Python 解决TypeError: ("'Series' object is not callable", 'occurred at index 13012')

最新推荐文章于 2024-06-04 15:33:25 发布

SophiaSSSSS

最新推荐文章于 2024-06-04 15:33:25 发布

阅读量3.1w

点赞数 4

分类专栏：练手纠错帖集结文章标签： Python 函数

本文链接：https://blog.csdn.net/weixin_44216391/article/details/89323142

版权

练手纠错帖集结专栏收录该内容

27 篇文章 2 订阅

订阅专栏

首先，源数据前五行是这样的。

	DealTime	bf_StudentID	AccName	PerSex	MonDeal	avgMonDeal	transaction_times	month
0	2018-07-01	13983	裘某某	男	-3.7	-3.70	1	2018-07-01
1	2018-07-01	14018	虞某某	男	-9.5	-9.50	1	2018-07-01
2	2018-07-01	14073	刘某某	男	-8.0	-8.00	1	2018-07-01
3	2018-07-01	14074	周某某	男	-14.3	-7.15	2	2018-07-01
4	2018-07-01	14097	毛某某	男	-10.0	-10.00	1	2018-07-01

# 承接上一章，将用户消费数据进行数据透视。

pivoted_counts=df.pivot_table(index="bf_StudentID",columns="month",values="transaction_times",aggfunc="sum").fillna(0)
columns_month=df.month.sort_values().astype("str").unique()
pivoted_counts.columns=columns_month
pivoted_counts.head()

	2018-07-01	2018-08-01	2018-09-01	2018-10-01	2018-11-01	2018-12-01	2019-01-01
bf_StudentID
13012	0.0	0.0	10.0	10.0	15.0	7.0	9.0
13564	17.0	25.0	82.0	63.0	69.0	75.0	50.0
13599	8.0	10.0	39.0	33.0	34.0	31.0	26.0
13685	8.0	12.0	28.0	33.0	34.0	39.0	17.0
13947	9.0	22.0	81.0	64.0	66.0	72.0	63.0

# 用applymap+lambda转换数据，只要当月消费超过30次，记为1，反之为0。
pivoted_purchase = pivoted_counts.applymap(lambda x: 1 if x > 30 else 0)
pivoted_purchase.head()

	2018-07-01	2018-08-01	2018-09-01	2018-10-01	2018-11-01	2018-12-01	2019-01-01
bf_StudentID
13012	0	0	0	0	0	0	0
13564	0	0	1	1	1	1	1
13599	0	0	1	1	1	1	0
13685	0	0	0	1	1	1	0
13947	0	0	1	1	1	1	1

然后，先 def 定义函数再apply函数到dataframe。

# 本次学生消费案例：

# 接下来进行用户分层，我们按照学生的消费行为，简单划分成几个维度：新生（新用户）、超爱饭堂的学生（活跃用户）、不爱饭堂的学生（不活跃用户）、偶尔爱饭堂的学生（回流用户）。
# 新生的定义是第一次消费超过30次。超爱饭堂的学生即常客/老客，在某一个时间窗口内有过消费30次以上。不爱饭堂的学生则是时间窗口内没有消费超过30次的老客。回流用户是在上一个窗口中没有消费30次以上，而在当前时间窗口内有过消费30次以上。以上的时间窗口都是按月统计。

# 比如某学生在9月第一次消费30次以上，那么他在9月的分层就是新生（新用户）；
# 他在10月消费30次以上，则是超爱饭堂的学生（活跃用户）；
# 11月没有消费30次以上，此时是不爱饭堂的学生（不活跃用户）；
# 12月再次消费30次以上，此时是偶尔爱饭堂的学生（回流用户）；
# 1月还是消费30次以上，是超爱饭堂的学生（活跃用户）。

# 分层会涉及到比较复杂的逻辑判断。

定义函数

def active_status(data):
    status=[]
    for i in range(7):
        
