如何导出TensorFlow数据集为CSV及映射双列表Dataset的报错解决

首先，咱们先拆解你遇到的报错：AttributeError: 'MapDataset' object has no attribute 'make_one_shot_iterator'——这个问题根源是你用了TensorFlow 1.x的迭代器API，但当前环境是TensorFlow 2.x版本。在TF2.x里，tf.data.Dataset对象已经不再支持make_one_shot_iterator()方法，取而代之的是直接遍历数据集，或者使用as_numpy_iterator()这类TF2.x原生的迭代方式。

不过说实话，你的需求完全没必要绕TensorFlow的Dataset，用Pandas直接处理会更简单高效。下面分两种情况给你解决方案：

方案一：直接用Pandas快速实现需求 #

既然你的两个列表已经是一一对应的，直接构造DataFrame然后导出CSV就行，代码简洁到离谱：

import pandas as pd

original = [b'File 1.JPG', b'File 2.JPG', b'File 3.JPG', b'File 4.JPG']
duplicate = [b'Copy of File 1.JPG', b'Copy of File 2.JPG', b'Copy of File 3.JPG', b'Copy of File 4.JPG']

# 可选：把字节串转成普通字符串（避免CSV里出现b'xxx'格式）
original_str = [item.decode('utf-8') for item in original]
duplicate_str = [item.decode('utf-8') for item in duplicate]

# 构造带指定列的DataFrame
df = pd.DataFrame({
    'Original': original_str,
    'Duplicate': duplicate_str
})

# 导出为CSV（index=False去掉自动生成的行号）
df.to_csv('file_mapping.csv', index=False)

这样生成的CSV会完美包含Original和Duplicate两列，完全符合你的需求，而且没有任何TF相关的复杂操作。

方案二：修正TensorFlow 2.x下的代码 #

如果你因为某些原因必须用TensorFlow的Dataset来处理，那需要把TF1.x的迭代器代码改成TF2.x的写法，同时调整map函数的逻辑（原来的convert_to_dataframe函数并没有正确构造DataFrame，只是错误打印了单个元素）：

import tensorflow as tf
import pandas as pd

original = [b'File 1.JPG', b'File 2.JPG', b'File 3.JPG', b'File 4.JPG']
duplicate = [b'Copy of File 1.JPG', b'Copy of File 2.JPG', b'Copy of File 3.JPG', b'Copy of File 4.JPG']

# 创建Dataset
dataset = tf.data.Dataset.from_tensor_slices((original, duplicate))

# 遍历Dataset收集所有数据
data_list = []
for orig, dup in dataset.as_numpy_iterator():
    data_list.append({
        'Original': orig.decode('utf-8'),
        'Duplicate': dup.decode('utf-8')
    })

# 构造DataFrame并导出CSV
df = pd.DataFrame(data_list)
df.to_csv('file_mapping_tf.csv', index=False)

原来代码的问题总结 #

1. TF版本不兼容：make_one_shot_iterator()是TF1.x专属API，TF2.x中Dataset是可迭代对象，直接用for循环或as_numpy_iterator()就能获取元素。
2. map函数逻辑错误：你定义的convert_to_dataframe函数只是错误打印了单个元素的DataFrame，并没有正确处理数据返回，也没完成导出逻辑。

不管用哪种方案，最终都能生成你需要的CSV文件，更推荐方案一，因为直接高效，没必要引入额外的TF复杂度。

内容的提问来源于stack exchange，提问作者Maksim