无法访问seaborn的示例数据集。

Question

我尝试使用seaborn库中的tips数据集，代码如下：

import seaborn as sns
tips = sns.load_dataset("tips")

但是遇到了一个错误：

ValueError                                Traceback (most recent call last)
Cell In[5], line 1
----> 1 a = sns.load_dataset("anagrams")
      2 a.info()

File C:\anaconda3\lib\site-packages\seaborn\utils.py:587, in load_dataset(name, cache, data_home, **kws)
    585 if not os.path.exists(cache_path):
    586     if name not in get_dataset_names():
--> 587         raise ValueError(f"'{name}' is not one of the example datasets.")
    588     urlretrieve(url, cache_path)
    589 full_path = cache_path

ValueError: 'anagrams' is not one of the example datasets.

接着，我尝试运行 sns.get_dataset_names() 来查看所有可用的数据集名称，但输出是一个空列表：[]。

我能够正常使用seaborn的图表功能。为了尝试解决问题，我还执行了升级seaborn的命令：

!pip install seaborn --upgrade

然而，这并没有解决我的问题。请问你能帮我解决这个问题吗？

John Bode · Answer

这段代码在我的环境中运行正常，我使用的环境配置是Python 3.10.0和seaborn 0.13.1。

import seaborn as sns
tips = sns.load_dataset("tips")

# 输出
total_bill  tip     sex smoker  day    time  size
0   16.99   1.01  Female     No  Sun  Dinner  2
1   10.34   1.66    Male     No  Sun  Dinner  3
2   21.01   3.50    Male     No  Sun  Dinner  3

能否告知您的Python和seaborn版本是什么？

另外，你也可以通过运行以下代码来检查有哪些数据集是可用的：

sns.get_dataset_names()

Noldorin · Answer

可能是您很久之前安装了seaborn库，并在当时加载过一些数据集，这会创建一个缓存。现在您试图使用一个新的数据集，而系统仍在查找旧的缓存信息。

您可以尝试在加载数据集时关闭缓存功能，使用cache=False参数：

tips = sns.load_dataset("tips", cache=False)

load_dataset函数在检测到有缓存存在且找不到对应数据集名称的情况下，会直接报错，而不是尝试重新下载。相关代码如下：

if cache:
    cache_path = os.path.join(get_data_home(data_home), os.path.basename(url))
    if not os.path.exists(cache_path):
        if name not in get_dataset_names():
            raise ValueError(f"'{name}' is not one of the example datasets.")
        urlretrieve(url, cache_path)
    full_path = cache_path
else:
    full_path = url

此外，您也可以尝试删除缓存目录。首先通过以下命令获取缓存路径：

print(sns.utils.get_data_home())

Flexo · Answer

谢谢大家的建议和帮助。问题奇迹般地解决了。我决定手动下载数据集：

import seaborn as sns
import pandas as pd
import urllib.request

url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv"
with urllib.request.urlopen(url) as response:
    data = pd.read_csv(response)

之后，一切开始正常工作了。

当我再次运行：

sns.get_dataset_names()

返回了如下结果：

['anagrams',
 'anscombe',
 'attention',
 'brain_networks',
 'car_crashes',
 'diamonds',
 'dots',
 'dowjones',
 'exercise',
 'flights',
 'fmri',
 'geyser',
 'glue',
 'healthexp',
 'iris',
 'mpg',
 'penguins',
 'planets',
 'seaice',
 'taxis',
 'tips',
 'titanic']

虽然我不明白具体原因，但它确实奏效了。可能是手动下载并读取数据集的过程无意中修复了导致seaborn无法正确识别或访问其内置数据集的某个问题。