        # 若本月没有“消费30次以上”
        if data[i] == 0:
            if len(status) > 0:
                if status[i-1] == "unreg":
                    status.append("unreg")
                else:
                    status.append("unlike_canteen")
            else:
                status.append("unreg")
        # 若本月“消费30次以上”
        else:
            if len(status) == 0:
                status.append("new")
            else:
                if status[i-1] == "unlike_canteen":
                    status.append("occasionally_like_canteen")
                elif status[i-1] == "unreg":
                    status.append("new")
                else:
                    status.append("love_canteen")
    return status
                
# 函数写得比较复杂，主要分为两部分的判断，以本月是否“消费30次以上”为界。
# 本月没有“消费30次以上”，还要额外判断他是不是新生（新客），
# 因为部分学生是9月份才“消费30次以上”成为新生（新客），那么在7、8月份他应该连新生（新客）都不是，用unreg表示。
# 如果是老客（即前一个月消费30次以上），则为unlike_canteen。

# 本月若有“月消费30次以上”，需要判断是不是第一次“月消费30次以上”，上一个时间窗口有没有“月消费30次以上”。
# 大家可以多调试几次理顺里面的逻辑关系，对用户进行分层，逻辑确实不会简单，而且这里只是简化版本的。

然后使用apply函数，首次运行报错。如下。
("‘Series’ object is not callable", ‘occurred at index 13012’)

# pivoted_purchase_status = pivoted_purchase.apply(lambda x: active_status(x),axis = 1)
# pivoted_purchase_status.head()

#  运行报错：("'Series' object is not callable", 'occurred at index 13012')

纠错过程。如下。

# 那查看一下“index 13012”是何方神圣。
pivoted_purchase.loc[13012]

2018-07-01    0
2018-08-01    0
2018-09-01    0
2018-10-01    0
2018-11-01    0
2018-12-01    0
2019-01-01    0
Name: 13012, dtype: int64

# 看看其他行与索引13012有没有什么区别
pivoted_purchase.loc[13564]

# 没差别。。。

2018-07-01    0
2018-08-01    0
2018-09-01    1
2018-10-01    1
2018-11-01    1
2018-12-01    1
2019-01-01    1
Name: 13564, dtype: int64

pivoted_purchase.shape

# 1730行（学生学号），7列（月份）

(1730, 7)

pivoted_purchase.dtypes

2018-07-01    int64
2018-08-01    int64
2018-09-01    int64
2018-10-01    int64
2018-11-01    int64
2018-12-01    int64
2019-01-01    int64
dtype: object

搜索series和apply函数关系无果后，回到报错提示详情去看，发现了一些线索。（下面的字那么大我也不想的，这编辑器有毒。。。）

看下述报错详情，首先提示错误在(x)；

接下来提示错误在active_status(data)的第六行：

----> 6 if data(i) < 30:

缩小到行了，再一细看，果然发现了一个小括号data(i)。

而根据多出查询说明，报错"‘XXX’ object is not callable"一般是因为该用中括号的地方用了小括号。

回到原参考帖去看，果然人家是中括号啊~~~字太小了看不清，认错敲错了。。。

# 这么看来，前面报错（pivoted_purchase.shape）是因为，series不能用于apply函数？
# 搜索无果。

# 回到报错提示去看详情，终于发现了点东东。

# 先看详情：

# <ipython-input-31-17b35956730f> in <lambda>(x)
# ----> 1 pivoted_purchase_status = pivoted_purchase.apply(lambda x: active_status(x),axis = 1)
#       2 pivoted_purchase_status.head()
#       3 
#       4 #  运行报错：("'Series' object is not callable", 'occurred at index 13012')

# <ipython-input-28-331c5573a3a9> in active_status(data)
#       4 
#       5         # 若本月没有“消费30次以上”
# ----> 6         if data(i) < 30:
#       7             if len(status) > 0:
#       8                 if status[i-1] == "unreg":

