Nano Hash - криптовалюты, майнинг, программирование

Атрибут модуля найден при использовании ноутбука ipython, а не в оболочке

Я запускаю очень простой фрагмент кода, который работает в блокноте ipython, но не запускается в командной строке Windows, когда я вызываю python или ipython (на той же машине). Ошибка, которую я получаю в оболочке, - "AttributeError: 'module' object has no attribute 'search'.

import reverse_geocode
coordinates = (-37.81, 144.96), (31.76, 35.21)
reverse_geocode.search(coordinates)

Что может быть причиной этого?

В случае, если это полезно для понимания проблемы: я изначально установил python с помощью Anacondas. Недавно я установил reverse_geocode с помощью pip. Возможно, что позже я по ошибке установил и удалил другой дистрибутив python. Используя команду оболочки where, я вижу, что и python, и ipython направляются к моему дистрибутиву Anaconda, что правильно.


Ответы:


1

Моя ошибка заключалась в том, что мой скрипт на Python назывался так же, как и модуль, который я импортирую. Затем команда import импортирует сам сценарий, а не предполагаемый модуль.

21.10.2015
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..