如何移除Hugging Face Billsum Dataset中的列？遇AttributeError报错

核心原因 & 解决方案 #

• 版本过低导致方法缺失：remove_columns是Hugging Face Datasets库较新版本才引入的方法，旧版本的Dataset对象没有这个属性。
  解决：升级Datasets库

  pip install --upgrade datasets
  

• 针对旧版本的替代方案：如果暂时无法升级，可使用select_columns反向保留需要的列，效果等同于移除其他列。示例：

  from datasets import load_dataset
  
  # 加载Billsum数据集（默认返回DatasetDict，包含train/test/validation子集）
  billsum = load_dataset("billsum")
  # 仅保留train集中的text和summary列，自动移除其他列
  billsum["train"] = billsum["train"].select_columns(["text", "summary"])
  

注意事项 #

• Billsum数据集默认加载后是DatasetDict类型，而非单个Dataset对象。如果要移除所有子集的某列，需遍历操作或直接对DatasetDict调用方法（升级后的版本支持）：

  # 升级后可直接对DatasetDict移除指定列，作用于所有子集
  billsum = billsum.remove_columns(["title"])
  

• 若仍报错，检查对象类型：执行print(type(billsum["train"]))确认是否为datasets.arrow_dataset.Dataset，如果是其他自定义类型，需转换为标准Dataset后再操作。

内容的提问来源于stack exchange，提问作者jack wilson