WPF应用中C#调用Python预测模型时执行出错求助

你的核心问题是：WPF通过C#调用Python脚本时，模型predict环节报错，但脚本直接在Python环境运行正常，且多种调用方式均无效。以下是针对性的排查步骤和修复方案：

一、先获取完整错误信息 #

你提供的报错日志仅显示了predict行的回溯，缺少具体错误类型（如ValueError/AttributeError），这是定位问题的关键。先修改C#代码确保捕获完整错误输出：

修改后的C#调用代码 #

private void Button_Click(object sender, RoutedEventArgs e)
{
    string scriptPath = @"E:\TrainedModels\inversetest.py";
    var result = RunPythonScript(scriptPath);
    // 这里可以打印result到日志或界面，查看完整输出
}

public static string RunPythonScript(string scriptPath)
{
    string scriptDir = Path.GetDirectoryName(scriptPath);
    ProcessStartInfo startInfo = new ProcessStartInfo
    {
        FileName = @"C:\Users\PC 4\AppData\Local\Programs\Python\Python312\python.exe",
        Arguments = $"\"{scriptPath}\"",
        RedirectStandardOutput = true,
        RedirectStandardError = true,
        UseShellExecute = false,
        CreateNoWindow = true,
        WorkingDirectory = scriptDir // 关键：设置工作目录为脚本所在文件夹
    };

    using (Process process = new Process { StartInfo = startInfo })
    {
        process.Start();
        // 先读错误输出，避免缓冲区溢出导致日志截断
        string error = process.StandardError.ReadToEnd();
        string output = process.StandardOutput.ReadToEnd();
        process.WaitForExit();

        return string.IsNullOrEmpty(error) ? output : $"Error: {error}";
    }
}

二、排查核心问题 #

1. 工作目录不匹配（最常见原因） #

直接运行Python脚本时，工作目录是脚本所在的E:\TrainedModels，但C#默认工作目录是WPF程序的输出目录（如bin\Debug），导致脚本中用相对路径读取的invtest.csv、.sav模型文件找不到，最终在predict环节因为数据/模型加载失败报错。

修复： 上面的C#代码已经开启了WorkingDirectory = scriptDir，强制将Python进程的工作目录设置为脚本所在文件夹，确保相对路径有效。

2. Python环境不一致 #

你直接运行脚本的Python环境（比如conda虚拟环境）和C#调用的Python312可能依赖库版本不兼容：

• 模型是用旧版本的scikit-learn/tensorflow保存的，新版本库加载后predict方法参数不兼容
• pandas/numpy版本差异导致数据格式处理不一致

排查方法： 在Python脚本开头加入环境打印代码，对比直接运行和C#调用的输出：

import sys
import pandas as pd
import numpy as np
import sklearn  # 如果是sklearn模型

print(f"Python版本: {sys.version}")
print(f"Pandas版本: {pd.__version__}")
print(f"Numpy版本: {np.__version__}")
print(f"Sklearn版本: {sklearn.__version__}")

如果版本不一致，给Python312安装和原环境相同版本的依赖库（如pip install scikit-learn==x.x.x）。

3. 数据/模型加载失败 #

在Python脚本中加入调试代码，确认数据和模型是否成功加载：

# 检查CSV读取
try:
    Temp_data = pd.read_csv("invtest.csv")
    print(f"CSV加载成功，数据形状: {Temp_data.shape}")
except Exception as e:
    print(f"CSV加载失败: {str(e)}")
    exit(1)

# 检查模型加载
try:
    valve_model_Down = pickle.load(open('inverse_Quant_Down.sav','rb'))
    print(f"Down模型加载成功: {type(valve_model_Down)}")
except Exception as e:
    print(f"Down模型加载失败: {str(e)}")
    exit(1)

如果输出显示文件找不到，说明工作目录仍有问题；如果模型加载报错，可能是模型文件损坏或版本不兼容。

三、完整调试版Python脚本 #

将以下代码替换原脚本，运行后通过C#获取输出，即可明确具体错误：

import pandas as pd
import numpy as np
import pickle
import sys
import traceback

# 打印环境信息
print(f"Python版本: {sys.version}")
print(f"Pandas版本: {pd.__version__}")
print(f"Numpy版本: {np.__version__}")

# 读取数据
try:
    Temp_data = pd.read_csv("invtest.csv")
    print(f"CSV数据形状: {Temp_data.shape}")
except Exception as e:
    print(f"CSV加载错误: {str(e)}")
    traceback.print_exc()
    sys.exit(1)

x = Temp_data[['thickness','Percu1','Percu2','Percu3','Percu4','Percu5','Percu6','Percu7','Percu8','Percu9'
           ,'Percu10','Percu11','Percu12','Percu13','Percu14','Percu15','Percu16','Percu17'
           ,'Percu18','Percu19']]
print(f"特征数据形状: {x.shape}")

X = x / 95
print(f"归一化后特征形状: {X.shape}")

# 加载模型
try:
    valve_model_Down = pickle.load(open('inverse_Quant_Down.sav','rb'))
    print(f"Down模型加载成功")
    valve_model_Middle = pickle.load(open('inverse_Quant_Mid.sav','rb'))
    print(f"Middle模型加载成功")
    valve_model_Up = pickle.load(open('inverse_Quant_Up.sav','rb'))
    print(f"Up模型加载成功")
except Exception as e:
    print(f"模型加载错误: {str(e)}")
    traceback.print_exc()
    sys.exit(1)

# 预测
try:
    pre_Down = valve_model_Down.predict(X)
    print(f"Down预测结果形状: {pre_Down.shape}")
    pre_Middle = valve_model_Middle.predict(X)
    print(f"Middle预测结果形状: {pre_Middle.shape}")
    pre_Up = valve_model_Up.predict(X)
    print(f"Up预测结果形状: {pre_Up.shape}")
except Exception as e:
    print(f"预测错误: {str(e)}")
    traceback.print_exc()

内容的提问来源于stack exchange，提问作者soheila