许多方法，如 visualize_documents,需要一个 docs 参数，该参数应该是一个列表。但大多数时候，我的文档存储在一个 pd.dataframe 中，因为它们与其他元数据相关联，而我经常不小心将数据框传递给这些方法，而不是传递列表。尽管输入有类型检查：
https://github.com/MaartenGr/BERTopic/blob/62e97ddea6cdcf9e4da25f9eaed478b22a9f9e20/bertopic/plotting/_documents.py#L9C1-L11C50
它不会抛出一个有用的错误(例如 'docs 应该是一个 List 类型'),而是会抛出一个带有随机数字的 KeyError,这通常需要花费大量的时间来调试，直到我想起我曾经在这里犯过错误，才知道我做错了什么。
有没有可能让所有这些方法进行更严格的类型检查，或者在输入上检查数据框？
2条答案
按热度按时间lnxxn5zx1#
尽管输入有类型检查：
从技术上讲，输入上并没有类型检查，只有类型提示。这种差异部分源于Python的一些设计哲学，其中不强制执行类型。
这些方法中是否有任何一种可以进行更严格的类型检查，或者在输入上检查数据框？
当然，我需要检查最佳实现。我认为严格类型检查在这里并不是解决方案，因为如果我在这里开始这样做，我不应该为所有其他变量也这样做吗？然而，允许传递pandas序列应该是可能的。但是，将整个pandas数据框作为参数传递则是另一回事，因为这也需要检查要使用的列，可能会引发一些问题。
v1l68za42#
从技术上讲，输入没有类型检查，只有类型提示。这种区别部分源于Python的一些设计哲学，其中不强制执行类型。
谢谢，我之前并没有意识到这个区别。
我应该为所有其他变量都这样做吗？
我明白你的意思。也许吧。但我认为大多数其他变量也相当具体，BERTopic(即用户专门创建它们以传递给BERTopic函数),所以它们更有可能从一开始就处于正确的格式。
docs是例外，因为它们是任何文本分析管道的开始，用户可能对他们的文档做更多的事情，而不仅仅是运行BERTopic,所以我认为这是具有较高风险混淆和歧义的变量。当用户弄错时，KeyError不会给出如何修复它的很多指导。然而，一个完整的pandas数据框是另一回事，因为这也需要检查要使用的列，可能会引发一些问题。
当然不是建议你允许使用数据框。同意，太复杂了。