为何Python抛出AttributeError？函数在Jupyter与模块中表现异常

嘿，这个问题我之前也碰到过！从你的描述和报错信息来看，根本原因是你从模块导入函数调用时，传入的参数不是Pandas DataFrame，而是一个列表（list）。

你直接在Jupyter Notebook里调用函数时，传入的是正确的DataFrame，所以df.columns能正常获取列名并转成集合；但导入模块后调用时，你大概率是不小心传了一个列表进去——列表没有columns属性，这就触发了AttributeError（报错里的intersecti...应该是你截断了完整错误信息，实际完整错误应该是'list' object has no attribute 'columns'，后续可能你用返回值去做集合的intersection操作，才带出了这个关键词）。

具体修复步骤： #

1. 先确认传入参数的类型
   导入模块后调用函数前，先打印参数类型排查：

   import your_module  # 替换成你的模块名
   # 假设你准备传入的变量是data
   print(type(data))  # 正常应该输出 <class 'pandas.core.frame.DataFrame'>，如果是 <class 'list'> 就是传错了
   your_module.test_create_dataframe(data)
   

2. 把列表转换成DataFrame再传入
   如果你的数据确实是列表格式，先转成和直接调用时一致的DataFrame：

   import pandas as pd
   import your_module
   
   # 示例列表结构，根据你的实际数据调整
   data_list = [["Alice", "123", "456"], ["Bob", "789", "012"]]
   # 指定列名，和你直接调用时的DataFrame列名保持一致
   df = pd.DataFrame(data_list, columns=["Name", "accno", "idno"])
   # 再调用函数
   result = your_module.test_create_dataframe(df)
   print(result)  # 就能得到预期的 {'Name', 'accno', 'idno'}
   

3. 可选：给函数加参数校验（防踩坑）
   为了避免以后再犯同样的错误，建议给模块里的函数加上参数类型检查，提前抛出清晰的错误提示：

   import pandas as pd
   
   def test_create_dataframe(df):
       if not isinstance(df, pd.DataFrame):
           raise TypeError(f"传入的参数必须是Pandas DataFrame类型！你当前传入的是{type(df)}")
       cols = set(df.columns)
       return cols
   

这样修改后，下次如果再传错参数，你会立刻得到明确的提示，而不是摸不着头脑的属性错误。

内容的提问来源于stack exchange，提问作者Gabby Newell