我在尝试实现DZone上的一个示例项目（https://dzone.com/articles/cv-r-cvs-retrieval-system-based-on-job-description），但遇到了一个问题。在这种情况下，我设置了

dir_pca_we_EWE = 'pickle_model_pca.pkl'

并且正在执行以下代码：

def reduce_dimensions_WE(dir_we_EWE, dir_pca_we_EWE):    m1 = KeyedVectors.load_word2vec_format('./wiki.en/GoogleNews.bin', binary=True)    model1 = {}    # 标准化向量    for string in m1.wv.vocab:        model1[string] = m1.wv[string] / np.linalg.norm(m1.wv[string])    # 降低维度    pca = decomposition.PCA(n_components=200)    pca.fit(np.array(list(model1.values())))    model1 = pca.transform(np.array(list(model1.values())))    i = 0    for key, value in model1.items():        model1[key] = model1[i] / np.linalg.norm(model1[i])        i = i + 1    with open(dir_pca_we_EWE, 'wb') as handle:        pickle.dump(model1, handle, protocol=pickle.HIGHEST_PROTOCOL)return model1

这会产生以下错误：

Traceback (most recent call last):File "<stdin>", line 1, in <module>File "<stdin>", line 12, in reduce_dimensions_WEAttributeError: 'numpy.ndarray' object has no attribute 'items'

一如既往，任何帮助都将不胜感激！

回答：

你首先将model1 = {}初始化为一个空字典。在使用transform时

model1 = pca.transform(np.array(list(model1.values())))

变量model1变成了一个numpy.ndarray，这是pca的transform方法的返回类型。在以下行中

for key, value in model1.items():    ...

你仍然将model1视为一个字典，但它已经不是了。