机器学习图像训练生成图的最大连续增长段检测及代码报错排查

错误根源定位 #

TypeError: list indices must be integers or slices, not str 主要由两个问题引发：

1. DataFrame创建逻辑问题：totaldata[tempvideocount]中，若totaldata是普通Python列表，而tempvideocount是字符串类型，就会触发该错误——列表仅支持整数/切片索引，不支持字符串索引。
2. 代码拼写错误：代码中误将列名Embryo_Size拼写成Embroyo_Size，导致访问DataFrame列时出错。

分步修复方案 #

1. 修正DataFrame创建问题 #

先确认totaldata的类型与tempvideocount的取值：

• 若totaldata是字典：确保tempvideocount是字典中存在的键（整数/字符串类型需匹配）。
• 若totaldata是列表：tempvideocount必须是整数索引，若当前是字符串，需先转为整数，比如tempvideocount = int(tempvideocount)。

可通过以下代码排查：

print(type(totaldata))
print(tempvideocount, type(tempvideocount))

2. 修正代码拼写错误 #

将代码中所有Embroyo_Size改为正确的Embryo_Size，修正后的核心逻辑代码：

# 划分连续增长分段：每次出现下降时，分段编号累加
df['is_increasing'] = df['Embryo_Size'].diff().lt(0).cumsum()
# 计算每个分段的长度
sizes = df.groupby('is_increasing')['Embryo_Size'].transform('size')
# 筛选出最长的连续增长段
max_growth_segment = df[sizes == sizes.max()]

3. 优化增长段判定逻辑（可选） #

原逻辑允许增长段内出现持平（仅当数值下降时才分段），若需要严格连续增长（每一个数据点都比前一个大），可将lt(0)改为le(0)：

# 严格连续增长：持平或下降时触发分段
df['is_increasing'] = df['Embryo_Size'].diff().le(0).cumsum()

完整可运行示例 #

from pandas import DataFrame

# 模拟业务数据结构
totaldata = {
    1: [[0, 10], [1, 12], [2, 15], [3, 14], [4, 16], [5, 18], [6, 20]]
}
tempvideocount = 1

# 创建DataFrame
df = DataFrame(totaldata[tempvideocount], columns=['Time', 'Embryo_Size'])

# 划分连续增长段（允许持平）
df['is_increasing'] = df['Embryo_Size'].diff().lt(0).cumsum()
# 计算各分段长度
sizes = df.groupby('is_increasing')['Embryo_Size'].transform('size')
# 获取最长增长段
max_growth = df[sizes == sizes.max()]

# 输出结果：最长增长段及调整后的起始点
print("最长连续增长段：")
print(max_growth)
print("\n调整后的起始点：")
print(max_growth.iloc[0])

内容的提问来源于stack exchange，提问作者B0Z