构建PyTorch Dataset类时迭代出现'tuple' object has no attribute 'iloc'错误排查——BERT问答模型BioQA数据集开发问题

你遇到的 AttributeError: 'tuple' object has no attribute 'iloc' 是代码里几个容易忽略的小错误导致的，我帮你逐一排查并修复：

1. __init__ 方法中多余的逗号导致变量变成元组 #

看你的类初始化函数：

def __init__(self, data:pd.DataFrame, tokenizer: T5Tokenizer,source_max_token_len:int = 512, target_max_token_len: int = 32):
    self.data = data,  # 这里的逗号是致命错误！
    self.tokenizer = tokenizer,  # 还有这里的逗号
    self.source_max_token_len = source_max_token_len,  # 以及这里的逗号
    self.target_max_token_len = target_max_token_len

在Python里，变量赋值后加逗号会自动把它变成单元素元组，比如 self.data = data, 会让原本的DataFrame变成 (dataframe,) 这样的元组结构。元组自然没有 iloc 方法，这就是报错的直接原因。

解决方法：把这三行后面的逗号全部删掉。

2. __getitem__ 里的未定义变量与未调用实例属性 #

• 你直接用了 tokenizer，但它是类的实例属性，应该写成 self.tokenizer
• 代码里出现的 sample_question 完全没有定义，应该替换成你已经获取到的 data_row（这明显是复制粘贴时的失误）

3. 修正后的完整代码 #

class BioQADataSet(Dataset):
    def __init__(self, data:pd.DataFrame, tokenizer: T5Tokenizer, source_max_token_len:int = 512, target_max_token_len: int = 32):
        # 移除所有多余的逗号，确保变量类型正确
        self.data = data
        self.tokenizer = tokenizer
        self.source_max_token_len = source_max_token_len
        self.target_max_token_len = target_max_token_len

    def __len__(self):
        return len(self.data)

    def __getitem__(self, index: int):
        data_row = self.data.iloc[index]
        # 使用self.tokenizer，并用data_row替代未定义的sample_question
        source_encoding = self.tokenizer(
            data_row['question'],
            data_row["context"],
            max_length = self.source_max_token_len,
            padding = 'max_length',
            truncation = "only_second",
            return_attention_mask = True,
            add_special_tokens = True,
            return_tensors = 'pt'
        )
        target_encoding = self.tokenizer(
            data_row['answer_text'],
            max_length = self.target_max_token_len,
            padding = 'max_length',
            truncation = True,
            return_attention_mask = True,
            add_special_tokens = True,
            return_tensors = 'pt'
        )
        labels = target_encoding["input_ids"]
        labels[labels==0]= -100
        return dict(
            question = data_row["question"],
            context = data_row['context'],
            answer = data_row['answer_text'],
            input_ids = source_encoding["input_ids"].flatten(),
            attention_mask = source_encoding['attention_mask'].flatten(),
            labels = labels.flatten()
        )

现在再运行你的遍历代码：

for data in sample_dataset:
    print(data)
    break

应该就能正常输出数据行，不会再触发 AttributeError 了。

内容的提问来源于stack exchange，提问作者Ranit