使用pd.read_json读取JSONL文件时触发AttributeError错误求助

错误原因 #

你在使用pd.read_json()时同时指定了lines=True和orient='split'，这两个参数的适用场景完全冲突：

• lines=True用于解析JSONL格式文件（每行一个独立的JSON对象），解析后得到的是JSON对象组成的列表。
• orient='split'要求JSON结构是包含columns、data、index键的字典，pandas会尝试对解析结果调用items()方法，但列表没有这个属性，因此触发错误。

解决方案 #

直接移除orient='split'参数，lines=True已经足够适配你的JSONL文件：

import pandas as pd

filename = "/content/CapybaraPure_Decontaminated.jsonl"
instruction_dataset_df = pd.read_json(filename, lines=True)
examples = instruction_dataset_df.to_dict()

补充说明 #

如果你的文件确实是split格式（而非JSONL），那么文件结构应该类似这样：

{
  "columns": ["instruction", "response"],
  "data": [["问：什么是熊猫？", "答：熊猫是中国国宝..."], ["问：天空为什么是蓝的？", "答：因为瑞利散射..."]],
  "index": [0, 1]
}

这种情况下才需要使用orient='split'，同时不能加lines=True。

内容的提问来源于stack exchange，提问作者davinci