python - Visual Studio Code Python 中的 "Assertion ' __builtin_expect(__n < this->size(), true) ' failed"错误

Question

我知道已经有很多关于断言失败的内容了。但没有一个对我有用。听我说。

这是代码:

import numpy as np, pandas as pd
from outliertree import OutlierTree

### random data frame with an obvious outlier
nrows = 100
np.random.seed(1)
df = pd.DataFrame({
    "numeric_col1" : np.r_[np.random.normal(size = nrows - 1), np.array([float(1e6)])],
    "numeric_col2" : np.random.gamma(1, 1, size = nrows),
    "categ_col"    : np.random.choice(['categA', 'categB', 'categC'], size = nrows)
    })

### test data frame with another obvious outlier
df_test = pd.DataFrame({
    "numeric_col1" : np.random.normal(size = nrows),
    "numeric_col2" : np.r_[np.array([float(-1e6)]), np.random.gamma(1, 1, size = nrows - 1)],
    "categ_col"    : np.random.choice(['categA', 'categB', 'categC'], size = nrows)
    })

### fit model
outliers_model = OutlierTree()
outliers_df = outliers_model.fit(df, outliers_print = 10, return_outliers = True) # gives error

### find outliers in new data
new_outliers = outliers_model.predict(df_test)

### print outliers in readable format
outliers_model.print_outliers(new_outliers)

这是错误:

/usr/include/c++/10/bits/stl_vector.h:1045: std::vector<_Tp,_Alloc>::reference std::vector<_Tp, _Alloc>::operator[](std::vector<_Tp, _Alloc>::size_type) [with _Tp = char; _Alloc = std::allocator; std::vector<_Tp,_Alloc>::reference = char&; std::vector<_Tp, _Alloc>::size_type = long unsigned int]: Assertion '__builtin_expect(__n < this->size(), true)'failed. Aborted (core dumped)

错误发生在行:

outliers_df = outliers_model.fit(df, outliers_print = 10, return_outliers = True)

Python 版本:

Python 3.9.2 (default, Feb 20 2021, 00:00:00) [GCC 10.2.1 20201125(Red Hat 10.2.1-9)] on linux

操作系统:

Fedora 5.10.12-200.fc33.x86_64

集成开发环境:

Visual Studio Code

代码在 Google Colab 中运行良好。那么为什么它只发生在 IDE 中呢？如果是设置或环境问题，我该怎么办？这是我第一次使用 Visual Studio Code。

谢谢

Answer 1

这里是该库的作者。代码中有一个错误，只有当设置定义了宏 _GLIBCXX_ASSERTIONS 时才会触发，否则不会显示。现在应该已在最新版本 (1.7.0) 中修复 - 请重试 (pip install -U outliertree)，如果问题仍然存在，请在 github 问题跟踪器中发表评论。