# TypeError: ("'Series' object is not callable", 'occurred at index 13012')

# -------------------------------------------------------

下面，不是"‘Series’ object is not callable"这个问题了，倒是另一个手误输错数字，或者说逻辑一时混乱输错数字，的纠错过程。一并留下，供参考。

其实有个疑问，如果有高手看到还望解答一二，十分感谢。
就是，每次apply函数作用于原dataframe后，会生成一个新的对象（如下表）。但是又不像表，不能进行一些常见的操作。

搜索了一圈大神帖子，首先市面上相关帖子还比较少，然后根据其中一些解决方案依葫芦画瓢，“将对象转成dataframe”，但是转了之后，原对象中括号里的所有内容（含各个逗号和各个apply结果）都混到了一列中，而且没有列名。。。
总而言之就是没成功转成dataframe。。

pivoted_purchase_status = pivoted_purchase.apply(lambda x: active_status(x),axis = 1)
pivoted_purchase_status.head(8)

# 一开始虽然没运行报错，不过又转化成坑爹的不知道是啥的格式了。
# 而且貌似逻辑不对。显示结果居然全是学生饭堂深度爱好者（love_canteen），这不科学。

# 然后又细细查看，原来是把for i in range(7)后面的if data[i]==0 的“0”误写成“30”了。
# 将if data[i]==30更正回if data[i]==0之后，逻辑正常，如下所示。只是格式问题还需搜索方法来处理。

bf_StudentID
13012    [unreg, unreg, unreg, unreg, unreg, unreg, unreg]
13564    [unreg, unreg, new, love_canteen, love_canteen...
13599    [unreg, unreg, new, love_canteen, love_canteen...
13685    [unreg, unreg, unreg, new, love_canteen, love_...
13947    [unreg, unreg, new, love_canteen, love_canteen...
13948    [unreg, unreg, new, love_canteen, love_canteen...
13949    [unreg, unreg, new, love_canteen, love_canteen...
13950    [unreg, unreg, new, love_canteen, love_canteen...
dtype: object

pivoted_purchase_status.columns
out：
**# AttributeError: ‘Series’ object has no attribute ‘columns’

原来是series格式。

那如何转成dataframe呢？**

网上找了一圈，找到了pd.DataFrame这个法子，试试。

pivoted_purchase_status=pd.DataFrame(pivoted_purchase_status)
pivoted_purchase_status.head()

out：
（长这样，只有两列，一列学号，另一列是中括号里面的所有内容）
bf_StudentID
13012 [unreg, unreg, unreg, unreg, unreg, unreg, unreg]
13564 [unreg, unreg, new, love_canteen, love_canteen…
13599 [unreg, unreg, new, love_canteen, love_canteen…
13685 [unreg, unreg, unreg, new, love_canteen, love_…
13947 [unreg, unreg, new, love_canteen, love_canteen…

pivoted_purchase_status.columns
out：RangeIndex(start=0, stop=1, step=1)

稀奇古怪的RangeIndex，是啥。。。能否分列？Excel好办，不过Python…应该更简单吧。。

问题是，没有列名，何来分列。。。

仍然试试，使用索引2来表示第二列[2]。

month=pivoted_purchase_status[2].str.split(’,’,expand=True)
month.columns=[‘201807’,‘201808’,‘201809’,‘201810’,‘201811’,‘201812’,‘201901’]
pivoted_purchase_status=pivoted_purchase_status.join(month)
pivoted_purchase_status.head()

运行报错：KeyError: 2

这个问题其实后来解决了一丢丢，把格式搞正确成dataframe了，详见另一篇博客：
https://blog.csdn.net/weixin_44216391/article/details/89329804

SophiaSSSSS

关注

4
点赞
踩
7

收藏

觉得还不错? 一键收藏
2
评论
Python 解决TypeError: ("'Series' object is not callable", 'occurred at index 13012')

首先，源数据前五行是这样的。 DealTime bf_StudentID AccName PerSex MonDeal avgMonDeal transaction_times month 0 2018-07-0...
复制链接

扫一扫