`NaT`本质**：`pd.NaT`是`pandas._libs.tslibs.nattype.NaTType`的实例，无法直接数学运算。 - **类型验证**：使用`isinstance(your_value, pd._libs.tslibs.nattype.NaTType)`检测。 - **替代方案**：时间序列计算优先使用`.dt`访问器（如`series.dt.year`），避免直接类型转换。 > 引用说明：此解决方案基于Pandas官方文档对缺失时间值的处理建议[^1]，并结合了常见类型转换错误的最佳实践[^2][^3]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值